#Конвейеры

Конвейер — это набор задач, которые выполняются в определенном порядке для реализации рабочего процесса CI/CD. Конвейеры определяют порядок выполнения задач, включая их зависимости, параметры и рабочие пространства, что позволяет создавать сложные автоматизированные рабочие процессы.

#Зачем нужны Конвейеры

#Проблемы традиционного CI/CD

Традиционные системы CI/CD часто сталкиваются с трудностями при создании сложных рабочих процессов:

• Управление сложностью: Сложности в управлении зависимостями между различными этапами
• Повторное использование: Ограниченная возможность повторного использования компонентов рабочего процесса в разных проектах
• Гибкость: Ограничения в адаптации рабочих процессов к различным требованиям
• Видимость: Ограниченная информация о выполнении рабочего процесса и его прогрессе

#Решение Tekton

Konveyery Tekton решают эти проблемы, предлагая:

• Декларативное определение: Конвейеры определяются как пользовательские ресурсы Kubernetes
• Оркестрация задач: Конвейеры управляют порядком выполнения и зависимостями между задачами
• Обмен данными: Конвейеры облегчают обмен данными между задачами через рабочие пространства и результаты
• Повторное использование: Компоненты конвейера можно делиться и повторно использовать в рамках различных проектов
• Гибкость: Конвейеры поддерживают условное выполнение и динамические параметры

#Преимущества

• Модульность: Разделение сложных рабочих процессов на повторно используемые задачи
• Управление зависимостями: Определение четких зависимостей между задачами
• Параллелизм: Выполнение независимых задач одновременно
• Условное выполнение: Запуск задач в зависимости от условий
• Обмен результатами: Передача данных между задачами через результаты
• Обмен рабочими пространствами: Обмен файлами и данными между задачами через рабочие пространства
• Повторное использование: Создание шаблонов рабочих процессов, которые можно использовать повторно

#Сценарии

Конвейеры полезны в различных сценариях, включая:

• Рабочие процессы CI/CD: Сборка, тестирование и развертывание приложений
• Многофункциональные развертывания: Развертывание в средах разработки, тестирования и эксплуатации
• Сложные процессы сборки: Управление зависимостями между этапами сборки
• Управление релизами: Координация действий по релизу между несколькими компонентами
• Автоматизация инфраструктуры: Оркестрация предоставления и конфигурации инфраструктуры

#Модель выполнения конвейера

Когда конвейер выполняется через PipelineRun:

1. Tekton анализирует конвейер, чтобы определить порядок выполнения задач
2. Задачи без зависимостей начинают выполняться немедленно
3. Задачи с зависимостями ожидают завершения своих зависимостей
4. Задачи, которые могут выполняться параллельно, выполняются одновременно
5. Конвейер завершается, когда все задачи завершены или когда критическая задача терпит неудачу

#Ключевые концепции

#Зависимости задач

Задачи в конвейере могут зависеть друг от друга двумя способами:

1. Последовательные зависимости: Использование поля runAfter для указания, что задача должна быть выполнена после другой задачи
2. Зависимости данных: Когда одна задача использует результаты другой задачи

Пример:

apiVersion: tekton.dev/v1
kind: Pipeline
metadata:
  name: order-tasks
spec:
  tasks:
    - name: task1
      taskRef:
        name: task1
    - name: task2
      taskRef:
        name: task2
      runAfter:
        - task1
      params:
        - name: param1
          value: "$(tasks.task1.results.result)"
    - name: task3
      taskRef:
        name: task3
      params:
        - name: param1
          value: "$(tasks.task2.results.result)"

#Параметры

Параметры позволяют передавать значения в конвейер во время выполнения. Их можно использовать для настройки поведения задач в рамках конвейера.

#Случаи использования

• Настройка параметров сборки
• Указание целевых развертываний
• Установка номеров версий
• Управление флагами функций

#Принципы

Параметры:

• Указываются в спецификации конвейера
• Передаются при создании PipelineRun
• Доступны для задач в рамках конвейера
• Могут иметь значения по умолчанию

#Пример конфигурации

apiVersion: tekton.dev/v1
kind: Pipeline
metadata:
  name: build-and-deploy
spec:
  params:
    - name: image-name
      type: string
      description: Имя изображения для сборки
    - name: environment
      type: string
      description: Среда для развертывания
      default: "development"
  tasks:
    - name: build
      taskRef:
        name: build-image
      params:
        - name: image
          value: "$(params.image-name)"

#Рабочие пространства

Рабочие пространства позволяют задачам в конвейере обмениваться данными. Они объявляются на уровне конвейера, а затем отображаются на отдельные задачи.

#Случаи использования

• Обмен исходным кодом между задачами
• Передача артефактов сборки между задачами
• Обмен конфигурационными файлами
• Поддержание состояния между выполнениями конвейера

#Принципы

Рабочие пространства в конвейерах:

• Объявлены в спецификации конвейера
• Отображены на рабочие пространства задач
• Привязаны к фактическому хранилищу при создании PipelineRun
• Могут использоваться несколькими задачами

#Пример конфигурации

apiVersion: tekton.dev/v1
kind: Pipeline
metadata:
  name: build-test-deploy
spec:
  workspaces:
    - name: source-code
      description: Рабочее пространство, содержащее исходный код
  tasks:
    - name: fetch-source
      taskRef:
        name: git-clone
      workspaces:
        - name: output
          workspace: source-code
    - name: build
      taskRef:
        name: build-app
      workspaces:
        - name: source
          workspace: source-code
      runAfter:
        - fetch-source

#Результаты

Результаты позволяют задачам генерировать выходные значения, которые могут быть использованы другими задачами в конвейере.

#Случаи использования

• Передача информации о версии сборки
• Обмен путями к сгенерированным артефактам
• Передача результатов тестов
• Передача URL развертывания

#Принципы

Результаты в конвейерах:

• Генерируются задачами
• Ссылаются с помощью синтаксиса $(tasks.taskName.results.resultName)
• Используются в качестве входных данных для последующих задач
• Могут быть включены в результаты конвейера

#Пример конфигурации

apiVersion: tekton.dev/v1
kind: Pipeline
metadata:
  name: build-and-deploy
spec:
  tasks:
    - name: generate-version
      taskRef:
        name: semver
      results:
        - name: version
    - name: build
      taskRef:
        name: build-image
      params:
        - name: version
          value: "$(tasks.generate-version.results.version)"
      runAfter:
        - generate-version
  results:
    - name: build-version
      value: "$(tasks.generate-version.results.version)"

#Завершающие задачи

Завершающие задачи выполняются после завершения всех других задач в конвейере, независимо от успеха или неудачи. Они полезны для операций очистки или уведомлений.

#Случаи использования

• Очистка ресурсов
• Отправка уведомлений
• Архивирование журналов
• Генерация отчетов

#Принципы

Завершающие задачи:

• Выполняются после завершения всех других задач
• Выполняются независимо от того, успешен ли конвейер или нет
• Не могут зависеть от других задач
• Не могут зависеть от других задач

#Пример конфигурации

apiVersion: tekton.dev/v1
kind: Pipeline
metadata:
  name: build-test-deploy
spec:
  tasks:
    - name: build
      taskRef:
        name: build-app
    - name: test
      taskRef:
        name: run-tests
      runAfter:
        - build
  finally:
    - name: cleanup
      taskRef:
        name: cleanup-resources
    - name: notify
      taskRef:
        name: send-notification

#Условное выполнение

Задачи могут выполняться условно с использованием поля when, что позволяет вам указывать условия в зависимости от параметров или результатов.

#Случаи использования

• Развертывание только на определенных ветках
• Выполнение тестов в зависимости от изменений в коде
• Выполнение задач в зависимости от ввода пользователя
• Пропуск задач в зависимости от предыдущих результатов

#Принципы

Условное выполнение:

• Определяется с использованием поля when
• Может ссылаться на параметры и результаты
• Поддерживает различные операторы (in, notin)
• Может комбинировать несколько условий

#Пример конфигурации

apiVersion: tekton.dev/v1
kind: Pipeline
metadata:
  name: build-test-deploy
spec:
  params:
    - name: environment
      type: string
  tasks:
    - name: build
      taskRef:
        name: build-app
    - name: deploy-to-production
      taskRef:
        name: deploy
      runAfter:
        - build
      when:
        - input: "$(params.environment)"
          operator: in
          values: ["production"]

#Ограничения и недостатки

• Конвейеры не могут иметь циклические зависимости между задачами
• Конвейер не может изменять собственную спецификацию во время выполнения
• Результаты задачи должны быть получены до их использования другими задачами
• Размер результатов задач ограничен (обычно несколькими килобайтами)
• Конвейеры имеют ограниченные возможности для обработки динамического создания задач

#Ссылки

• Официальная документация по Tekton Pipelines
• Репозиторий Tekton Pipelines на GitHub
• Пользовательские ресурсы Kubernetes