本文主要記錄瞭如何在 k8s 上快速部署雲原生的工作流引擎 ArgoWorkflow。
ArgoWorkflow 是什麼
Argo Workflows 是一個開源的雲原生工作流引擎,用於在 Kubernetes 上編排並行作業。Argo 工作流作為Kubernetes CRD 實現。
- 定義工作流,其中工作流中的每個步驟都是一個容器。
- 將多步驟工作流建模為一系列任務,或使用 DAG 來捕獲任務之間的依賴關係圖。
- 使用 Argo 可以在很短的時間內在 Kubernetes 上輕鬆執行機器學習或資料處理的計算密集型作業
一句話描述:ArgoWorkflow 是一個用於在 Kubernetes 上編排並行作業的開源雲原生工作流引擎。
元件
相對於 Tekton 來說,ArgoWorkflow 元件比較少,整體架構比較簡單。
核心元件:
- argo-server:為工作流提供 API 和 UI 介面。
- workflow-controller:真正幹活的元件,解析使用者建立的 CR 物件並啟動 Pod 來真正執行流水線
部署
官方提供 helm chart 可以一鍵部署,完整命令如下:
# 新增參考並更新
helm repo add argo https://argoproj.github.io/argo-helm
helm repo update
# 部署
# -set server.authMode=server 配置切換認證模式,便於免token 登入 UI 介面
helm install argo-workflows argo/argo-workflows -n argo --create-namespace --set server.authMode=server
部署完成後會啟動兩個 Pod
[root@argo ~]# kubectl -n argo get po
NAME READY STATUS RESTARTS AGE
argo-server-84fd55bfc-hd6qp 1/1 Running 0 2m16s
workflow-controller-557756b7c8-blmp7 1/1 Running 0 2m16s
然後將 Service 切換為 NodePort 便於訪問
kubectl patch svc argo-workflows-server -n argo -p '{"spec": {"type": "NodePort"}}'
最後透過 NodePort 訪問即可,就像這樣:http://172.20.148.126:31691
[root@argo ~]# kubectl -n argo get svc argo-workflows-server
NAME TYPE CLUSTER-IP EXTERNAL-IP PORT(S) AGE
argo-workflows-server NodePort 10.108.150.173 <none> 2746:31691/TCP 2m3s
UI 介面如下,整體和 ArgoCD 挺像的:
Demo
簡單啟動一個 Workflow 測試一下 ArgoWorkflow 能否正常執行。
使用以下命令建立一個 Workflow 物件:
kubectl create -f - << EOF
apiVersion: argoproj.io/v1alpha1
kind: Workflow
metadata:
generateName: steps-
spec:
entrypoint: hello # We reference our first "template" here
templates:
- name: hello # The first "template" in this Workflow, it is referenced by "entrypoint"
steps: # The type of this "template" is "steps"
- - name: hello
template: whalesay # We reference our second "template" here
arguments:
parameters: [{name: message, value: "Hello ArgoWorkflow!"}]
- name: whalesay # The second "template" in this Workflow, it is referenced by "hello"
inputs:
parameters:
- name: message
container: # The type of this "template" is "container"
image: docker/whalesay
command: [cowsay]
args: ["{{inputs.parameters.message}}"]
EOF
功能也很簡單,就是列印 Hello ArgoWorkflow!
這句話。
檢視狀態
[root@argo ~]# kubectl get workflow
NAME STATUS AGE MESSAGE
steps-75xmq Running 6s
可以看到,當前處於 Running 狀態,不過這是一個非常簡單的任務,因此很快就會結束,時間應該是耗費在拉取映象上。
檢視 Pod 執行情況
[root@argo ~]# kubectl get po -w
NAME READY STATUS RESTARTS AGE
steps-75xmq-whalesay-1542601109 0/2 PodInitializing 0 96s
看起來正在拉取映象,等一下
[root@argo ~]# kubectl get po
NAME READY STATUS RESTARTS AGE
steps-75xmq-whalesay-1542601109 0/2 Completed 0 2m58s
[root@argo ~]# kubectl get workflow
NAME STATUS AGE MESSAGE
steps-75xmq Succeeded 3m6s
Pod 已經執行完成了,Workflow 也進行 Successed 狀態,檢視 Pod 日誌,確認是否真的執行了
[root@argo ~]# kubectl logs -f steps-75xmq-whalesay-1542601109
_____________________
< Hello ArgoWorkflow! >
---------------------
\
\
\
## .
## ## ## ==
## ## ## ## ===
/""""""""""""""""___/ ===
~~~ {~~ ~~~~ ~~~ ~~~~ ~~ ~ / ===- ~~~
\______ o __/
\ \ __/
\____\______/
time="2023-10-20T08:48:32.163Z" level=info msg="sub-process exited" argo=true error="<nil>"
可以看到,確實列印出了 "Hello ArgoWorkflow" 這句話,至此說明我們部署的 ArgoWorkflow 是能夠正常執行的。
到這裡 ArgoWorkflow 的部署就完成了,如果理解不了這個 demo 中做的事情也沒關係,後續會有 ArgoWorkflow 的使用教程,敬請期待~
下期預告:Workflow & Template 概念模型, 構建 ArgoWorkflow 流水線
。
【ArgoWorkflow 系列】持續更新中,搜尋公眾號【探索雲原生】訂閱,閱讀更多文章。