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/v1alpha1kind: Taskmetadata:  name: echo-hello-worldspec:  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/v1alpha1kind: TaskRunmetadata:  name: echo-hello-world-task-runspec:  taskRef:    name: echo-hello-world  trigger:    type: manualkubectl apply -f < name-of-file.yaml >

查看TaskRun kubectl get taskruns / echo-hello-world-task-run -o yaml

apiVersion: tekton.dev/v1alpha1kind: TaskRunmetadata:  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-11e8-9129-42010a8a0fdcspec:  generation: 1  inputs: {}  outputs: {}  taskRef:    name: echo-hello-world  taskSpec: null  trigger:    type: manualstatus:  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/v1alpha1kind: PipelineResourcemetadata:  name: skaffold-gitspec:  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/v1alpha1kind: PipelineResourcemetadata:  name: skaffold-image-leeroy-webspec:  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/v1alpha1kind: Taskmetadata:  name: build-docker-image-from-git-sourcespec:  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/v1alpha1kind: TaskRunmetadata:  name: build-docker-image-from-git-source-task-runspec:  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/v1alpha1kind: PipelineResourcemetadata:  name: skaffold-image-leeroy-webspec:  type: image  params:    - name: url      value: docker-in-docker:latest

Task 里：

apiVersion: tekton.dev/v1alpha1kind: Taskmetadata:  name: build-docker-image-from-git-sourcespec:  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                                                   AGEtaskruns/build-docker-image-from-git-source-task-run   30sNAME                                          AGEpipelineresources/skaffold-git                6mpipelineresources/skaffold-image-leeroy-web   7mNAME                                       AGEtasks/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/v1alpha1kind: TaskRunmetadata:  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-fd70-11e8-9129-42010a8a0fdcspec:  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: manualstatus:  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/v1alpha1kind: Pipelinemetadata:  name: tutorial-pipelinespec:  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/v1alpha1kind: Taskmetadata:  name: deploy-using-kubectlspec:  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/v1alpha1kind: PipelineRunmetadata:  name: tutorial-pipeline-run-1spec:  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，欢迎关注编程网行业资讯频道，感谢各位的阅读！