使用argo workflow 实现springboot 项目的CI、CD

在实现 Spring Boot 项目的 CI/CD 流程时，可以使用 Argo Workflows 来自动化构建、测试和部署过程。Argo Workflows 是一个 Kubernetes 原生的工作流引擎，能够在 Kubernetes 集群中定义、运行、监控和管理复杂的工作流。

基础镜像制作

基础镜像

FROM openjdk:8-jdk-slim

这行指定了构建的基础镜像是 openjdk:8-jdk-slim。这是一个包含了 Java 8 开发工具包（JDK）的精简版镜像，适用于 Java 开发和运行环境。

设置镜像源并安装工具git

RUN echo "deb https://mirrors.aliyun.com/debian/ bullseye main non-free contrib" > /etc/apt/sources.list \&& apt-get update \&& apt-get install -y git wget tar \&& apt-get clean \&& rm -rf /var/lib/apt/lists/*

• 更改 apt 源：使用阿里云的 Debian 镜像源（bullseye），提高安装软件包时的速度和稳定性，尤其是在中国地区。

• 更新软件包索引：apt-get update 更新包索引。

• 安装软件包：通过 apt-get install -y 安装 git（用于版本控制）、wget（用于下载文件）、和 tar（用于解压文件）。

• 清理缓存：使用 apt-get clean 清理下载缓存，减少镜像体积。然后，rm -rf /var/lib/apt/lists/* 删除 apt 包索引文件，进一步减小镜像体积。

下载和安装 Maven

RUN wget https://maven.aliyun.com/nexus/content/groups/public/org/apache/maven/apache-maven/3.8.6/apache-maven-3.8.6-bin.tar.gz -P /tmp || (echo "Maven download failed!" && exit 1)

• 下载 Maven：使用 wget 从阿里云镜像站点下载 Maven 3.8.6 的二进制压缩包。如果下载失败，将输出错误消息并终止构建。

RUN tar -xvzf /tmp/apache-maven-3.8.6-bin.tar.gz -C /usr/share/ \&& rm -f /tmp/apache-maven-3.8.6-bin.tar.gz \&& ln -s /usr/share/apache-maven-3.8.6/bin/mvn /usr/bin/mvn

• 解压 Maven：解压下载的 Maven 压缩包到 /usr/share/目录。

• 清理临时文件：删除下载的压缩包。

• 创建符号链接：通过 ln -s 创建一个符号链接，将 Maven 的可执行文件 mvn 链接到 /usr/bin/mvn，使得 Maven 命令可以在任何地方使用。

设置环境变量

ENV MAVEN_HOME=/usr/share/apache-maven-3.8.6
ENV PATH=$MAVEN_HOME/bin:$PATH

• MAVEN_HOME：设置 Maven 的环境变量，指向解压后的 Maven 目录。
• 更新 PATH：将 Maven 的 bin 目录添加到 PATH 环境变量中，这样就可以直接在命令行使用 mvn 命令。

设置工作目录

WORKDIR /app

设置容器的工作目录为 /app。所有后续的命令（如构建、运行程序）将会在该目录下执行。这个目录是你在容器中执行应用程序的默认位置。

默认命令

CMD ["bash"]

• 这个命令指定了容器启动时的默认命令是 bash。也就是说，如果你运行这个容器但没有指定其他命令，它将启动一个交互式的 bash shell。

最终dockerfile

FROM openjdk:8-jdk-slim# 使用 Debian 11 (bullseye) 的镜像源
RUN echo "deb https://mirrors.aliyun.com/debian/ bullseye main non-free contrib" > /etc/apt/sources.list \&& apt-get update \&& apt-get install -y git wget tar \&& apt-get clean \&& rm -rf /var/lib/apt/lists/*# 下载 Maven
RUN wget https://maven.aliyun.com/nexus/content/groups/public/org/apache/maven/apache-maven/3.8.6/apache-maven-3.8.6-bin.tar.gz -P /tmp || (echo "Maven download failed!" && exit 1)# 解压 Maven 并创建符号链接
RUN tar -xvzf /tmp/apache-maven-3.8.6-bin.tar.gz -C /usr/share/ \&& rm -f /tmp/apache-maven-3.8.6-bin.tar.gz \&& ln -s /usr/share/apache-maven-3.8.6/bin/mvn /usr/bin/mvn# 设置环境变量
ENV MAVEN_HOME=/usr/share/apache-maven-3.8.6
ENV PATH=$MAVEN_HOME/bin:$PATH# 设置工作目录
WORKDIR /app# 默认命令
CMD ["bash"]

执行构建：

docker build -t git-maven-base:v1 . -f Dockerfile

制作ci argo workflow 模版

volumeClaimTemplates

volumeClaimTemplates:- metadata:name: shared-workdirspec:accessModes: ["ReadWriteMany"]resources:requests:storage: 1Gi- metadata:name: maven-repo-cachespec:accessModes: [ "ReadWriteMany" ]resources:requests:storage: 2Gi

• shared-workdir: 这个 PVC 用于在工作流中的不同任务之间共享数据。它的存储请求为 1 GiB，并且支持 ReadWriteMany，意味着多个 pod 可以同时读写该存储。

• maven-repo-cache : 用于缓存 Maven 本地仓库的数据。它的存储请求为 2 GiB，同样支持 ReadWriteMany，可以在不同的 pod 之间共享缓存数据，避免每次构建时都重新下载依赖。

templates

在 templates 部分定义了多个步骤的模板，每个步骤会在不同的容器中执行。

main 模板

- name: maindag:tasks:- name: git-clonetemplate: git-clone- name: docker-buildtemplate: docker-builddependencies: [git-clone]

• dag：这里使用的是 DAG（有向无环图） 结构，git-clone 任务是 docker-build 的前置依赖（即 docker-build 需要在 git-clone 完成后才开始执行）。

git-clone 模板

- name: git-clonecontainer:image: git-maven-base:v1command: [sh, -c]args:- |git clone https://gitee.com/qfxcoffee/shield.git /srccd /src/arthas-study && mvn clean package -DskipTestscd /src/arthas-study/targetmv arthas-study.jar /src/arthas-study.jarmv /src/arthas-study/docker/Dockerfile /src/cp -r /src/. /mnt/  # 将文件复制到挂载的 PVC 中volumeMounts:- name: shared-workdirmountPath: /mnt  # 挂载到容器的 /mnt 目录- name: maven-repo-cachemountPath: /root/.m2/repository  # 挂载到 Maven 本地仓库路径

git-clone 任务使用一个 git-maven-base:v1 的镜像来执行 Git 克隆操作，并且使用 Maven 构建项目。

构建过程中，Maven 会将依赖缓存到 /root/.m2/repository，并且将源码和构建产物（如 arthas-study.jar 和 Dockerfile）复制到 /mnt，这个路径会映射到共享的 PVC (shared-workdir)，保证不同任务之间的数据共享。

docker-build 模板

- name: docker-buildcontainer:image: docker:19.03.12-dindcommand: [ "/bin/sh", "-c" ]args: ["docker info && cd /mnt && docker build -t my-image:v1 ."]volumeMounts:- name: shared-workdirmountPath: /mnt  # 挂载到容器的 /mnt 目录- name: docker-socketmountPath: /var/run/docker.sock- name: maven-repo-cachemountPath: /root/.m2/repository  # 挂载到 Maven 本地仓库路径

• docker-build 任务使用 docker:19.03.12-dind 镜像（Docker-in-Docker），这意味着可以在容器内执行 Docker 命令。它会进入挂载的 /mnt 目录，执行 docker build 来构建 Docker 镜像。

• 挂载了 docker-socket，这样容器可以与宿主机上的 Docker 服务进行通信，执行构建命令。

volumes

volumes:- name: docker-sockethostPath:path: /var/run/docker.socktype: Socket- name: maven-repo-cachehostPath:path: /root/.m2/repositorytype: Directory

• docker-socket: 宿主机上的 Docker 套接字 (/var/run/docker.sock) 被挂载到容器中，使得容器能够访问宿主机的 Docker 引擎，从而执行 Docker 命令。

• maven-repo-cache: 这里挂载了宿主机上的 /root/.m2/repository 目录到容器中，用于缓存 Maven 本地仓库。这意味着 Maven 任务在执行时会使用这个缓存，而不必每次都从远程仓库下载依赖，减少了构建时间。

hostPath 和 volumeClaimTemplates 中的 PVC 用法：

hostPath 通过指定宿主机上的目录或套接字，让容器能够访问宿主机的资源。
volumeClaimTemplates 则是在 Kubernetes 中动态创建 PVC，并在 Pod 内部挂载这些 PVC，使得多个任务之间可以共享文件和数据。

这两种挂载方式在某些场景下配合使用，可以提供灵活的数据共享和存储策略。

完整workflow文件

apiVersion: argoproj.io/v1alpha1
kind: Workflow
metadata:generateName: pvs-demo-
spec:entrypoint: mainvolumeClaimTemplates:- metadata:name: shared-workdir  # 共享的 PVC 名称spec:accessModes: ["ReadWriteMany"]  # 多个 Pod 可以同时读取和写入resources:requests:storage: 1Gi- metadata:name: maven-repo-cache  # 用于缓存 Maven 本地仓库spec:accessModes: [ "ReadWriteMany" ]resources:requests:storage: 2Gitemplates:- name: maindag:tasks:- name: git-clonetemplate: git-clone- name: docker-buildtemplate: docker-builddependencies: [git-clone]- name: git-clonecontainer:image: git-maven-base:v1command: [sh, -c]args:- |git clone https://gitee.com/qfxcoffee/shield.git /srccd /src/arthas-study && mvn clean package -DskipTestscd /src/arthas-study/targetmv arthas-study.jar /src/arthas-study.jarmv /src/arthas-study/docker/Dockerfile /src/cp -r /src/. /mnt/  # 将文件复制到挂载的 PVC 中volumeMounts:- name: shared-workdir  # 挂载 PVCmountPath: /mnt  # 挂载到容器的 /mnt 目录- name: maven-repo-cachemountPath: /root/.m2/repository  # 将 PVC 挂载到 Maven 本地仓库路径- name: docker-buildcontainer:image: docker:19.03.12-dindcommand: [ "/bin/sh", "-c" ]args: ["docker info && cd /mnt && docker build -t my-image:v1 ."]volumeMounts:- name: shared-workdir  # 挂载共享 PVC，确保构建上下文可用mountPath: /mnt  # 挂载到容器的 /mnt 目录- name: docker-socketmountPath: /var/run/docker.sock- name: maven-repo-cachemountPath: /root/.m2/repository  # 将 PVC 挂载到 Maven 本地仓库路径volumes:- name: docker-sockethostPath:path: /var/run/docker.socktype: Socket- name: maven-repo-cachehostPath:path: /root/.m2/repository  # 宿主机上的目录路径type: Directory  # 可以是 Directory 或 File，取决于你的需求

可以看到maven构建及docker构建镜像成功

制作cd argo workflow 模版

Workflow 结构

apiVersion: argoproj.io/v1alpha1
kind: Workflow
metadata:generateName: springboot-service-workflow-
spec:entrypoint: springboot-workflow

• apiVersion: argoproj.io/v1alpha1 和 kind: Workflow：这定义了这是一个 Argo Workflow 类型的资源，表示这个文件用于定义一个工作流。

• metadata.generateName: springboot-service-workflow-：这个字段为工作流生成一个唯一的名称。generateName 表示 Argo 会在每次创建工作流时，为该工作流添加一个随机的后缀，以确保工作流名称的唯一性。

• spec.entrypoint: springboot-workflow：指定工作流的入口点，即从哪个模板开始执行。在这个例子中，工作流会从 springboot-workflow 模板开始执行。

Templates 定义

接下来的部分定义了工作流中的多个步骤 (steps)，这些步骤会按顺序执行。

创建 Kubernetes 服务 (create-service)

- name: create-serviceresource:action: applymanifest: |apiVersion: v1kind: Servicemetadata:name: springboot-servicespec:selector:app: springboot-appports:- protocol: TCPport: 8080targetPort: 8080type: NodePort  # 可以根据需要修改为 LoadBalancer 或 NodePort

• name: create-service：这个步骤的名称。
• resource:
  • action: apply：表示使用 kubectl apply 命令应用 Kubernetes 资源，创建一个服务。
  • manifest: 这是一个 Kubernetes Service 的 YAML 定义，描述了服务的配置。
  • apiVersion: v1 和 kind: Service：表示这个资源是一个 Kubernetes 服务。
  • metadata.name: springboot-service：服务的名称是 springboot-service。
    • spec:
      • selector: 用于选择应用的 Pod。这里的选择器选择标签为 app: springboot-app 的 Pod。
      • ports: 定义服务的端口，服务监听 8080 端口，并将请求转发到目标端口 8080。
      • type: NodePort：指定服务类型为 NodePort，这意味着服务将暴露在 Kubernetes 节点的一个端口上，便于从外部访问应用。你可以根据需要将其改为 LoadBalancer 或 ClusterIP，具体取决于你的网络需求。

启动 Spring Boot 容器 (springboot-container)

- name: springboot-containercontainer:name: springboot-appimage: my-image:v1  # 替换成你的 Docker 镜像command: [ "java" ]  # 显式指定命令为 `java`args: [ "-jar", "arthas-study.jar" ]  # 显式指定 `arthas-study.jar` 文件作为参数ports:- containerPort: 8080env:- name: SPRING_PROFILES_ACTIVEvalue: "prod"metadata:labels:app: springboot-app

完整workflow内容

apiVersion: argoproj.io/v1alpha1
kind: Workflow
metadata:generateName: springboot-service-workflow-
spec:entrypoint: springboot-workflowtemplates:- name: springboot-workflowsteps:- - name: create-servicetemplate: create-service- - name: start-springboot-containertemplate: springboot-container- name: create-serviceresource:action: applymanifest: |apiVersion: v1kind: Servicemetadata:name: springboot-servicespec:selector:app: springboot-appports:- protocol: TCPport: 8080targetPort: 8080type: NodePort  # 可以根据需要修改为 LoadBalancer 或 NodePort- name: springboot-containercontainer:name: springboot-appimage: my-image:v1  # 替换成你的 Docker 镜像command: [ "java" ]  # 显式指定命令为 `java`args: [ "-jar", "arthas-study.jar" ]  # 显式指定 `arthas-study.jar` 文件作为参数ports:- containerPort: 8080env:- name: SPRING_PROFILES_ACTIVEvalue: "prod"metadata:labels:app: springboot-app

可以看到springboot项目已经运行成功。

kubectl get svc -n argo

http://192.168.56.115:32356/user/1