pipline中使用ansible

实验架构:

192.168.0.96    gitlab

192.168.0.97    jenkins、ansible

192.168.0.98    harbor、docker集群


说明:下面代码编译镜像那一步的代码必须靠左,目的是不要有空格,否则报错,deploy那一步也必须是那种格式,否则报错

安装完jenkins后首先生成pipeline可以用的git链接地址


pipeline {
    agent any
    stages {
        stage('git checkout'){
            steps {
                echo 'git clone'
                checkout([$class: 'GitSCM', branches: [[name: '*/master']], doGenerateSubmoduleConfigurations: false, extensions: [], submoduleCfg: [], userRemoteConfigs: [[credentialsId: 'c32a3a24-2c9d-4c8d-b456-9d6d0badf3a2', url: 'http://192.168.0.96:8081/zihao/test.git']]])
            }
        }
        stage('maven build'){
            steps {
                echo 'maven build'
                    sh '''
                export JAVA_HOME=/usr/local/jdk1.8.0_171/
                     /usr/local/apache-maven-3.5.4/bin/mvn clean package -Dmaven.test.skip=true
                '''
            }
        }

        stage('docker build and push images'){
            steps {
echo 'docker build and push images'
sh '''
REPOSITORY=192.168.0.98:5000/library/solo/solo:${Tag}
cat >Dockerfile<<EOF
FROM 192.168.0.98:5000/library/tomcat-85:latest
RUN rm -rf /usr/local/tomcat/webapps/ROOT/
COPY target/*.war /usr/local/tomcat/webapps/ROOT.war
WORKDIR /usr/local/tomcat
EXPOSE 8080
CMD ["./bin/catalina.sh", "run"]
EOF
docker build -t $REPOSITORY .
docker login -u admin -p Harbor12345 192.168.0.98:5000
docker push $REPOSITORY
'''
            }
            }

        stage('deploy'){
            steps {
echo 'deploy'
sh '''
REPOSITORY=192.168.0.98:5000/library/solo/solo:${Tag}
ansible webservers -m shell -a "docker container run -d --name blog-solo-2 -v /opt:/opt -p 89:8080 $REPOSITORY"
'''
            }
            }

    }
}


说明:远程执行命令前提需要安装ssh agent插件,

现在ssh agent的认证,已不支持明文用户密码,而只能用加密方式实现。

所以先在jenknis和docker集群之间实现ssh免密码rsa证书登陆。

私钥放jenkins,公钥放在docker集群,然后,将私钥拿出来,写入到jenkins凭据

参照:https://blog.csdn.net/weixin_34067980/article/details/86444168



脚本参照:

https://blog.csdn.net/jackyzhousales/article/details/81713004

https://blog.csdn.net/a1010256340/article/details/83989059


生成pipeline可以用的git链接地址参照:

https://www.cnblogs.com/FRESHMANS/p/8184874.html
 

 

转载于:https://www.cnblogs.com/effortsing/p/10470044.html

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
在Pipeline,properties可以用来指定各个组件的配置参数。这些参数可以在Pipeline运行时被动态修改,以便更好地适应不同的使用场景。 下面是一个简单的例子,展示了如何在Pipeline使用properties: ```python from rasa_nlu.components import ComponentBuilder from rasa_nlu.config import RasaNLUModelConfig from rasa_nlu.model import Trainer from rasa_nlu.training_data import load_data builder = ComponentBuilder(use_cache=True) pipeline = [ {"name": "nlp_spacy"}, # 使用Spacy进行分词和词性标注 {"name": "tokenizer_whitespace"}, # 使用空格进行分词 { "name": "ner_crf", "features": [ ["low"], ["word"], ["suffix", 3], ["suffix", 2], ["suffix", 1], ["pos"], ["pos", "low"], ["title"], ["upper"], ["digit"], ["pattern"], ], "max_iterations": 50, # NER CRF模型的最大迭代次数 "c2": 0.1, # L2正则化系数 }, {"name": "intent_featurizer_count_vectors"}, # 使用计数向量进行意图分类特征提取 { "name": "intent_classifier_sklearn", "C": 1.0, # SVM分类器的正则化系数 "kernel": "linear", # SVM分类器的核函数 }, ] config = RasaNLUModelConfig( {"pipeline": pipeline, "language": "zh", "data": None, "path": None} ) training_data = load_data("data/nlu.md") trainer = Trainer(config, builder) trainer.train(training_data) model_directory = trainer.persist("./models/nlu", fixed_model_name="current") ``` 在上面的代码,我们定义了一个Pipeline,其包含了多个组件(nlp_spacy、tokenizer_whitespace、ner_crf等)。每个组件可以有多个属性(name、features、max_iterations等),用于指定其行为和配置。 需要注意的是,不同的组件可以有不同的属性,具体取决于组件的实现。因此,在使用properties时,需要参考每个组件的文档,了解其可用的属性和取值范围。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值