kubernetes原生pipeline的示例分析，相信很多沒有經驗的人對此束手無策，為此本文總結了問題出現的原因和解決方法，通過這篇文章希望你能解決這個問題。
| Tekton Pipeline,是一個k8s native的pipeline, 任務跑在pod中，通過自定義CRD去管理任務與工作流等等，我看完tekton之后感覺是功能很強大，但是有點過度設計了，沒有drone的簡約大方靈活之感。 |
Task
Tekton Pipelines的主要目標是單獨運行您的任務或作為管道的一部分運行。每個任務都在Kubernetes集群上作為Pod運行，每個步驟都作為自己的容器。這點深得drone思想精髓，其實drone也有計劃將kubernetes作為任務執行引擎，只是沒有下文了。
A Task定義了需要執行的工作，例如以下是一個簡單的任務：
apiVersion: tekton.dev/v1alpha1 kind: Task metadata: name: echo-hello-world spec: steps: - name: echo image: ubuntu command: - echo args: - "hello world"
這steps是一系列由任務順序執行的 命令 。這個steps內的配置幾乎與drone如出一轍，Task定義好并沒有被執行，創建TaskRun時才會執行。這是合理的，相當于是一個觸發
apiVersion: tekton.dev/v1alpha1 kind: TaskRun metadata: name: echo-hello-world-task-run spec: taskRef: name: echo-hello-world trigger: type: manual kubectl apply -f < name-of-file.yaml >
查看TaskRun kubectl get taskruns / echo-hello-world-task-run -o yaml
apiVersion: tekton.dev/v1alpha1
kind: TaskRun
metadata:
creationTimestamp: 2018-12-11T15:49:13Z
generation: 1
name: echo-hello-world-task-run
namespace: default
resourceVersion: "6706789"
selfLink: /apis/tekton.dev/v1alpha1/namespaces/default/taskruns/echo-hello-world-task-run
uid: 4e96e9c6-fd5c-11e8-9129-42010a8a0fdc
spec:
generation: 1
inputs: {}
outputs: {}
taskRef:
name: echo-hello-world
taskSpec: null
trigger:
type: manual
status:
conditions:
- lastTransitionTime: 2018-12-11T15:50:09Z
status: "True"
type: Succeeded
podName: echo-hello-world-task-run-pod-85ca51
startTime: 2018-12-11T15:49:39Z
steps:
- terminated:
containerID: docker://fcfe4a004...6729d6d2ad53faff41
exitCode: 0
finishedAt: 2018-12-11T15:50:01Z
reason: Completed
startedAt: 2018-12-11T15:50:01Z
- terminated:
containerID: docker://fe86fc5f7...eb429697b44ce4a5b
exitCode: 0
finishedAt: 2018-12-11T15:50:02Z
reason: Completed
startedAt: 2018-12-11T15:50:02Z狀態Succeeded = True顯示任務已成功運行。
任務輸入和輸出
在更常見的場景中，任務需要多個步驟來處理輸入和輸出資源。例如，Task可以從GitHub存儲庫獲取源代碼并從中構建Docker鏡像。
PipelinesResources用于定義任務的輸入(如代碼)與輸出(如Docker鏡像)。有一些系統定義的資源類型可供使用，以下是通常需要的兩個資源示例。
該git資源可以是你要編譯的代碼：
apiVersion: tekton.dev/v1alpha1 kind: PipelineResource metadata: name: skaffold-git spec: type: git params: - name: revision value: master - name: url value: https://github.com/GoogleContainerTools/skaffold
該image資源代表要被任務編譯成的鏡像：
apiVersion: tekton.dev/v1alpha1 kind: PipelineResource metadata: name: skaffold-image-leeroy-web spec: type: image params: - name: url value: gcr.io//leeroy-web
以下是Task輸入和輸出。輸入資源是GitHub存儲庫，輸出是從該源生成的圖像。任務 命令 的參數支持模板化，因此任務的定義是常量，參數的值可以在運行時更改。
apiVersion: tekton.dev/v1alpha1
kind: Task
metadata:
name: build-docker-image-from-git-source
spec:
inputs:
resources:
- name: docker-source
type: git
params:
- name: pathToDockerFile # 這些參數都是可以自定義的
description: The path to the dockerfile to build
default: /workspace/docker-source/Dockerfile
- name: pathToContext
description:
The build context used by Kaniko
(https://github.com/GoogleContainerTools/kaniko#kaniko-build-contexts)
default: /workspace/docker-source
outputs:
resources:
- name: builtImage
type: image
steps:
- name: build-and-push
image: gcr.io/kaniko-project/executor # 特定功能的鏡像，可以用來docker build
command:
- /kaniko/executor
args:
- --dockerfile=${inputs.params.pathToDockerFile} # 這時原pathToDockerFile就是上面定義的參數
- --destination=${outputs.resources.builtImage.url}
- --context=${inputs.params.pathToContext}TaskRun將輸入和輸出綁定到已定義的PipelineResources值，除了執行任務步驟外，還將值設置為用于模板化的參數。
apiVersion: tekton.dev/v1alpha1 kind: TaskRun metadata: name: build-docker-image-from-git-source-task-run spec: taskRef: name: build-docker-image-from-git-source trigger: type: manual inputs: resources: - name: docker-source resourceRef: name: skaffold-git params: # 執行時把參數傳給Task，這樣就不需要重復定義task，只需要增加input output 和taskrun 就可以跑一個別的工程, 從解耦這個角度到說比drone更好，任務流程可以復用 - name: pathToDockerFile value: Dockerfile - name: pathToContext value: /workspace/docker-source/examples/microservices/leeroy-web #configure: may change according to your source outputs: resources: - name: builtImage resourceRef: name: skaffold-image-leeroy-web # 這也是上面指定的資源
PS: inputs outputs應當不限制死必須叫這兩個名字，只要是能支持參數就好。比如定義一個叫build的資源去指定docker build的鏡像：
apiVersion: tekton.dev/v1alpha1 kind: PipelineResource metadata: name: skaffold-image-leeroy-web spec: type: image params: - name: url value: docker-in-docker:latest
Task 里：
apiVersion: tekton.dev/v1alpha1
kind: Task
metadata:
name: build-docker-image-from-git-source
spec:
build:
resources:
- name: build
type: image
params:
- name: build-image
default: docker-in-docker:latest
steps:
- name: build-and-push
image: ${build.params.build-image}我是覺得需要能進行這樣的擴展了, 僅是inputs outputs就狹義了
獲取pipeline全部信息 kubectl get build-pipeline
NAME AGE taskruns/build-docker-image-from-git-source-task-run 30s NAME AGE pipelineresources/skaffold-git 6m pipelineresources/skaffold-image-leeroy-web 7m NAME AGE tasks/build-docker-image-from-git-source 7m
要查看TaskRun的輸出，請使用以下命令：
kubectl get taskruns / build-docker-image-from-git-source-task-run -o yaml
apiVersion: tekton.dev/v1alpha1 kind: TaskRun metadata: creationTimestamp: 2018-12-11T18:14:29Z generation: 1 name: build-docker-image-from-git-source-task-run namespace: default resourceVersion: "6733537" selfLink: /apis/tekton.dev/v1alpha1/namespaces/default/taskruns/build-docker-image-from-git-source-task-run uid: 99d297fd-fd70-11e8-9129-42010a8a0fdc spec: generation: 1 inputs: params: - name: pathToDockerFile value: Dockerfile - name: pathToContext value: /workspace/git-source/examples/microservices/leeroy-web #configure: may change depending on your source resources: - name: git-source paths: null resourceRef: name: skaffold-git outputs: resources: - name: builtImage paths: null resourceRef: name: skaffold-image-leeroy-web taskRef: name: build-docker-image-from-git-source taskSpec: null trigger: type: manual status: conditions: - lastTransitionTime: 2018-12-11T18:15:09Z status: "True" type: Succeeded podName: build-docker-image-from-git-source-task-run-pod-24d414 startTime: 2018-12-11T18:14:29Z steps: - terminated: containerID: docker://138ce30c722eed....c830c9d9005a0542 exitCode: 0 finishedAt: 2018-12-11T18:14:47Z reason: Completed startedAt: 2018-12-11T18:14:47Z - terminated: containerID: docker://4a75136c029fb1....4c94b348d4f67744 exitCode: 0 finishedAt: 2018-12-11T18:14:48Z reason: Completed startedAt: 2018-12-11T18:14:48Z
類型的狀態Succeeded = True顯示Task已成功運行，您還可以驗證Docker鏡像是否生成。
Pipeline
Pipeline定義要按順序執行的任務列表，同時還通過使用該from字段指示是否應將任何輸出用作后續任務的輸入，并指示執行的順序（使用runAfter和from字段）。您在任務中使用的相同模板也可以在管道中使用。
apiVersion: tekton.dev/v1alpha1 kind: Pipeline metadata: name: tutorial-pipeline spec: resources: - name: source-repo type: git - name: web-image type: image tasks: - name: build-skaffold-web # 編譯與打鏡像任務，上面已經介紹過 taskRef: name: build-docker-image-from-git-source params: - name: pathToDockerFile value: Dockerfile - name: pathToContext value: /workspace/examples/microservices/leeroy-web #configure: may change according to your source resources: inputs: - name: workspace resource: source-repo outputs: - name: image resource: web-image - name: deploy-web # 部署 taskRef: name: deploy-using-kubectl # 這里引入了一個通過k8s部署的Task，我們在下文看它是什么 resources: inputs: # 定義輸入，這里的輸入其實是上個任務的輸出 - name: workspace resource: source-repo - name: image # 比如這個鏡像，就是上個任務產生的 resource: web-image from: # from就如同管道一樣，把上個任務的輸出作為這個任務的輸入 - build-skaffold-web params: # 留意這些參數都是傳給Task模板的,覆蓋inputs里的參數 - name: path value: /workspace/examples/microservices/leeroy-web/kubernetes/deployment.yaml #configure: may change according to your source - name: yqArg value: "-d1" - name: yamlPathToImage value: "spec.template.spec.containers[0].image"
以上Pipeline是引用一個Task被叫的deploy-using-kubectl：
apiVersion: tekton.dev/v1alpha1
kind: Task
metadata:
name: deploy-using-kubectl
spec:
inputs:
resources:
- name: workspace
type: git
- name: image
type: image
params:
- name: path
description: Path to the manifest to apply
- name: yqArg
description:
Okay this is a hack, but I didn't feel right hard-coding `-d1` down
below
- name: yamlPathToImage
description:
The path to the image to replace in the yaml manifest (arg to yq)
steps:
- name: replace-image # 第一步替換鏡像
image: mikefarah/yq # 特定功能的鏡像，和drone同理，這里主要就是個模板渲染
command: ["yq"]
args:
- "w"
- "-i"
- "${inputs.params.yqArg}"
- "${inputs.params.path}"
- "${inputs.params.yamlPathToImage}"
- "${inputs.resources.image.url}"
- name: run-kubectl # 第二步執行kubectl
image: lachlanevenson/k8s-kubectl
command: ["kubectl"]
args:
- "apply"
- "-f"
- "${inputs.params.path}" # 這就是yaml文件的位置要運行Pipeline，請創建PipelineRun如下：
apiVersion: tekton.dev/v1alpha1 kind: PipelineRun metadata: name: tutorial-pipeline-run-1 spec: pipelineRef: name: tutorial-pipeline trigger: type: manual resources: - name: source-repo resourceRef: name: skaffold-git - name: web-image resourceRef: name: skaffold-image-leeroy-web
執行與查看pipeline
kubectl apply -f < name-of-file.yaml > kubectl獲取pipelineruns / tutorial-pipeline-run-1 -o yaml
總結
初學者會覺得有點繞，但是這種設計也是為了解耦合，我個人覺得優劣如下：
優勢
可以把k8s集群作為任務執行引擎，這樣可以更好的利用資源，比如把線上夜間閑置資源用來跑任務，構建鏡像 離線分析 甚至機器學習。解耦做的比較好，任務模板可以拿來復用，而不需要大家都去重復定義,輸入輸出理念，一個任務的輸入作為另個任務的輸出不錯。
劣勢
有點過度設計，一些簡單的場景可能覺得配置起來有點繞了,輸入輸出依賴分布式系統，對比drone一個pipeline中的容器是共享了一個數據卷的，這樣上個任務產生的文件很方便的給下個任務用，而基于集群的任務就可能得依賴git docker鏡像倉庫等做輸入輸出，有點麻煩，好的解決辦法是利用k8s分布試存儲給pipeline設置一個共享卷，方便任務間傳輸數據;總體來說路子是對的而且還是有很多場景可以用的。
看完上述內容，你們掌握kubernetes原生pipeline的示例分析的方法了嗎？如果還想學到更多技能或想了解更多相關內容，歡迎關注億速云行業資訊頻道，感謝各位的閱讀！
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
