如何分析Argo Workflows-Kubernetes的工作流引擎，很多新手對此不是很清楚，為了幫助大家解決這個難題，下面小編將為大家詳細講解，有這方面需求的人可以來學習下，希望你能有所收獲。

專業(yè)的建站公司網(wǎng)站可以采用ASP、PHP、.NET編程語言及配備的SQL SERVER、MYSQL、ACCESSS數(shù)據(jù)庫存儲來整體開發(fā)及設計各類型大中型網(wǎng)站（包括：公司、行業(yè)門戶、醫(yī)院門戶、商城、政府門戶、音樂、視頻、交友、分類信息網(wǎng)站等各種類型網(wǎng)站），我們可以提供從網(wǎng)站開發(fā)、網(wǎng)站設計、網(wǎng)站安全維護及網(wǎng)站托管運營和網(wǎng)絡推廣一條龍服務。打造高端企業(yè)網(wǎng)站設計公司，網(wǎng)站開發(fā)周期短，質量有保證，設計精美，價格合理。

 什么是Argo Workflows?

Argo  Workflows是一個開源項目，為Kubernetes提供container-native工作流程，其主要通過Kubernetes CRD實現(xiàn)的。

特點如下：

• 工作流的每一步都是一個容器

• 將多步驟工作流建模為一系列任務，或者使用有向無環(huán)圖(DAG)描述任務之間的依賴關系

• 可以在短時間內輕松運行用于機器學習或數(shù)據(jù)處理的計算密集型作業(yè)

• 在Kubernetes上運行CI/CD Pipeline，無需復雜的軟件配置

安裝

安裝控制器端

Argo Wordflows的安裝非常簡單，直接使用以下命令安裝即可。

kubectl create ns argo kubectl apply -n argo -f https://raw.githubusercontent.com/argoproj/argo-workflows/stable/manifests/quick-start-postgres.yaml

安裝完成后，會生成以下4個pod。

# kubectl get po -n argo NAME                                   READY   STATUS      RESTARTS   AGE argo-server-574ddc66b-62rjc            1/1     Running     4          4h35m minio                                  1/1     Running     0          4h35m postgres-56fd897cf4-k8fwd              1/1     Running     0          4h35m workflow-controller-77658c77cc-p25ll   1/1     Running     4          4h35m

其中：

• argo-server是argo服務端

• mino是進行制品倉庫

• postgres是數(shù)據(jù)庫

• workflow-controller是流程控制器

然后配置一個server端的ingress，即可訪問UI，配置清單如下(我這里使用的是traefik)：

apiVersion: traefik.containo.us/v1alpha1 kind: IngressRoute metadata:   name: argo-ui   namespace: argo spec:   entryPoints:   - web   routes:   - match: Host(`argowork-test.coolops.cn`)     kind: Rule     services:     - name: argo-server       port: 2746

UI界面如下：

再配置一個minio的ingress，配置清單如下：

apiVersion: traefik.containo.us/v1alpha1 kind: IngressRoute metadata:   name: minio   namespace: argo spec:   entryPoints:   - web   routes:   - match: Host(`minio-test.coolops.cn`)     kind: Rule     services:     - name: minio       port: 9000

UI界面如下（默認用戶名密碼是：admin:password）：

安裝Client端

Argo Workflows提供Argo CLI，其安裝方式也非常簡單，如下：Linux系統(tǒng)：

# Download the binary curl -sLO https://github.com/argoproj/argo/releases/download/v3.0.0-rc4/argo-linux-amd64.gz  # Unzip gunzip argo-linux-amd64.gz  # Make binary executable chmod +x argo-linux-amd64  # Move binary to path mv ./argo-linux-amd64 /usr/local/bin/argo

安裝完成后，使用以下命令校驗是否安裝成功。

# argo version argo: v3.0.0-rc4   BuildDate: 2021-03-02T21:42:55Z   GitCommit: ae5587e97dad0e4806f7a230672b998fe140a767   GitTreeState: clean   GitTag: v3.0.0-rc4   GoVersion: go1.13   Compiler: gc   Platform: linux/amd64

其主要的命令有：

list      列出工作流 logs      查看工作流的日志 submit    創(chuàng)建工作流 watch     實時監(jiān)聽工作流 get       現(xiàn)實詳細信息 delete    刪除工作流 stop      停止工作流

更多命令可以使用argo --help進行查看。

然后可以使用一個簡單的hello world的WorkFlow，如下：

apiVersion: argoproj.io/v1alpha1 kind: Workflow metadata:   generateName: hello-world-   labels:     workflows.argoproj.io/archive-strategy: "false" spec:   entrypoint: whalesay   templates:   - name: whalesay     container:       image: docker/whalesay:latest       command: [cowsay]       args: ["hello world"]

使用如下命令創(chuàng)建并觀察workflow。

$ argo submit -n argo helloworld.yaml --watch

然后可以看到以下輸出。

Name:                hello-world-9pw7v Namespace:           argo ServiceAccount:      default Status:              Succeeded Conditions:            Completed           True Created:             Mon Mar 08 14:51:35 +0800 (10 seconds ago) Started:             Mon Mar 08 14:51:35 +0800 (10 seconds ago) Finished:            Mon Mar 08 14:51:45 +0800 (now) Duration:            10 seconds Progress:            1/1 ResourcesDuration:   4s*(1 cpu),4s*(100Mi memory)  STEP                  TEMPLATE  PODNAME            DURATION  MESSAGE  ? hello-world-9pw7v  whalesay  hello-world-9pw7v  5s

還可以通過argo list來查看狀態(tài)，如下：

# argo list -n argo NAME                STATUS      AGE   DURATION   PRIORITY hello-world-9pw7v   Succeeded   1m    10s        0

使用argo logs來查看具體的日志，如下：

# argo logs -n argo hello-world-9pw7v hello-world-9pw7v:  _____________  hello-world-9pw7v: < hello world > hello-world-9pw7v:  -------------  hello-world-9pw7v:     \ hello-world-9pw7v:      \ hello-world-9pw7v:       \      hello-world-9pw7v:                     ##        .             hello-world-9pw7v:               ## ## ##       ==             hello-world-9pw7v:            ## ## ## ##      ===             hello-world-9pw7v:        /""""""""""""""""___/ ===         hello-world-9pw7v:   ~~~ {~~ ~~~~ ~~~ ~~~~ ~~ ~ /  ===- ~~~    hello-world-9pw7v:        \______ o          __/             hello-world-9pw7v:         \    \        __/              hello-world-9pw7v:           \____\______/

核心概念

Workflow

Workflow是Argo中最重要的資源，其主要有兩個重要功能：

• 它定義要執(zhí)行的工作流

• 它存儲工作流程的狀態(tài)

要執(zhí)行的工作流定義在Workflow.spec字段中，其主要包括templates和entrypoint，如下：

apiVersion: argoproj.io/v1alpha1 kind: Workflow metadata:   generateName: hello-world-  # Workflow的配置名稱 spec:   entrypoint: whalesay        # 解析whalesay templates   templates:   - name: whalesay            # 定義whalesay templates，和entrypoint保持一致     container:                # 定義一個容器，輸出"helloworld"       image: docker/whalesay       command: [cowsay]       args: ["hello world"]

Templates

templates是列表結構，主要分為兩類：

• 定義具體的工作流

• 調用其他模板提供并行控制

定義具體的工作流

定義具體的工作流有4種類別，如下：

• Container

• Script

• Resource

• Suspend

Container

container是最常用的模板類型，它將調度一個container，其模板規(guī)范和K8S的容器規(guī)范相同，如下：

- name: whalesay               container:                     image: docker/whalesay     command: [cowsay]     args: ["hello world"]

Script

Script是Container的另一種包裝實現(xiàn)，其定義方式和Container相同，只是增加了source字段用于自定義腳本，如下：

- name: gen-random-int   script:     image: python:alpine3.6     command: [python]     source: |       import random       i = random.randint(1, 100)       print(i)

腳本的輸出結果會根據(jù)調用方式自動導出到{{tasks..outputs.result}}或{{steps..outputs.result}}中。

Resource

Resource主要用于直接在K8S集群上執(zhí)行集群資源操作，可以 get, create, apply, delete, replace,  patch集群資源。如下在集群中創(chuàng)建一個ConfigMap類型資源：

- name: k8s-owner-reference   resource:     action: create     manifest: |       apiVersion: v1       kind: ConfigMap       metadata:         generateName: owned-eg-       data:         some: value

Suspend

Suspend主要用于暫停，可以暫停一段時間，也可以手動恢復，命令使用argo resume進行恢復。定義格式如下：

- name: delay   suspend:     duration: "20s"

調用其他模板提供并行控制

調用其他模板也有兩種類別：

• Steps

• Dag

Steps

Steps主要是通過定義一系列步驟來定義任務，其結構是"list of lists"，外部列表將順序執(zhí)行，內部列表將并行執(zhí)行。如下：

- name: hello-hello-hello   steps:   - - name: step1       template: prepare-data   - - name: step2a       template: run-data-first-half     - name: step2b       template: run-data-second-half

其中step1和step2a是順序執(zhí)行，而step2a和step2b是并行執(zhí)行。

還可以通過When來進行條件判斷。如下：

apiVersion: argoproj.io/v1alpha1 kind: Workflow metadata:   generateName: coinflip- spec:   entrypoint: coinflip   templates:   - name: coinflip     steps:     - - name: flip-coin         template: flip-coin     - - name: heads         template: heads         when: "{{steps.flip-coin.outputs.result}} == heads"       - name: tails         template: tails         when: "{{steps.flip-coin.outputs.result}} == tails"    - name: flip-coin     script:       image: python:alpine3.6       command: [python]       source: |         import random         result = "heads" if random.randint(0,1) == 0 else "tails"         print(result)    - name: heads     container:       image: alpine:3.6       command: [sh, -c]       args: ["echo \"it was heads\""]    - name: tails     container:       image: alpine:3.6       command: [sh, -c]       args: ["echo \"it was tails\""]

提交這個Workflow，執(zhí)行效果如下：

除了使用When進行條件判斷，還可以進行循環(huán)操作，示例代碼如下：

apiVersion: argoproj.io/v1alpha1 kind: Workflow metadata:   generateName: loops- spec:   entrypoint: loop-example   templates:   - name: loop-example     steps:     - - name: print-message         template: whalesay         arguments:           parameters:           - name: message             value: "{{item}}"         withItems:         - hello world         - goodbye world    - name: whalesay     inputs:       parameters:       - name: message     container:       image: docker/whalesay:latest       command: [cowsay]       args: ["{{inputs.parameters.message}}"]

提交Workflow，輸出結果如下：

Dag

Dag主要用于定義任務的依賴關系，可以設置開始特定任務之前必須完成其他任務，沒有任何依賴關系的任務將立即執(zhí)行。如下：

- name: diamond   dag:     tasks:     - name: A       template: echo     - name: B       dependencies: [A]       template: echo     - name: C       dependencies: [A]       template: echo     - name: D       dependencies: [B, C]       template: echo

其中A會立即執(zhí)行，B和C會依賴A，D依賴B和C。

然后運行一個示例看看效果，示例如下：

apiVersion: argoproj.io/v1alpha1 kind: Workflow metadata:   generateName: dag-diamond- spec:   entrypoint: diamond   templates:   - name: diamond     dag:       tasks:       - name: A         template: echo         arguments:           parameters: [{name: message, value: A}]       - name: B         dependencies: [A]         template: echo         arguments:           parameters: [{name: message, value: B}]       - name: C         dependencies: [A]         template: echo         arguments:           parameters: [{name: message, value: C}]       - name: D         dependencies: [B, C]         template: echo         arguments:           parameters: [{name: message, value: D}]    - name: echo     inputs:       parameters:       - name: message     container:       image: alpine:3.7       command: [echo, "{{inputs.parameters.message}}"]

提交workflow。

argo submit -n argo dag.yam --watch

image.png

Variables

在argo的Workflow中允許使用變量的，如下：

apiVersion: argoproj.io/v1alpha1 kind: Workflow metadata:   generateName: hello-world-parameters- spec:   entrypoint: whalesay   arguments:     parameters:       - name: message         value: hello world   templates:     - name: whalesay       inputs:         parameters:           - name: message       container:         image: docker/whalesay         command: [ cowsay ]         args: [ "{{inputs.parameters.message}}" ]

首先在spec字段定義arguments，定義變量message，其值是hello  world，然后在templates字段中需要先定義一個inputs字段，用于templates的輸入?yún)?shù)，然后在使用"{{}}"形式引用變量。

變量還可以進行一些函數(shù)運算，主要有：

• filter：過濾

• asInt：轉換為Int

• asFloat：轉換為Float

• string：轉換為String

• toJson：轉換為Json

例子：

filter([1, 2], { # > 1}) asInt(inputs.parameters["my-int-param"]) asFloat(inputs.parameters["my-float-param"]) string(1) toJson([1, 2])

更多語法可以訪問https://github.com/antonmedv/expr/blob/master/docs/Language-Definition.md進行學習。

制品庫

在安裝argo的時候，已經(jīng)安裝了mino作為制品庫，那么到底該如何使用呢?

先看一個官方的例子，如下：

apiVersion: argoproj.io/v1alpha1 kind: Workflow metadata:   generateName: artifact-passing- spec:   entrypoint: artifact-example   templates:   - name: artifact-example     steps:     - - name: generate-artifact         template: whalesay     - - name: consume-artifact         template: print-message         arguments:           artifacts:           - name: message             from: "{{steps.generate-artifact.outputs.artifacts.hello-art}}"    - name: whalesay     container:       image: docker/whalesay:latest       command: [sh, -c]       args: ["sleep 1; cowsay hello world | tee /tmp/hello_world.txt"]     outputs:       artifacts:       - name: hello-art         path: /tmp/hello_world.txt    - name: print-message     inputs:       artifacts:       - name: message         path: /tmp/message     container:       image: alpine:latest       command: [sh, -c]       args: ["cat /tmp/message"]

其分為兩步：

• 首先生成制品

• 然后獲取制品

提交Workflow，運行結果如下：

然后在minio中可以看到生成的制品，制品經(jīng)過了壓縮，如下：

WorkflowTemplate

WorkflowTemplate是Workflow的模板，可以從WorkflowTemplate內部或者集群上其他Workflow和WorkflowTemplate引用它們。

WorkflowTemplate和template的區(qū)別：

• template只是Workflow中templates下的一個任務，當我們定義一個Workflow時，至少需要定義一個template

• WorkflowTemplate是駐留在集群中的Workflow的定義，它是Workflow的定義，因為它包含模板，可以從WorkflowTemplate內部或者集群上其他Workflow和WorkflowTemplate引用它們。

在2.7版本后，WorkflowTemplate的定義和Workflow的定義一樣，我們可以簡單的將kind:Workflow改成kind:WorkflowTemplate。比如：

apiVersion: argoproj.io/v1alpha1 kind: WorkflowTemplate metadata:   name: workflow-template-1 spec:   entrypoint: whalesay-template   arguments:     parameters:       - name: message         value: hello world   templates:     - name: whalesay-template       inputs:         parameters:           - name: message       container:         image: docker/whalesay         command: [cowsay]         args: ["{{inputs.parameters.message}}"]

創(chuàng)建WorkflowTemplate，如下

argo template create workflowtemplate.yaml

然后在Workflow中引用，如下：

apiVersion: argoproj.io/v1alpha1 kind: Workflow metadata:   generateName: workflow-template-hello-world- spec:   entrypoint: whalesay   templates:   - name: whalesay     steps:                              # 引用模板必須在steps/dag/template下       - - name: call-whalesay-template           templateRef:                  # 應用模板字段             name: workflow-template-1   # WorkflowTemplate名             template: whalesay-template # 具體的template名           arguments:                    # 參數(shù)             parameters:             - name: message               value: "hello world"

ClusterWorkflowTemplate

ClusterWorkflowTemplate創(chuàng)建的是一個集群范圍內的WorkflowTemplate，其他workflow可以引用它。

如下定義一個ClusterWorkflow。

apiVersion: argoproj.io/v1alpha1 kind: ClusterWorkflowTemplate metadata:   name: cluster-workflow-template-whalesay-template spec:   templates:   - name: whalesay-template     inputs:       parameters:       - name: message     container:       image: docker/whalesay       command: [cowsay]       args: ["{{inputs.parameters.message}}"]

然后在workflow中使用templateRef去引用它，如下：

apiVersion: argoproj.io/v1alpha1 kind: Workflow metadata:   generateName: workflow-template-hello-world- spec:   entrypoint: whalesay   templates:   - name: whalesay     steps:                 - - name: call-whalesay-template           templateRef:                  #引用模板             name: cluster-workflow-template-whalesay-template   # ClusterWorkflow名             template: whalesay-template # 具體的模板名             clusterScope: true          # 表示是ClusterWorkflow           arguments:                    #  參數(shù)             parameters:             - name: message               value: "hello world"

實踐

上面大概敘述了一下argo的基本理論知識，更多的理論知識可以到官網(wǎng)去學習。

下面將使用一個簡單的CI/CD實踐，來了解一下用argo workflow應該如何做。

CI/CD的整個流程很簡單，即：拉代碼->編譯->構建鏡像->上傳鏡像->部署。

定義一個WorkflowTemplate，如下：

apiVersion: argoproj.io/v1alpha1 kind: WorkflowTemplate metadata:   annotations:     workflows.argoproj.io/description: |       Checkout out from Git, build and deploy application.     workflows.argoproj.io/maintainer: '@joker'     workflows.argoproj.io/tags: java, git     workflows.argoproj.io/version: '>= 2.9.0'   name: devops-java  spec:   entrypoint: main   arguments:     parameters:       - name: repo         value: gitlab-test.coolops.cn/root/springboot-helloworld.git       - name: branch         value: master       - name: image         value: registry.cn-hangzhou.aliyuncs.com/rookieops/myapp:202103101613       - name: cache-image         value: registry.cn-hangzhou.aliyuncs.com/rookieops/myapp       - name: dockerfile         value: Dockerfile       - name: devops-cd-repo         value: gitlab-test.coolops.cn/root/devops-cd.git       - name: gitlabUsername         value: devops       - name: gitlabPassword         value: devops123456   templates:     - name: main       steps:         - - name: Checkout             template: Checkout         - - name: Build             template: Build         - - name: BuildImage             template: BuildImage         - - name: Deploy             template: Deploy     # 拉取代碼     - name: Checkout       script:         image: registry.cn-hangzhou.aliyuncs.com/rookieops/maven:3.5.0-alpine         workingDir: /work         command:         - sh         source: |           git clone --branch {{workflow.parameters.branch}} http://{{workflow.parameters.gitlabUsername}}:{{workflow.parameters.gitlabPassword}}@{{workflow.parameters.repo}} .         volumeMounts:           - mountPath: /work             name: work     # 編譯打包       - name: Build       script:         image: registry.cn-hangzhou.aliyuncs.com/rookieops/maven:3.5.0-alpine         workingDir: /work         command:         - sh         source: mvn -B clean package -Dmaven.test.skip=true -Dautoconfig.skip         volumeMounts:           - mountPath: /work             name: work     # 構建鏡像       - name: BuildImage       volumes:       - name: docker-config         secret:           secretName: docker-config       container:         image: registry.cn-hangzhou.aliyuncs.com/rookieops/kaniko-executor:v1.5.0         workingDir: /work         args:           - --context=.           - --dockerfile={{workflow.parameters.dockerfile}}           - --destination={{workflow.parameters.image}}           - --skip-tls-verify           - --reproducible           - --cache=true           - --cache-repo={{workflow.parameters.cache-image}}         volumeMounts:           - mountPath: /work             name: work           - name: docker-config             mountPath: /kaniko/.docker/     # 部署       - name: Deploy       script:         image: registry.cn-hangzhou.aliyuncs.com/rookieops/kustomize:v3.8.1         workingDir: /work         command:         - sh         source: |            git remote set-url origin http://{{workflow.parameters.gitlabUsername}}:{{workflow.parameters.gitlabPassword}}@{{workflow.parameters.devops-cd-repo}}            git config --global user.name "Administrator"            git config --global user.email "coolops@163.com"            git clone http://{{workflow.parameters.gitlabUsername}}:{{workflow.parameters.gitlabPassword}}@{{workflow.parameters.devops-cd-repo}} /work/devops-cd            cd /work/devops-cd            git pull            cd /work/devops-cd/devops-simple-java            kustomize edit set image {{workflow.parameters.image}}            git commit -am 'image update'            git push origin master         volumeMounts:           - mountPath: /work             name: work   volumeClaimTemplates:     - name: work       metadata:         name: work       spec:         storageClassName: nfs-client-storageclass         accessModes: [ "ReadWriteOnce" ]         resources:           requests:             storage: 1Gi

說明：

1、使用kaniko來創(chuàng)建鏡像，不用掛載docker.sock，但是push鏡像的時候需要config.json，所以首先需要創(chuàng)建一個secret，如下：

kubectl create secret generic docker-config --from-file=.docker/config.json -n argo

2、準備好storageClass，當然也可以不需要，直接使用empty，不過可以將緩存文件這些持久化，可以加速構建(我上面沒有做)。

3、創(chuàng)建WorkflowTemplate，命令如下：

argo template create -n argo devops-java.yaml

4、創(chuàng)建Workflow，可以手動創(chuàng)建，如下：

apiVersion: argoproj.io/v1alpha1 kind: Workflow metadata:   generateName: workflow-template-devops-java- spec:   workflowTemplateRef:     name: devops-java

也可以直接在UI界面點擊創(chuàng)建，我這里直接在UI界面點擊創(chuàng)建。選擇剛創(chuàng)建的WorkflowTemplate，點擊創(chuàng)建，如下：

然后就會生成一條Workflow，如下：

點進去，可以看到每個具體的步驟，如下

點擊每個具體的步驟，可以看日志，如下：

也可以在命令行界面看到Workflow的執(zhí)行結果，如下：

看完上述內容是否對您有幫助呢？如果還想對相關知識有進一步的了解或閱讀更多相關文章，請關注創(chuàng)新互聯(lián)行業(yè)資訊頻道，感謝您對創(chuàng)新互聯(lián)的支持。