Caicloud Cyclone 云原生持续集成平台安装指南
2025-06-10 22:48:25作者:盛欣凯Ernestine
前言
Caicloud Cyclone 是一款基于 Kubernetes 的云原生持续集成与持续交付(CI/CD)平台,它能够帮助开发团队在 Kubernetes 环境中高效地构建、测试和部署应用。本文将详细介绍如何在不同环境中安装和配置 Cyclone 平台。
系统要求
在开始安装前,请确保您的环境满足以下要求:
- Kubernetes 集群版本 1.12、1.13 或 1.14
- Helm 版本高于 2.10(推荐使用最新稳定版)
- 集群节点有足够的资源运行 Cyclone 组件
- 网络能够访问公共镜像仓库或您指定的私有镜像仓库
Helm 安装方式
1. 准备工作
Helm 是 Kubernetes 的包管理工具,使用 Helm 可以简化 Cyclone 的安装和管理过程。
首先需要初始化 Helm 并安装 Tiller(Helm 的服务端组件):
helm init --history-max 200
2. 基础安装
最简单的安装方式是使用默认配置:
helm install --name cyclone --namespace cyclone-system ./helm/cyclone
此命令会:
- 创建名为
cyclone-system的命名空间 - 从公共镜像仓库拉取所有必需镜像
- 部署 Cyclone 所有组件
3. 自定义安装
3.1 使用私有镜像仓库
如果您的环境无法访问公共镜像仓库,或者需要使用私有镜像仓库:
helm install --name cyclone --namespace cyclone-system \
--set imageRegistry.registry=your.private.registry,imageRegistry.project=your-project \
./helm/cyclone
3.2 使用自定义配置
对于生产环境,建议使用 values 文件进行详细配置:
helm install --name cyclone --namespace cyclone-system \
-f custom-values.yaml \
./helm/cyclone
4. 升级与卸载
升级 Cyclone 版本:
helm upgrade cyclone ./helm/cyclone
卸载 Cyclone:
helm delete --purge cyclone
核心配置详解
1. 通用配置
| 参数 | 说明 | 默认值 |
|---|---|---|
imageRegistry.registry |
镜像仓库地址 | 公共镜像仓库地址 |
imageRegistry.project |
Cyclone 组件镜像所在项目 | caicloud |
serverAddress |
Cyclone 服务器地址 | cyclone-server.default.svc.cluster.local::7099 |
2. 工作流引擎配置
工作流引擎是 Cyclone 的核心组件,负责执行 CI/CD 流水线:
engine:
gc:
enabled: true # 是否启用垃圾回收
delaySeconds: 300 # 执行完成后保留时间(秒)
limits:
maxWorkflowRuns: 50 # 每个工作流保留的最大执行记录数
resourceRequirement: # 默认资源限制
limits:
cpu: 100m
memory: 256Mi
3. 服务器配置
Cyclone 服务器提供 RESTful API 接口:
server:
listenPort: 7099 # 服务监听端口
init:
defaultTenant: true # 是否初始化默认租户
pvc:
size: 10Gi # 默认 PVC 大小
4. Web 界面配置
web:
replicas: 1 # 实例数
nodePort: 30022 # NodePort 服务端口
从源码构建镜像
如果您需要自定义 Cyclone 组件,可以从源码构建镜像:
docker login your.private.registry -u username -p password
make push REGISTRIES=your.private.registry/your-project
然后使用自定义镜像安装:
helm install --name cyclone --namespace cyclone-system \
--set imageRegistry.registry=your.private.registry,imageRegistry.project=your-project \
./helm/cyclone
安装后验证
安装完成后,可以通过以下方式验证:
-
检查 Pod 状态:
kubectl get pods -n cyclone-system -
访问 Web 界面(如果配置了 NodePort):
http://<节点IP>:30022
常见问题解决
- 镜像拉取失败:检查网络连接和镜像仓库配置
- PVC 创建失败:确认 StorageClass 配置正确
- 资源不足:调整资源请求和限制配置
最佳实践建议
-
生产环境建议:
- 使用高可用配置(增加副本数)
- 配置持久化存储
- 设置合理的资源限制
-
开发环境可以:
- 启用开发模式(
engine.developMode: true) - 使用较小的资源规格
- 启用开发模式(
通过本文的指导,您应该能够顺利完成 Caicloud Cyclone 的安装和基础配置。根据实际需求调整配置参数,可以充分发挥 Cyclone 在云原生 CI/CD 中的强大能力。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
411
3.16 K
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
664
323
Ascend Extension for PyTorch
Python
227
255
暂无简介
Dart
676
160
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.21 K
659
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
492
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
342
146