3.2. 優先順位クラスを使用したパイプラインリソースクォータの指定

手順

1. パイプラインの優先順位クラスを作成します。

   例: パイプラインの優先順位クラス

   apiVersion: scheduling.k8s.io/v1
   kind: PriorityClass
   metadata:
     name: pipeline1-pc
   value: 1000000
   description: "Priority class for pipeline1"

2. パイプラインのリソースクォータを作成します。

   例: パイプラインのリソースクォータ

   apiVersion: v1
   kind: ResourceQuota
   metadata:
     name: pipeline1-rq
   spec:
     hard:
       cpu: "1000"
       memory: 200Gi
       pods: "10"
     scopeSelector:
       matchExpressions:
       - operator : In
         scopeName: PriorityClass
         values: ["pipeline1-pc"]

3. パイプラインのリソースクォータの使用量を確認します。

   例: パイプラインにおけるリソースクォータ使用状況の確認

   $ oc describe quota

   出力例

   Name:       pipeline1-rq
   Namespace:  default
   Resource    Used  Hard
   --------    ----  ----
   cpu         0     1k
   memory      0     200Gi
   pods        0     10

   Pod が実行されていないため、クォータは使用されません。

4. パイプラインおよびタスクを作成します。

   例: パイプラインの YAML

   apiVersion: tekton.dev/v1
   kind: Pipeline
   metadata:
     name: maven-build
   spec:
     params:
     - name: GIT_URL
     workspaces:
     - name: local-maven-repo
     - name: source
     tasks:
     - name: git-clone
       taskRef:
         resolver: cluster
         params:
         - name: kind
           value: task
         - name: name
           value: git-clone
         - name: namespace
           value: openshift-pipelines
       workspaces:
       - name: output
         workspace: source
       params:
       - name: URL
         value: $(params.GIT_URL)
     - name: build
       taskRef:
         name: mvn
       runAfter: ["git-clone"]
       params:
       - name: GOALS
         value: ["package"]
       workspaces:
       - name: maven-repo
         workspace: local-maven-repo
       - name: source
         workspace: source
     - name: int-test
       taskRef:
         name: mvn
       runAfter: ["build"]
       params:
       - name: GOALS
         value: ["verify"]
       workspaces:
       - name: maven-repo
         workspace: local-maven-repo
       - name: source
         workspace: source
     - name: gen-report
       taskRef:
         name: mvn
       runAfter: ["build"]
       params:
       - name: GOALS
         value: ["site"]
       workspaces:
       - name: maven-repo
         workspace: local-maven-repo
       - name: source
         workspace: source

   例: パイプラインのタスクの YAML

   apiVersion: tekton.dev/v1
   kind: Task
   metadata:
     name: mvn
   spec:
     workspaces:
     - name: maven-repo
     - name: source
     params:
     - name: GOALS
       description: The Maven goals to run
       type: array
       default: ["package"]
     steps:
       - name: mvn
         image: gcr.io/cloud-builders/mvn
         workingDir: $(workspaces.source.path)
         command: ["/usr/bin/mvn"]
         args:
           - -Dmaven.repo.local=$(workspaces.maven-repo.path)
           - "$(params.GOALS)"

5. パイプライン実行を作成して開始します。

   例: パイプライン実行の YAML

   apiVersion: tekton.dev/v1
   kind: PipelineRun
   metadata:
     generateName: petclinic-run-
   spec:
     pipelineRef:
       name: maven-build
     params:
     - name: GIT_URL
       value: https://github.com/spring-projects/spring-petclinic
     taskRunTemplate:
       podTemplate:
         priorityClassName: pipeline1-pc
     workspaces:
     - name: local-maven-repo
       emptyDir: {}
     - name: source
       volumeClaimTemplate:
         spec:
           accessModes:
             - ReadWriteOnce
           resources:
             requests:
               storage: 200M

   注記

   パイプライン実行は、エラー: failed quota: <quota name> must specify cpu, memory で失敗する可能性があります。

   このエラーを回避するには、namespace の制限範囲を設定します。ここで、ビルドプロセス中に作成された Pod に LimitRange オブジェクトのデフォルトが適用されます。

   制限範囲の設定の詳細は、関連情報 セクションの 制限範囲によるリソース消費の制限 を参照してください。

6. Pod の作成後に、パイプライン実行におけるリソースクォータの使用状況を確認します。

   例: パイプラインにおけるリソースクォータ使用状況の確認

   $ oc describe quota

   出力例

   Name:       pipeline1-rq
   Namespace:  default
   Resource    Used  Hard
   --------    ----  ----
   cpu         500m  1k
   memory      10Gi  200Gi
   pods        1     10

   この出力は、優先クラスごとにリソースクォータを指定することで、特定の優先クラスに属するすべての同時実行 Pod のリソースクォータをまとめて管理できることを示しています。