绕不开的Config配置；

一、背景

在自动化流程中，对于一个应用来说，从开发阶段的配置管理，到制作容器镜像，再到最后通过K8S集群发布为服务，整个过程涉及到的配置非常多；

1.png

应用环境：通常是指代码层面的依赖配置，以常用的Nacos来说，通常会涉及框架、组件、自定义等几个层面的配置管理；

运行环境：以微服务架构来说，实际环境中需要管理多个应用的服务发布，在整个过程中必然会存在很多配置的管理，比如应用的资源分配、不同环境交互时的身份认证、敏感信息的安全管理等；

不论是应用还是运行层面的配置，都会涉及到一个基本的逻辑：配置可以抽取出来单独管理，在流程中直接引入该配置即可；

二、ConfigMap

ConfigMap用来将非机密性的数据保存到键值对中，Pod可以将其用作环境变量、命令行参数或者存储卷中的配置文件，会将环境配置信息和容器镜像解耦，便于应用配置的修改；

1、创建

ConfigMap中data字段用来保存UTF-8字符串，binaryData用来保存二进制数据作为base64编码的字串；

apiVersion: v1
kind: ConfigMap
metadata:
  name: app-config-map
  namespace: default
data:
  active: test
  started: hello
  program: world

创建【ConfigMap】

kubectl apply -f app-config-map.yaml

查看【ConfigMap】

kubectl get cm/app-config-map -o yaml

K8S界面查看【ConfigMap】

2.png

2、使用

用法一：使用「app-config-map」中的值来配置【Pod】，在env中定义多个环境变量，但是值从ConfigMap中读取；

apiVersion: v1
kind: Pod
metadata:
  name: auto-client-one
spec:
  containers:
    - name: auto-client
      image: auto-client:1.1.3
      imagePullPolicy: Never
      ports:
        - containerPort: 8079
      env:
        - name: DATA_ACTIVE
          valueFrom:
            configMapKeyRef:
              name: app-config-map
              key: active
        - name: DATA_STARTED
          valueFrom:
            configMapKeyRef:
              name: app-config-map
              key: started
        - name: DATA_PROGRAM
          valueFrom:
            configMapKeyRef:
              name: app-config-map
              key: program

创建【Pod】

kubectl create -f auto-client-one.yaml

用法二：在【Pod】配置中，直接使用envFrom引入「app-config-map」，从而完成环境变量的设置；

apiVersion: v1
kind: Pod
metadata:
  name: auto-client-two
spec:
  containers:
    - name: auto-client
      image: auto-client:1.1.3
      imagePullPolicy: Never
      ports:
        - containerPort: 8079
      envFrom:
        - configMapRef:
            name: app-config-map

查看环境变量

# 1、执行该命令
kubectl exec -it auto-client-one -- bash

# 2、输入命令：env
env

# 3、打印的环境变量，只留下【app-config-map】配置的参数

DATA_ACTIVE=test
DATA_PROGRAM=world
DATA_STARTED=hello

# 4、查看【DATA_STARTED】的变量值
echo $DATA_STARTED

在【auto-client:1.1.3】容器镜像中，添加了一个输出环境变量的定时任务，通过查看运行日志，可以看到相关配置会被代码正确读取；

@Component
public class PrintEnvJob {

    private static final Logger LOG = LoggerFactory.getLogger(PrintEnvJob.class.getName()) ;

    @Scheduled(fixedDelay = 60000)
    public void systemData () {
        Map<String,String> envMap = System.getenv();
        for (Map.Entry<String, String> entry:envMap.entrySet()){
            String key = entry.getKey();
            String value = entry.getValue();
            LOG.info("【key:{},value:{}】",key,value);
        }
    }
}

【auto-client-one】日志输出

3.png

【auto-client-two】日志输出

4.png

注意事项

• ConfigMap在设计上不是用来保存大量数据的，因此保存的数据不可超过1MiB；
• ConfigMap并不提供保密或者加密功能，如果存储的数据是机密的，可以使用Secret对象，或者使用其它方式确保数据的私密性；
• ConfigMap中可以通过将immutable字段设置为true创建不可变更的配置，如果要修改只能删除后重建；

三、Secret

Secret是一种包含少量敏感信息例如密码、令牌或密钥的对象，这样的信息可能会被放在Pod规约中或者镜像中，使用Secret意味着不需要在应用程序代码中包含敏感数据；

1、创建

将【auto-client:1.1.3】镜像推送到云端的docker私有仓库里，并且删除本地相关镜像，测试下面的流程；

5.png

这里以最常见的镜像拉取场景来说，通常容器镜像文件是放在私有的云端仓库，K8S在访问时需要提供身份证明，可以通过Secret配置来处理该场景；

kubectl create secret docker-registry 【secret名称】 --docker-server=【仓库地址】 --docker-username=【用户名】 --docker-password=【密码】 --namespace=【命名空间】 -o yaml > cloud-registry-secret.yaml

2、使用

在上面配置了镜像拉取的Secret对象，在Pod层面使用imagePullSecrets来引用该对象，当从私有仓库拉取容器镜像时，节点上的kubelet能够完成与镜像仓库的身份认证；

apiVersion: apps/v1
kind: Deployment
metadata:
  name: auto-client-deployment
  labels:
    app: auto-client
spec:
  replicas: 1
  selector:
    matchLabels:
      app: auto-client
  template:
    metadata:
      labels:
        app: auto-client
    spec:
      imagePullSecrets:
        - name: cloud-registry-secret
      containers:
        - name: auto-client
          image: 【仓库地址】/auto-client:1.1.3
          imagePullPolicy: Always
          ports:
            - containerPort: 8079

注意事项

• 默认情况下Secret未加密地存储在etcd中，任何拥有权限的用户都可以检索或修改Secret信息；
• 每个Secret的大小最多为1MiB，施加这一限制是为了避免用户创建非常大的Secret，进而导致API服务器和kubelet内存耗尽；

四、Pod与容器

在定义Pod时可以选择性地为每个容器设定所需要的资源数量，最常见的可设定资源是CPU和内存大小，或者其他类型的资源，这样有利于调度器给Pod选择合适的节点；

apiVersion: apps/v1
kind: Deployment
metadata:
  name: auto-client-rs-deployment
  labels:
    app: auto-client
spec:
  replicas: 1
  selector:
    matchLabels:
      app: auto-client
  template:
    metadata:
      labels:
        app: auto-client
    spec:
      containers:
        - name: auto-serve
          image: auto-client:1.1.3
          imagePullPolicy: Never
          ports:
            - containerPort: 8079
          resources:
            requests:
              cpu: "250m"
              memory: "128Mi"
            limits:
              cpu: "500m"
              memory: "256Mi"

注意事项

• CPU和内存统称为计算资源，计算资源的数量是可测量的，可以被请求、被分配、被消耗；
• requests为容器指定资源需求，limits为容器设置资源限制；
• 如果Pod运行所在节点有足够的可用资源，容器可以使用超出对应资源request属性所设置的资源量，但是不可以使用超出其资源limit属性所设置的资源量；