博客
关于我
Kubernetes原生CI/CD工具Tekton探秘与上手实践
阅读量:705 次
发布时间:2019-03-17

本文共 1704 字,大约阅读时间需要 5 分钟。

Knative Build的未来:被Tekton取代的背后

近期,Knative 社区引发了一波关注热潮。三大组件之一的build项目被提出一个“残忍”的Proposal,计划逐步废弃。值得一提的是,这个Proposal在项目Readme中开头就加了个NOTE,直接提醒用户将注意转移至Tekton Pipelines。这背后体现了Knative的战略选择:专注于Serverless领域,而将CI/CD相关的功能交给其他工具处理。

为什么要废弃Knative Build?

这个Proposal的核心目的是为了让Knative更专注于其核心领域——Serverless。Knative Build原本承担了CI/CD的功能,随着时间推移,Build模块逐渐演变成一个通用的CI/CD系统,这与其最初的设计初衷不再一致。因此,决定将Build模块剥离出去,让用户自选合适的CI/CD工具。

目前,Tekton已经展露出强大的Kubernetes原生CI/CD能力。Tekton的设计理念源自Knative Build,但它更注重标准化和可扩展性。现有用户可以无缝从Knative Build迁移至Tekton,两者在技术上有着深度的关联。

Tekton:Kubernetes原生CI/CD解决方案

Tekton是一个由Google开源的Kubernetes原生CI/CD系统,功能强大且灵活。其设计理念基于CRD(自定义资源定义),通过定义 Pipeline 和 PipelineRun 实现复杂的CI/CD流程。Tekton的CRD包括 Task、TaskRun、Pipeline、PipelineRun 和 PipelineResource 等,构建了一个完整的CI/CD生态系统。

Tekton的优势

  • Kubernetes原生:Tekton完全基于Kubernetes,利用Kubernetes的扩展性和可靠性。
  • 灵活性:支持多种任务定义,能够满足不同项目的需求。
  • 开源社区活跃:Tekton正在快速迭代,得到了广泛的支持和参与。
  • 与其他工具兼容:可以与Jenkins、Spinnaker等工具无缝集成,避免耦合问题。
  • 从Knative Build到Tekton的迁移

    Tekton的前身是Knative的build-pipeline项目。随着Knative Build功能的不断扩展,开发团队认为Build模块已经超出了其初衷。于是,build-pipeline被剥离,成为Tekton。这种设计理念使得Tekton能够更好地服务于整个CI/CD领域。

    实战:构建一个Java应用

    部署Tekton非常简单,只需下载官方yaml文件并运行即可。在国内环境下,可以通过替换镜像地址进行部署。运行后,可以在Tekton-pipelines命名空间下看到相应的deployment。

    构建一个Spring Boot项目时,可以通过Tekton定义PipelineResource来拉取代码,使用Task定义编译和打包步骤,甚至可以自定义工作目录和挂载路径。Tekton会自动处理代码拉取和构建镜像的步骤,实现真正的代码到镜像的无缝对接。

    未来的展望

    Tekton虽然还很年轻,但已经成为Continuous Delivery Foundation(CDF)的一员,与Jenkins、Jenkins X、Spinnaker等大师级工具齐名。网易云轻舟团队正在内部实践,探索Tekton作为镜像构建和推送平台的潜力。

    Tekton的成功离不开Kubernetes的成熟和社区的支持。作为Kubernetes原生工具,Tekton无疑会在未来的云原生时代发挥重要作用。它可能不是完美的工具,但其设计理念和未来发展潜力值得期待。

    相关链接

    • GitHub问题:https://github.com/knative/build/issues/614
    • Tekton官方网站:https://cloud.google.com/Tekton/
    • Docker镜像:https://hub.docker.com/_/docker

    转载地址:http://fevez.baihongyu.com/

    你可能感兴趣的文章
    OpenCV与AI深度学习 | 使用YOLO11实现区域内目标跟踪
    查看>>
    OpenCV与AI深度学习 | 基于PyTorch实现Faster RCNN目标检测
    查看>>
    OpenCV与AI深度学习 | 基于PyTorch语义分割实现洪水识别(数据集 + 源码)
    查看>>
    OpenCV与AI深度学习 | 基于YOLOv8的停车对齐检测
    查看>>
    OpenCV与AI深度学习 | 基于机器视觉的磁瓦表面缺陷检测方案
    查看>>
    Opencv中KNN背景分割器
    查看>>
    OpenCV中基于已知相机方向的透视变形
    查看>>
    opencv保存图片路径包含中文乱码解决方案
    查看>>
    opencv图像分割2-GMM
    查看>>
    OpenCV(1)读写图像
    查看>>
    OpenCV:概念、历史、应用场景示例、核心模块、安装配置
    查看>>
    Openlayers高级交互(10/20):绘制矩形,截取对应部分的地图并保存
    查看>>
    Openlayers高级交互(19/20): 地图上点击某处,列表中显示对应位置
    查看>>
    openlayers:圆孔相机根据卫星经度、纬度、高度、半径比例推算绘制地面的拍摄的区域
    查看>>
    OpenMCU(一):STM32F407 FreeRTOS移植
    查看>>
    OpenMMLab | 【全网首发】Llama 3 微调项目实践与教程(XTuner 版)
    查看>>
    OpenMMLab | 面向多样应用需求,书生·浦语2.5开源超轻量、高性能多种参数版本
    查看>>
    OpenPPL PPQ量化(4):计算图的切分和调度 源码剖析
    查看>>
    OpenPPL PPQ量化(5):执行引擎 源码剖析
    查看>>
    Openresty框架入门详解
    查看>>