Skip to main content

Command Palette

Search for a command to run...

Kustomize Fomulas

Published
•2 min read•View as Markdown

项目地址 Kustomize-patch-formulas

这个项目有两个目的。

第一点就是,既然有了 Kustomize,使用碎片来拼接复杂的 YAML 就很方便了,设想以下情况:

一个只会写简单 Deployment 的小白,随时要去翻书,查查如何加入资源限制,如何加载存储卷,如何设置环境变量....,翻完用完,俩月之后同样的痛苦再来一次,周而复始。。好吧我就是那个小白。

Kustomize 能不能让这个过程舒服一点?

开始摸索 Kustomize 之后,我觉得有救了,只要我把需要的配置碎片积累下来,用的时候稍作修改,然后用 Kustomize 渲染出来,是不是就省了不少麻烦了?另外对一些巨型的 YAML,比如多个 Deployment 和 Service 和 VirtualService 什么的混成一个文件的情况,直接上手修改是很辛苦的,用这种方式也可以方便快捷的进行一些变更。

更近一步的,这些补丁都很小,如果稍稍做点模板处理,用个小脚本加工成正式的 Patch,复用能力会进一步增强。

第二点就是,就算不考虑这些问题,把常见的配置碎片搜集起来也是对 Kubernetes 运维工作很有帮助的。

用法

例如我们有一个简单的 Deployment, /tmp/deploy.yaml:

apiVersion: extensions/v1beta1
kind: Deployment
metadata:
  name: flaskapp
spec:
  replicas: 1
  template:
    metadata:
      labels:
        app: flaskapp
        version: v1
    spec:
      containers:
        - name: flaskapp
          image: dustise/flaskapp
          imagePullPolicy: IfNotPresent
          env:
            - name: version
              value: v1
          ports:
            - containerPort: 80

克隆本项目之后,我们希望借助其中的补丁,为这个对象加入资源限制和 ServiceAccount:

$ ./gen_kustomize.py -i /tmp/deploy.yaml -o kust
$ tree kust
kust
├── base
│   ├── deploy.yaml
│   └── kustomization.yaml
└── overlay

这个命令会为该文件创建一个 Kustomization。其中的 -i 参数可以加入多个文件,都会被复制到目标目录(kust)的 base 之中。

接下来向其中加入补丁:

$ ./add_patch.py kubernetes/deployment/resource-patch.yaml \
    --set container_name=flaskapp deployment_name=flaskapp \
    limit_cpu=100m limit_memory=100Mi request_cpu=100m \
    request_memory=100Mi \
    -t kust
$ ./add_patch.py kubernetes/deployment/serviceaccount-patch.yaml \
    --set container_name=flaskapp \
    deployment_name=flaskapp service_account=default \
    -t kust

这里的第一个参数是补丁文件的位置,--set 后面以 key=value 的形式为模板进行赋值。模板的写法也很简单,例如:

apiVersion: extensions/v1beta1
kind: Deployment
metadata:
  name: $deployment_name
spec:
  replicas: 1
  template:
    spec:
      serviceAccount: $service_account

使用的是 Python 模板,只要简单的在变量前加入 $ 即可,因为对 Helm 深感疲惫,暂时不准备接入太复杂的模板方式,毕竟补丁本身越小越精确就越好。

加入补丁之后,使用 kustomize build kust/overlay 进行渲染:

apiVersion: extensions/v1beta1
kind: Deployment
metadata:
  name: flaskapp
spec:
  replicas: 1
  template:
    metadata:
      labels:
        app: flaskapp
        version: v1
    spec:
      containers:
      - env:
        - name: version
          value: v1
        image: dustise/flaskapp
        imagePullPolicy: IfNotPresent
        name: flaskapp
        ports:
        - containerPort: 80
        resources:
          limits:
            cpu: 100m
            memory: 100Mi
          requests:
            cpu: 100m
            memory: 100Mi
      serviceAccount: default

可以看到,这里生成了完整的目标文件。

需要贡献

这个项目还非常低级,不堪一用,觉得这个小东西有意思的朋友可以提供:

  • 新的补丁模板。
  • 测试框架。
  • 新的玩法。
  • 各种建议。

More from this blog

AI Agent 的“莫兰迪时刻”

一个新范式真正走向大众,往往不是从所有人都正确理解它开始,而是从它开始被反复引用、简化、误读,甚至滥用开始。 今天的 AI Agent,可能正走到这样一个时刻。 这篇文章的念头,来自我最近收听《大内密谈》vol.1434《审美升级or消费主义?从莫兰迪在中国聊起》时的一些联想。节目从莫兰迪色在中国的走红,谈到作品价格、知识产权、商业流量与消费主义。[9] 我听着听着想到另一个熟悉的技术史问题:为

Oct 5, 20263 min read

FDE 是传统运维产品厂商的出路吗?

很多传统运维产品厂商,已经不缺产品了。 从 ITSM、CMDB、监控、自动化,到 IAM、数据中心管理和各类大屏,一个成熟厂商往往都能拿出一张很完整的产品地图。销售材料上看,客户运维部门的日常工作几乎都被覆盖了。 但项目一落地,味道就变了。 产品越多,集成越重;模块越全,边界越模糊;客户越大,定制越深。到了后期,项目成功本身也会变成麻烦:现场改出来的东西回不到主干,配置越来越像黑箱,谁都不敢轻易升

Jun 29, 20263 min read

绵里藏针才是 AIOps 的本质?

Agent 让运维编排变得柔性、可变、甚至自演进;但真正敢进入生产环境的 AIOps,仍然离不开坚实、受控、可审计、可回退的自动化底座。 从 Gartner 提出 AIOps 概念到现在,也大概有十年了。这么多年来,这个领域好像发生了很多变化,又好像没什么“本质”的变化。技术上,我们经历了传统机器学习、深度学习和神经网络、以及大模型和智能体这样“翻天覆地”的变化;业务上,我们面对的是更多品种、更大

May 31, 20263 min read

龙虾恐慌:AIOps 又要改名了?

ChatGPT 开始,把 AI 拉近到普罗大众的面前,让无数人感受到 AI 的亲民魅力。而龙虾,则把大模型驱动的自动化能力,突然间变得水灵灵、活泼泼地走进千家万户。它不只是“风口上的猪”,而是风口本身。热度高到让 Mac mini 一度断货,不知道这在不在库克的预料之内。 每代人都有每代人的鸡蛋,春节期间,我就领了我的鸡蛋。翻出古老的 MacBook Air M1,充值各种大模型。当然了,这个工具

Mar 9, 20261 min read
【

【伪】架构师

346 posts