Jenkins Docker Cloud在Linux应用开发CI中的实践

背景

通过代码提交自动触发CI自动构建、编译、打包是任何软件开发组织必不可少的基建，可以最大程度保证产物的一致性，方便跨组跨部门协作，代码MR等。

Docker在流水线中越来越重要，已经是最关键的组成部件之一，由于容器化具有的简单性，灵活性，隔离性和部署方便的特性，使得我们可以按需定制可重复的构建环境，本文就如何使用Docker容器作为Jenkins编译节点在Linux应用开发 CI中进行了实践。

前提条件

已部署好Jenkins服务，具备CI的基础设施。

技术方案

有别于windows，macos，ios可能较多会采用虚拟机或物理机方式部署编译节点，linux 采用 docker作为编译节点，容器化方式环境隔离性好，自动容器启动与关闭，环境部署方便，较虚拟机和物理机部署更节省人力时间成本。

工作流程：

Jenkins master发起pipeline流程
通过Remote API去连接Docker Host
Docker Host拉起需要的容器，作为Jenkins slave
容器中执行流水线工作
流水线完成，Jenkins会停止并删除容器

ps： Jenkins master 节点只负责调控，具体的构建任务下放到Docker Slave节点中去

在这里插入图片描述

Jenkins docker slave node配置实践

1、 Jenkins 安装docker插件

安装完成后配置页面会生成Configure Clouds
路径：Jenkins - Manage Jenkins - System Configuration - Manage Nodes and Clouds
在这里插入图片描述

2、 docker host配置

2.1、 doker安装

sudo apt update
sudo apt upgrade
sudo apt install docker.io

2.2、安装自定义docker镜像

可以采用Dockerfile自动构建镜像，也可以手动构建，此处假定已经构建好镜像并导出：linux_x86_64_node.tar
导入镜像：

sudo docker load < linux_x86_64_node.tar

sudo docker images
REPOSITORY                         TAG       IMAGE ID       CREATED          SIZE
linux_x86_64_node                  latest    f2cded8e78d6   30 minutes ago   3.19GB

2.3、启用docker Remote API

本地环境下，docker客户端(各种docker命令)默认通过unix域socket与docker daemon通信，但我们的场景需要跨主机访问，即jenkins服务需要访问docker host，因此需要通过配置让docker daemon把服务暴露在tcp的2375端口上，这样就可以在网络上操作docker了。
修改/lib/systemd/system/docker.service，添加tcp支持
修改完毕后执行如下命令使其生效：

systemctl daemon-reload
systemctl restart docker.service

3、jenkins docker cloud & agent配置

路径：Jenkins > Manage Jenkins > System Configuration > Manage Nodes and Clouds > Configure Clouds

3.1、配置docker cloud

在这里插入图片描述

3.2、配置docker agent

在这里插入图片描述

4、 jenkins查看docker容器和镜像

路径：Jenkins > Manage Jenkins > Uncategorized > Docker
此处会列出远程docker host上所有运行的容器和安装的镜像，如下：
在这里插入图片描述

值得注意的是，jenkins通过Remote API启动docker容器时会进行SSH端口映射，将SSH端口22进行映射，如上图所示，将docker agent（启动的docker容器）的22端口映射为docker host宿主机的端口58255,这样jenkins才能通过ssh访问docker agent, workspace也是建立在docker agent中。

pipeline中使用docker agent

1、声明式

pipeline {
   agent { label 'master' }
   stages {
       stage('Hello') {
           agent { label 'lava_x86_64_node_accelerate' }
           steps {
               sh 'echo Hello World'
           }
       }
   }
}

2、脚本式

pipeline {
    agent { label 'master' }
     stages {
        stage('Hello') {
            steps {
                script {
                    node ("lava_x86_64_node_accelerate") {
                        sh 'echo Hello World'
                    }
                }
            }
        }
    }
}