CI

GitlabRunner

Instalar el runner

docker volume create gitlab-runner-config

docker run -d --name gitlab-runner --restart always \
    -v /var/run/docker.sock:/var/run/docker.sock \
    -v gitlab-runner-config:/etc/gitlab-runner \
    gitlab/gitlab-runner:latest

• Registrar el runner
• Variables predefinidas

docker run --rm -it -v gitlab-runner-config:/etc/gitlab-runner gitlab/gitlab-runner:latest register

Pide una URL y un Token que se consiguen en <REPO> > Settings > CI/CD > Runners, usar docker como executor. y docker:latest como imagen

Hay que modificar el archivo config.toml del runner. Se puede acceder al mismo desde el host (la configuracion se monto como volumen) o desde el container. Hay que agregar privileged=true y en volumes: ["/cache", "/var/run/docker.sock:/var/run/docker.sock"].

Pipeline

Para crear un pipeline dentro de gitlab vamos a definir un archivo llamado .gitlab-ci.yml en la raiz del proyecto. En este caso, vamos a usar un pipeline que ejecute en docker, por eso la imagen del mismo sera image: docker:latest.

La estructura basica del archivo consiste en:

image: docker:latest

variables:
  IMAGE_BASE: "$CI_REGISTRY/$CI_PROJECT_NAMESPACE/$CI_PROJECT_NAME"
  ... 

stages:
  - prep
  - build
  - test
  - deliver
  - deploy

job1:
  ...
job2:
  ...

GitLab CI reference

En este caso estamos declarando la imagen mencionada, declaramos variables a ser utilizadas en el pipeline, definimos el orden y nombre de los stages y declaramos los jobs en cuestión.

En nuestro caso utilizamos un stage llamado prep para realizar tareas de preparacion previas a la ejecucion del pipeline. En particular, se utiliza este stage para definir los nombres de todas las imagenes a ser creadas a lo largo del pipeline. Estos valores sera almacendas en un artifact llamado context.env. Luego, a medida que sea necesario, cada job solicitara el artifact y obtendra los valores requeridos.

El uso de tags es importante para separar la ejecucion en los distinto ambientes. En este caso, eel ambiente de build + test y el ambiente productivo final.

Imagenes Docker

La idea de las imagenes es generar imagenes de testing que sean lo mas parecido a la imagen final. En el caso de python, la imagen de testing es una extension de la imagen productiva, se agregan las dependencias de testing y se hacen los ajustes pertinentes.