前言
首先明确软件版本，我这里使用的是 Jenkins ver. 2.121.3 ，这个版本比较老，其上安装 Kubernetes 插件所使用 kubectl 版本也比较老，无法使用 Kustomize 的 yaml 文件需要的 apiVersion: apps/v1 ，直接使用生成 deploy.yaml 文件会报错，所以这里选择了自己构建一个包含 kubectl 和 kustomize 的镜像，在镜像中使用 Kustomize 生成所需 yaml 文件并在 Kubernetes 上部署。
软件版本
| 软件 | 版本 |
|---|---|
| Jenkins | 2.121.3 |
| kubectl | v1.14.1 |
| kustomize | v2.0.3 |
前期准备
- Jenkins ：本篇使用 Jenkins 演示 CI/CD ，安装 Jenkins 就不在赘述，可以使用多种方法安装 Jenkins ，详细方法见官网。同时。 CI/CD 的工具有很多，这里为了省事使用笔者现有的 Jenkins 进行演示，不推荐使用同笔者一样的版本，请使用较新的版本；同时也可以使用其他 CI/CD 工具，这里推荐使用 drone。如果有更好的方案，欢迎交流。
kubectl&kustomize：上文中提到了由于 Jenkins 版本比较老，所以这里笔者自己制作了包含二者的 docker 镜像，已上传 dockerhub ，需要自取：guoxudongdocker/kubectl- Web 应用：这里使用 flask 写了一个简单的 web 应用，用于演示，同样以上传 dockerhub
guoxudongdocker/flask-python
目录结构
首先看一下目录结构，目录中包括 Dockerfile 、 Jenkinsfile 、 Kustomize 要使用的 deploy 目录以及 web 应用目录。
.
├── Dockerfile
├── Jenkinsfile
├── app
│ ├── main.py
│ └── uwsgi.ini
└── deploy
├── base
│ ├── deployment.yaml
│ ├── kustomization.yaml
│ └── service.yaml
└── overlays
├── dev
│ ├── healthcheck_patch.yaml
│ ├── kustomization.yaml
│ └── memorylimit_patch.yaml
└── prod
├── healthcheck_patch.yaml
├── kustomization.yaml
└── memorylimit_patch.yaml这里可以看到 overlays 总共有两个子目录 dev 和 prod ，分别代表不同环境，在不同的环境中，应用不同的配置。
Jenkins 配置
Jenkins 的配置相对简单，只需要新建一个 pipeline 类型的 job
增加参数化构建，注：参数化构建需要安装 Jenkins 插件
然后配置代码仓库即可
Pipeline
podTemplate(label: 'jnlp-slave', cloud: 'kubernetes',
containers: [
containerTemplate(
name: 'jnlp',
image: 'guoxudongdocker/jenkins-slave',
alwaysPullImage: true
),
containerTemplate(name: 'kubectl', image: 'guoxudongdocker/kubectl:v1.14.1', command: 'cat', ttyEnabled: true),
],
nodeSelector:'ci=jenkins',
volumes: [
hostPathVolume(mountPath: '/var/run/docker.sock', hostPath: '/var/run/docker.sock'),
hostPathVolume(mountPath: '/usr/bin/docker', hostPath: '/usr/bin/docker'),
hostPathVolume(mountPath: '/usr/local/jdk', hostPath: '/usr/local/jdk'),
hostPathVolume(mountPath: '/usr/local/maven', hostPath: '/usr/local/maven'),
secretVolume(mountPath: '/home/jenkins/.kube', secretName: 'devops-ctl'),
],
)
{
node("jnlp-slave"){
stage('Git Checkout'){
git branch: '${branch}', url: 'https://github.com/sunny0826/flask-python.git'
}
stage('Build and Push Image'){
withCredentials([usernamePassword(credentialsId: 'docker-register', passwordVariable: 'dockerPassword', usernameVariable: 'dockerUser')]) {
sh '''
docker login -u ${dockerUser} -p ${dockerPassword}
docker build -t guoxudongdocker/flask-python:${Tag} .
docker push guoxudongdocker/flask-python:${Tag}
'''
}
}
stage('Deploy to K8s'){
if ('true' == "${deploy}") {
container('kubectl') {
sh '''
cd deploy/base
kustomize edit set image guoxudongdocker/flask-python:${Tag}
'''
echo "部署到 Kubernetes"
if ('prod' == "${ENV}") {
sh '''
# kustomize build deploy/overlays/prod | kubectl apply -f -
kubectl applt -k deploy/overlays/prod
'''
}else {
sh '''
# kustomize build deploy/overlays/dev | kubectl apply -f -
kubectl applt -k deploy/overlays/dev
'''
}
}
}else{
echo "跳过Deploy to K8s"
}
}
}
}
这里要注意几点：
- 拉取 git 中的代码需要在 jenkins 中配置凭据。
- 笔者的 jenkins 部署在 Kubernetes 上，要操作集群的话，需要将 kubeconfig 以 Secret 的形式挂载到 jenkins 所在 namespace。
jenkins-slave需要 Java 环境运行，所以要将宿主机的jdk挂载到jenkins-slave中。- 同样的，宿主机中需要事先安装
docker。 docker-register为 dockerhub 的登录凭证，需要在 jenkins 中添加相应的凭证。
演示
开始构建
这里选择环境、分支，填入版本即可开始构建，注意：这里的版本将已 tag 的形式标记 docker 镜像。
这里就可以看到构建成功了
查看结果
这里为了方便（其实就是懒），我就不给这个服务添加 ingress 来从外部访问了，这里使用 KT打通本地和 k8s 集群网络来进行调试。
为了简化在Kubernetes下进行联调测试的复杂度，云效在SSH隧道网络的基础上并结合Kubernetes特性构建了一款面向开发者的辅助工具kt
这里看到这个服务正常启动了
发布新版本
更新 web 服务并提交
按照上面步骤在 jenkins 中重新构建，当然也可以配置钩子，每次代码提交后自动构建
查看查看新版本
同上面一样，在构建成功后查看服务是否更新
可以看到，版本已经更新了
发布生产环境
这里模拟一下发布生产环境，假设生产环境是在 devops-prod 的 namespace 中，这里只做演示之用，真正的生产环境中，可能存在不止一个 k8s 集群，这时需要修改 Jenkinsfile 中的 secretVolume 来挂载不同 k8s 的 kubeconfig 来达到发布到不同集群的目的。当然，一般发布生产环境只需选择测试通过的镜像来发布即可，不需要在进行构建打包。
查看生产版本
总结
上面的这些步骤简单的演示了使用 jenkins 进行 CI/CD 的流程，流程十分简单，这里仅供参考
Kustomize 的作用
那么， Kustomize 在整个流程中又扮演了一个什么角色呢？
更新镜像
在 jenkinsfile 中可以看到， kustomize 更新了基础配置的镜像版本，这里我们之前一直是使用 sed -i "s/#Tag/${Tag}/g" deploy.yaml 来进行替换了，但是不同环境存在比较多的差异，需要替换的越来越多，导致 Jekninsfile 也越来越臃肿和难以维护。 kustomize 解决了这个问题。
kustomize edit set image guoxudongdocker/flask-python:${Tag}环境区分
上面也提到了，不同的环境我们存在这许多差异，虽然看上去大致类似，但是很多细节都需要修改。这时 kustomize 就起到了很大的作用，不同环境相同的配置都放在 base 中，而差异就可以在 overlays 中实现。
.
├── base
│ ├── deployment.yaml
│ ├── kustomization.yaml
│ └── service.yaml
└── overlays
├── dev
│ ├── healthcheck_patch.yaml
│ ├── kustomization.yaml
│ └── memorylimit_patch.yaml
└── prod
├── healthcheck_patch.yaml
├── kustomization.yaml
└── memorylimit_patch.yaml可以看到， base 中维护了项目共同的基础配置，如果有镜像版本等基础配置需要修改，可以使用 kustomize edit set image ... 来直接修改基础配置，而真正不同环境，或者不同使用情况的配置则在 overlays 中 以 patch 的形式添加配置。这里我的配置是 prod 环境部署的副本为2，同时给到的资源也更多，详情可以在 Github 上查看。
与 kubectl 的集成
在 jenkinsfile 中可以看到
# kustomize build deploy/overlays/dev | kubectl apply -f -
kubectl apply -k deploy/overlays/dev这两条命令的执行效果是一样的，在 kubectl v1.14.0 以上的版本中，已经集成了 kustomize ，可以直接使用 kubectl 进行部署。
结语
这里只是对 kustomize 在 CI/CD 中简单应用的展示，只是一种比较简单和基础的使用，真正的 CI 流程要比这个复杂的多，这里只是为了演示 kustomize 的使用而临时搭建的。而 kustomize 还有很多黑科技的用法，将会在后续的文章中介绍。
