在actions-runner-controller中自定义Docker-in-Docker容器配置
2025-06-09 17:36:47作者:袁立春Spencer
actions-runner-controller项目中的gha-runner-scale-set组件提供了Docker-in-Docker(dind)运行模式,允许在Kubernetes Pod中运行Docker守护进程。然而,默认配置中dockerd的参数是硬编码的,这给需要自定义Docker配置的用户带来了不便。
背景与需求
在实际生产环境中,用户经常需要调整Docker守护进程的配置,例如:
- 设置网络中转服务以访问外部容器镜像
- 配置受信任的私有镜像仓库
- 调整网络MTU值
- 添加镜像仓库镜像
默认情况下,gha-runner-scale-set的dind容器配置是硬编码在模板中的,用户无法通过简单的values.yaml修改来调整这些参数。
解决方案
目前有两种主要方法可以自定义dind容器的配置:
方法一:完全覆盖Pod模板
通过完全覆盖template配置,用户可以完全控制dind容器的所有参数。这种方法提供了最大的灵活性,但需要用户维护完整的PodSpec配置。
示例配置展示了如何:
- 定义init容器来准备运行环境
- 配置主runner容器
- 自定义dind容器,包括安全上下文、资源限制等
- 挂载ConfigMap作为daemon.json配置文件
方法二:使用daemon.json配置文件
更推荐的做法是通过挂载ConfigMap来提供/etc/docker/daemon.json文件,而不是直接修改dockerd参数。这种方式更符合Docker的标准配置实践,且更容易维护。
daemon.json配置示例展示了如何:
- 设置网络MTU值
- 配置默认网络选项
- 添加镜像仓库镜像
实施建议
- 评估需求:确定是需要完全控制dind容器,还是仅需调整Docker配置
- 创建ConfigMap:将Docker配置以daemon.json形式存储在ConfigMap中
- 挂载配置:通过volumeMounts将ConfigMap挂载到dind容器的/etc/docker目录
- 资源规划:根据工作负载需求合理设置dind容器的资源限制
- 安全考虑:注意privileged模式的安全影响,在生产环境中应谨慎使用
最佳实践
- 优先使用daemon.json进行配置,而非命令行参数
- 为不同的环境(开发、测试、生产)维护不同的ConfigMap
- 考虑使用Kubernetes的NetworkPolicy限制dind容器的网络访问
- 监控dind容器的资源使用情况,及时调整资源限制
通过这种方式,用户可以在actions-runner-controller中灵活地配置dind容器,满足各种复杂环境下的Docker使用需求,同时保持配置的可维护性和安全性。
登录后查看全文
热门项目推荐
相关项目推荐
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C0126
let_datasetLET数据集 基于全尺寸人形机器人 Kuavo 4 Pro 采集,涵盖多场景、多类型操作的真实世界多任务数据。面向机器人操作、移动与交互任务,支持真实环境下的可扩展机器人学习00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python059
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
494
3.63 K
Ascend Extension for PyTorch
Python
300
337
暂无简介
Dart
743
179
React Native鸿蒙化仓库
JavaScript
297
346
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++
868
474
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
300
125
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
11
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
20
仓颉编程语言测试用例。
Cangjie
43
871