kubernetes原生pipeline的示例分析

kubernetes原生pipeline的示例分析，相信很多没有经验的人对此束手无策，为此本文总结了问题出现的原因和解决方法，通过这篇文章希望你能解决这个问题。

Task

Tekton Pipelines的主要目标是单独运行您的任务或作为管道的一部分运行。每个任务都在Kubernetes集群上作为Pod运行，每个步骤都作为自己的容器。这点深得drone思想精髓，其实drone也有计划将kubernetes作为任务执行引擎，只是没有下文了。

A Task定义了需要执行的工作，例如以下是一个简单的任务：

apiVersion: tekton.dev/v1alpha1 kind: Task metadata:   name: echo-hello-world spec:   steps:     - name: echo       image: ubuntu       command:         - echo       args:         - "hello world"

这steps是一系列由任务顺序执行的 命令 。这个steps内的配置几乎与drone如出一辙，Task定义好并没有被执行，创建TaskRun时才会执行。这是合理的，相当于是一个触发

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

状态Succeeded = True显示任务已成功运行。

任务输入和输出

在更常见的场景中，任务需要多个步骤来处理输入和输出资源。例如，Task可以从GitHub存储库获取源代码并从中构建Docker镜像。

PipelinesResources用于定义任务的输入(如代码)与输出(如Docker镜像)。有一些系统定义的资源类型可供使用，以下是通常需要的两个资源示例。

该git资源可以是你要编译的代码：

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

该image资源代表要被任务编译成的镜像：

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输入和输出。输入资源是GitHub存储库，输出是从该源生成的图像。任务 命令 的参数支持模板化，因此任务的定义是常量，参数的值可以在运行时更改。

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       # 这些参数都是可以自定义的         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  # 特定功能的镜像，可以用来docker build       command:         - /kaniko/executor       args:         - --dockerfile=${inputs.params.pathToDockerFile}   # 这时原pathToDockerFile就是上面定义的参数         - --destination=${outputs.resources.builtImage.url}         - --context=${inputs.params.pathToContext}

TaskRun将输入和输出绑定到已定义的PipelineResources值，除了执行任务步骤外，还将值设置为用于模板化的参数。

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:                       # 执行时把参数传给Task，这样就不需要重复定义task，只需要增加input output 和taskrun 就可以跑一个别的工程, 从解耦这个角度到说比drone更好，任务流程可以复用       - 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  # 这也是上面指定的资源

PS: inputs outputs应当不限制死必须叫这两个名字，只要是能支持参数就好。比如定义一个叫build的资源去指定docker build的镜像：

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}

我是觉得需要能进行这样的扩展了, 仅是inputs outputs就狭义了

获取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的输出，请使用以下命令：

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

类型的状态Succeeded = True显示Task已成功运行，您还可以验证Docker镜像是否生成。

Pipeline

Pipeline定义要按顺序执行的任务列表，同时还通过使用该from字段指示是否应将任何输出用作后续任务的输入，并指示执行的顺序（使用runAfter和from字段）。您在任务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 # 编译与打镜像任务，上面已经介绍过       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 # 这里引入了一个通过k8s部署的Task，我们在下文看它是什么       resources:         inputs:                    # 定义输入，这里的输入其实是上个任务的输出           - name: workspace             resource: source-repo           - name: image            # 比如这个镜像，就是上个任务产生的             resource: web-image             from:                  # from就如同管道一样，把上个任务的输出作为这个任务的输入               - build-skaffold-web       params:                      # 留意这些参数都是传给Task模板的,覆盖inputs里的参数         - 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是引用一个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  # 第一步替换镜像       image: mikefarah/yq  # 特定功能的镜像，和drone同理，这里主要就是个模板渲染       command: ["yq"]       args:         - "w"         - "-i"         - "${inputs.params.yqArg}"         - "${inputs.params.path}"         - "${inputs.params.yamlPathToImage}"         - "${inputs.resources.image.url}"     - name: run-kubectl                 # 第二步执行kubectl       image: lachlanevenson/k8s-kubectl       command: ["kubectl"]       args:         - "apply"         - "-f"         - "${inputs.params.path}"   # 这就是yaml文件的位置

要运行Pipeline，请创建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

执行与查看pipeline

kubectl apply -f < name-of-file.yaml > kubectl获取pipelineruns / tutorial-pipeline-run-1 -o yaml

总结

初学者会觉得有点绕，但是这种设计也是为了解耦合，我个人觉得优劣如下：

优势

可以把k8s集群作为任务执行引擎，这样可以更好的利用资源，比如把线上夜间闲置资源用来跑任务，构建镜像 离线分析 甚至机器学习。解耦做的比较好，任务模板可以拿来复用，而不需要大家都去重复定义,输入输出理念，一个任务的输入作为另个任务的输出不错。

劣势

有点过度设计，一些简单的场景可能觉得配置起来有点绕了,输入输出依赖分布式系统，对比drone一个pipeline中的容器是共享了一个数据卷的，这样上个任务产生的文件很方便的给下个任务用，而基于集群的任务就可能得依赖git docker镜像仓库等做输入输出，有点麻烦，好的解决办法是利用k8s分布试存储给pipeline设置一个共享卷，方便任务间传输数据;总体来说路子是对的而且还是有很多场景可以用的。

看完上述内容，你们掌握kubernetes原生pipeline的示例分析的方法了吗？如果还想学到更多技能或想了解更多相关内容，欢迎关注亿速云行业资讯频道，感谢各位的阅读！