Jenkins配置编译项目

简介: Jenkins配置编译任务,实现从GitLab拉取代码,通过Maven/Node编译打包,Docker构建镜像并推送至CCE仓库,kubectl更新服务。支持后台app-web、system-server及前端Vue项目自动化构建与部署,结合86/164服务器特性导出镜像tar包,实现全流程持续集成。

Jenkins配置编译任务
项目的大致流程:
从gitlab上拉取程序
运行 maven/Node 编译打包
运行Dockerfile打包成镜像
上传镜像到cce云上镜像仓库
使用kubectl更新cce云上的负载镜像
需要打包编译的内容:
后台项目的app-web模块
后台项目的system-server模块
前端VUE项目
后台编译
以admin登录Jenkins,选择新建任务。
任务名称:任意起,例如dev_myproject_java
选择构建一个自由风格的软件项目(也可以选择复制,填写需要复制的任务的任务名称)
General组:
限制项目的运行节点:填写节点服务器的标签表达式,限制只在该服务器上运行任务。myproject_dev
点击高级
使用自定义的工作空间:填写源程序下载到的服务器路径。/root/build/source/myproject/myproject-vue
显示名称:可以配置一个中文名,用于在列表页面展示。dev-后台-app
源码管理组:
选择Git
Repository URL:代码路径。填写git@xxxxxx那个。http:xxxxx的没有设置会报错。
从gitlab复制下来的路径需要进行调整,前面加上ssh://前缀,ip后面加上gitlab的22端口映射出来的端口号8022。例如:从gitlab复制出来的路径为git@192.168.xxx.xxx:myproject/myproject-vue.git,调整后为ssh://git@192.168.xxx.xxx:8022/myproject/myproject-vue.git
Credentials:选择前面创建的Jenkins用户私钥的那个凭据
Branches to build:指定要拉取的分支。例如本项目的*/dev_20240712
源码库浏览器:用于在jenkins上直接看本地构建时的代码差异。
源码库浏览器:gitlab
URL:gitlab的本项目页面:http://192.168.xxx.xxx:8090/myproject/myproject-vue/
version:gitlab版本:17.0
构建触发器组:
可以配置每次有代码push到gitlab时自动构建。为避免频繁构建,项目采用手动点击构建,不配置触发器。
构建环境组:
用于给节点服务器准备构建环境,使用Ant构建时可以配置。项目使用Maven、Node构建,且已经在节点服务器上手工部署了Maven、Node,无需进行配置。
Build Steps组:配置从gitlab拉取代码之后操作,即具体的构建执行步骤。项目全部使用shell方式执行。
登录CCE云:
执行Maven编译打包
执行Dockerfile制作镜像、推送CCE镜像仓库、更新cce上的负载镜像
登出CCE
前端VUE编译
与app-web模块的操作步骤类似,只是将Maven编译换成Node编译:
Jenkins打包docker镜像
86服务器上安装的Docker版本比较高,save出来的docker镜像tar文件无法直接在页面导入进CCE中。
164服务器上的Docker版本低,导出的镜像可以在页面导入CCE中,但是无法使用CCE客户端。
所以项目源码拉取、编译打包、生成镜像、kubectl更新等操作在86服务器上进行。如果需要导出docker镜像,则在164服务器上进行。
配置打包Docker的任务
在Jenkins上新建一个164节点。
新建一个任务save_docker,在164上运行,用于将docker镜像导出成tar文件。
勾选参数化构建过程:
字符参数IMAGE_LIST:需要打包的镜像列表(多个镜像以分号分隔)
布尔参数NEED_SAVE_TAR:是否需要导出成tar
增加一个执行shell的步骤:
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
if [ "$NEED_SAVE_TAR" = true ] && [ -n "$NEED_SAVE_TAR" ]; then

# 检查 IMAGE_LIST 是否为空
if [ -z "$IMAGE_LIST" ]; then
    echo "IMAGE_LIST is empty."
else
    # 保存原始的 IFS
    OLD_IFS=$IFS

    # 设置 IFS 为分号
    IFS=';'

    # 遍历 IMAGE_LIST
    for image in $IMAGE_LIST; do
        # 还原 IFS 为默认的值
        IFS=''

        fullImagePath=${image}
        echo "开始下载镜像:${fullImagePath}"
        docker pull ${fullImagePath}
        echo '镜像下载完成.'

        # 提取 registry, namespace, image, 和 tag
        registry_and_namespace_and_image=${image%:*}
        tag=${image##*:}

        # 将 registry 和 namespace/image 分开
        registry=${registry_and_namespace_and_image%%/*}
        namespace_and_image=${registry_and_namespace_and_image#*/}

        # 提取 namespace 和 image
        namespace=${namespace_and_image%%/*}
        image=${namespace_and_image#*/}
        imageName=${image%%:*}

        echo "转换tag"
        newImageName=${namespace}/${imageName}:${tag}
        docker tag ${fullImagePath} ${newImageName}
        echo "转换完成"

        echo "开始将镜像打成tar包:${namespace}-${imageName}-${tag}.tar"
        docker save -o /root/DockerSaveTar/${namespace}-${imageName}-${tag}.tar  ${newImageName}
        echo "打成tar包完成."        

        echo "删除本地下载的镜像"
        docker rmi ${fullImagePath} ${newImageName}
        echo "删除完成"
    done

    # 恢复原始的 IFS
    IFS=$OLD_IFS
fi

else
echo "NEED_SAVE_TAR为false或空,不执行保存tar包的操作"
exit 0
fi
直接调用该任务
可以在Jenkins上直接调用该任务,需要传入参数。例如:
1
2
IMAGE_LIST=192.168.xxx.xxx:8889/myproject/app-web:20240903-194055;192.168.xxx.xxx:8889/myproject/system-server:20240903-194055
NEED_SAVE_TAR=true # 勾选即可
任务便会自动拉取这两个镜像导出成tar
在其他任务执行后自动调用该任务
例如在预警后台的编译任务中,生成docker镜像推送仓库后,将docker镜像名称写入一个文件中:
1
echo "IMAGE_LIST=192.168.xxx.xxx:8889/myproject/app-web:${VERSION_ALL_TAG};192.168.xxx.xxx:8889/myproject/system-server:${VERSION_ALL_TAG}" > /root/build/source/myproject/myproject-java-env.properties
新增一个构建后操作:选择Trigger parameterized build on other projects(需要安装对应插件后才会有该选项)。
Projects to build(构建后需要执行的任务,多个任务逗号分隔):save_docker(即打包docker任务)
Trigger when build is(什么情况下调用后续任务):Stable or unstable but not failed(稳定、有警告都执行,只要不是失败)
添加参数:
Parameters from properties file(从properties文件中获取参数):路径为前面写入的文件/root/build/source/myproject/myproject-java-env.properties
Boolean parameters(添加一个布尔参数):NEED_SAVE_TAR,手动修改该参数的值来控制是否生成tar

相关文章
|
1天前
|
数据采集 人工智能 安全
|
11天前
|
云安全 监控 安全
|
2天前
|
自然语言处理 API
万相 Wan2.6 全新升级发布!人人都能当导演的时代来了
通义万相2.6全新升级,支持文生图、图生视频、文生视频,打造电影级创作体验。智能分镜、角色扮演、音画同步,让创意一键成片,大众也能轻松制作高质量短视频。
933 150
|
2天前
|
编解码 人工智能 机器人
通义万相2.6,模型使用指南
智能分镜 | 多镜头叙事 | 支持15秒视频生成 | 高品质声音生成 | 多人稳定对话
|
16天前
|
机器学习/深度学习 人工智能 自然语言处理
Z-Image:冲击体验上限的下一代图像生成模型
通义实验室推出全新文生图模型Z-Image,以6B参数实现“快、稳、轻、准”突破。Turbo版本仅需8步亚秒级生成,支持16GB显存设备,中英双语理解与文字渲染尤为出色,真实感和美学表现媲美国际顶尖模型,被誉为“最值得关注的开源生图模型之一”。
1662 8
|
7天前
|
人工智能 自然语言处理 API
一句话生成拓扑图!AI+Draw.io 封神开源组合,工具让你的效率爆炸
一句话生成拓扑图!next-ai-draw-io 结合 AI 与 Draw.io,通过自然语言秒出架构图,支持私有部署、免费大模型接口,彻底解放生产力,绘图效率直接爆炸。
617 152
|
9天前
|
人工智能 安全 前端开发
AgentScope Java v1.0 发布,让 Java 开发者轻松构建企业级 Agentic 应用
AgentScope 重磅发布 Java 版本,拥抱企业开发主流技术栈。
587 15
|
9天前
|
人工智能 自然语言处理 API
Next AI Draw.io:当AI遇见Draw.io图表绘制
Next AI Draw.io 是一款融合AI与图表绘制的开源工具,基于Next.js实现,支持自然语言生成架构图、流程图等专业图表。集成多款主流大模型,提供智能绘图、图像识别优化、版本管理等功能,部署简单,安全可控,助力技术文档与系统设计高效创作。
672 151