4.3. 在集群中部署插件

流程

1. 使用以下命令构建镜像：

   $ docker build -t quay.io/my-repositroy/my-plugin:latest .

2. 可选：如果要测试您的镜像，请运行以下命令：

   $ docker run -it --rm -d -p 9001:80 quay.io/my-repository/my-plugin:latest

3. 运行以下命令推送镜像：

   $ docker push quay.io/my-repository/my-plugin:latest

流程

1. 要将插件部署到集群中，请使用插件名称作为 Helm 发行版本名称安装 Helm chart，作为 Helm 发行版本名称，或由 -n 命令行选项指定的现有命名空间。使用以下命令，提供 plugin.image 参数中镜像的位置：

   $ helm upgrade -i  my-plugin charts/openshift-console-plugin -n my-plugin-namespace --create-namespace --set plugin.image=my-plugin-image-location

   其中：

   n <my-plugin-namespace>

   指定要将插件部署到的现有命名空间。

   --create-namespace

   可选：如果部署到新命名空间，请使用此参数。

   --set plugin.image=my-plugin-image-location

   指定 plugin.image 参数中镜像的位置。

2. 可选： 您可以使用 charts/openshift-console-plugin/values.yaml 文件中的一组支持的参数来指定任何其他参数。

   plugin:
     name: ""
     description: ""
     image: ""
     imagePullPolicy: IfNotPresent
     replicas: 2
     port: 9443
     securityContext:
       enabled: true
     podSecurityContext:
       enabled: true
       runAsNonRoot: true
       seccompProfile:
         type: RuntimeDefault
     containerSecurityContext:
       enabled: true
       allowPrivilegeEscalation: false
       capabilities:
         drop:
           - ALL
     resources:
       requests:
         cpu: 10m
         memory: 50Mi
     basePath: /
     certificateSecretName: ""
     serviceAccount:
       create: true
       annotations: {}
       name: ""
     patcherServiceAccount:
       create: true
       annotations: {}
       name: ""
     jobs:
       patchConsoles:
         enabled: true
         image: "registry.redhat.io/openshift4/ose-tools-rhel8@sha256:e44074f21e0cca6464e50cb6ff934747e0bd11162ea01d522433a1a1ae116103"
         podSecurityContext:
           enabled: true
           runAsNonRoot: true
           seccompProfile:
             type: RuntimeDefault
         containerSecurityContext:
           enabled: true
           allowPrivilegeEscalation: false
           capabilities:
             drop:
               - ALL
         resources:
           requests:
             cpu: 10m
             memory: 50Mi