Tekton Pipeline 教程

1.

Task

Tekton Pipeline 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。

Task 定义了需要执行的工作，例如以下是一个简单的任务：

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 定义好了之后并不会被执行，创建 TaskRun 时才会执行。这是合理的，相当于是一个触发。

$ kubectl apply -f < name-of-file.yaml >

查看 TaskRun：

状态 Succeeded = True 显示任务已成功运行。

2.

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：

该 image 资源代表要被任务编译成的镜像：

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。

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。

inputs 和 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：

Task 里：

我是觉得需要能进行这样的扩展了, 仅是 inputs 和 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：

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

3.

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）。你在任务中使用的相同模板也可以在管道中使用。

以上 Pipeline 是引用一个 Task deploy-using-kubectl：

要运行 Pipeline，请创建 PipelineRun 如下：

执行与查看 pipeline:

$ kubectl apply -f < name-of-file.yaml >
$ kubectl get 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。