Argo CI 使用教程
项目介绍
Argo CI 是一个基于 Kubernetes 的持续集成和部署系统,由 Argo 工作流引擎驱动。它提供了与源代码管理(SCM)的集成(目前仅支持 GitHub),并自动触发使用 Argo YAML DSL 定义的 CI 工作流。Argo CI 可以帮助开发团队在 Kubernetes 集群上实现高效的 CI/CD 流程。
项目快速启动
安装 Argo CI
首先,确保你已经有一个 Kubernetes 集群,并且已经安装了 Helm。然后按照以下步骤安装 Argo CI:
# 添加 Argo Helm 仓库
helm repo add argo https://argoproj.github.io/argo-helm/
# 安装 Argo CI
helm install argo/argo-ci --name argo-ci
配置 GitHub 集成
为了安全原因,Argo CI 的配置 UI 不对外部开放。最简单的方式是通过端口转发来访问:
kubectl port-forward <argo-ci-pod> 8002:8002
然后通过 http://localhost:8002 访问 Argo CI 的 UI。
在 GitHub UI 中创建一个 Webhook,设置 Payload URL 为 http<ArgoCiDomain>/api/webhook/github,Content Type 为 application/json,并设置你的 Secret token 值。
创建和保存构建工作流
在你的项目仓库中创建 argo-ci/ci.yaml 文件,定义你的构建工作流。如果工作流包含名为 revision 和 repo 的参数,Argo CI 将自动为这些参数设置值。
应用案例和最佳实践
案例一:自动化测试和部署
一个常见的应用案例是自动化测试和部署。通过 Argo CI,你可以定义一个工作流,该工作流在每次代码提交时自动运行测试,并在测试通过后自动部署到预生产环境。
案例二:多环境部署
另一个最佳实践是多环境部署。你可以定义不同的工作流,分别用于开发、测试和生产环境的部署。每个工作流可以根据环境的不同进行定制,确保每个环境都能得到适当的配置和资源。
典型生态项目
Argo Workflows
Argo Workflows 是一个 Kubernetes 原生工作流引擎,支持 DAG 和步骤式工作流。它是 Argo CI 的核心组件,负责管理和执行 CI/CD 工作流。
Argo CD
Argo CD 是一个声明式的持续交付工具,提供了一个功能齐全的 UI。它与 Argo CI 集成,可以实现从代码提交到部署的端到端自动化。
Argo Rollouts
Argo Rollouts 提供了高级的 Kubernetes 部署策略,如金丝雀和蓝绿部署。它可以帮助你更安全、更高效地进行应用部署。
Argo Events
Argo Events 是一个基于事件的依赖管理工具,可以与 Argo CI 结合使用,实现更复杂的事件驱动工作流。
通过这些生态项目,Argo CI 可以构建一个完整的 CI/CD 生态系统,满足各种复杂的部署需求。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust098- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00