Eseguire la migrazione delle immagini container da un registro di terze parti

Se estrai alcune immagini container direttamente dai registri di terze parti il deployment in ambienti Google Cloud come Google Kubernetes Engine o Cloud Run, i limiti di frequenza per i pull delle immagini o le interruzioni di terze parti possono interrompere le build deployment di machine learning. In questa pagina viene descritto come identificare e copiare queste immagini in Artifact Registry per una gestione consolidata e coerente delle immagini container.

Artifact Registry non monitora i registri di terze parti alla ricerca di aggiornamenti per che copi in Artifact Registry. Se vuoi incorporare una nuova di un'immagine nella pipeline, devi eseguirne il push Artifact Registry.

Panoramica della migrazione

La migrazione delle immagini container include i seguenti passaggi:

  1. Configura i prerequisiti.
  2. Identifica le immagini di cui eseguire la migrazione.
    • Cerca nei file Dockerfile e nei manifest di deployment i riferimenti a registry di terze parti
    • Determinare la frequenza di pull delle immagini da registri di terze parti utilizzando Cloud Logging e BigQuery.
  3. Copia le immagini identificate in Artifact Registry.
  4. Verifica che le autorizzazioni per il Registro di sistema siano corrette configurato, in particolare se Artifact Registry e Google Cloud di deployment si trovano in progetti diversi.
  5. Aggiorna i file manifests per i deployment.
  6. Esegui di nuovo il deployment dei carichi di lavoro.

Prima di iniziare

  1. Verifica le tue autorizzazioni. Devi disporre del ruolo IAM Proprietario o Editor nei progetti in cui esegui la migrazione delle immagini ad Artifact Registry.

  2. Vai alla pagina del selettore progetti

    1. Seleziona il progetto Google Cloud in cui vuoi utilizzare Artifact Registry
    2. Nella console Google Cloud, vai a Cloud Shell

    3. Trova il tuo ID progetto e impostalo in Cloud Shell. Sostituisci YOUR_PROJECT_ID con l'ID progetto.

      gcloud config set project YOUR_PROJECT_ID

  3. Esporta le seguenti variabili di ambiente:

      export PROJECT=$(gcloud config get-value project)

  4. Abilita BigQuery, Artifact Registry e le API Cloud Monitoring con il comando seguente:

    gcloud services enable \
artifactregistry.googleapis.com \
stackdriver.googleapis.com \
logging.googleapis.com \
monitoring.googleapis.com

  5. Se al momento non utilizzi Artifact Registry, configura un repository per le tue immagini:

  6. Verifica che sia installata la versione 1.13 di Go o versioni successive.

    • Controlla la versione di un'installazione Go esistente con il comando:

      go version

    • Se devi installare o aggiornare Go, consulta la sezione documentazione di installazione.

Costi

Questa guida utilizza i seguenti componenti fatturabili di Google Cloud:

Identifica le immagini di cui eseguire la migrazione

Cerca i file che utilizzi per la creazione e il deployment delle immagini container riferimenti a registry di terze parti, quindi controlla la frequenza con cui esegui il pull delle immagini.

Identificare i riferimenti nei Dockerfile

Esegui questo passaggio in una posizione in cui sono archiviati i tuoi Dockerfile. Questo potrebbe dove il codice viene archiviato localmente o in Cloud Shell, se i file sono disponibili in una VM.

Nella directory con i tuoi Dockerfile, esegui il comando:

grep -inr -H --include Dockerfile\* "FROM" . | grep -i -v -E 'docker.pkg.dev|gcr.io'

L'output è simile all'esempio seguente:

./code/build/baseimage/Dockerfile:1:FROM debian:stretch
./code/build/ubuntubase/Dockerfile:1:FROM ubuntu:latest
./code/build/pythonbase/Dockerfile:1:FROM python:3.5-buster

Questo comando cerca in tutti i Dockerfile nella directory e identifica Riga "FROM". Modifica il comando in base alle tue esigenze in modo che corrisponda al modo in cui archivi i tuoi Dockerfile.

Identificare i riferimenti nei manifest

Esegui questo passaggio in una posizione in cui vengono archiviati i manifest di Cloud Run. Potrebbe essere qui il tuo codice in locale o in Cloud Shell, se i file disponibili in una VM.

  1. Nella directory con il tuo GKE o Cloud Run dei manifest eseguono il comando:

    grep -inr -H --include \*.yaml "image:" . | grep -i -v -E 'docker.pkg.dev|gcr.io'

    Esempio di output:

    ./code/deploy/k8s/ubuntu16-04.yaml:63: image: busybox:1.31.1-uclibc
./code/deploy/k8s/master.yaml:26:      image: kubernetes/redis:v1

    Questo comando esamina tutti i file YAML nella tua directory e identifica La riga image:, apporta le modifiche necessarie per gestire il modo in cui vengono archiviati i manifest

  2. Per elencare le immagini attualmente in esecuzione su un cluster, esegui il comando:

      kubectl get all --all-namespaces -o yaml | grep image: | grep -i -v -E 'docker.pkg.dev|gcr.io'

    Questo comando restituisce tutti gli oggetti in esecuzione nell'oggetto Kubernetes e ottiene i nomi delle immagini.

    Esempio di output:

    - image: nginx
  image: nginx:latest
    - image: nginx
    - image: nginx

Esegui questo comando per tutti i cluster GKE su tutti progetti Google Cloud per una copertura totale.

Identificare la frequenza di pull da un registro di terze parti

Nei progetti che eseguono il pull da registri di terze parti, usa informazioni sulla configurazione frequenza di pull per determinare se l'utilizzo è vicino o superiore a eventuali limiti di frequenza dal registry di terze parti.

Raccogliere i dati dei log

Crea un sink di log per esportare i dati in BigQuery. Un sink di log include una destinazione e una query che seleziona le voci di log da esportare. Puoi creare un sink eseguendo query su singoli progetti oppure puoi utilizzare uno script per raccogliere dati tra progetti.

Per creare un sink per un singolo progetto:

  1. Vai a Esplora log

  2. Scegli un progetto Google Cloud.

  3. Nella scheda Query Builder, inserisci la seguente query:

      resource.type="k8s_pod"
  jsonPayload.reason="Pulling"

  4. Filtro cronologia delle modifiche da Ultima 1 ora a Ultimi 7 giorni.

    immagine

  5. Fai clic su Esegui query.

  6. Dopo aver verificato la corretta visualizzazione dei risultati, fai clic su Azioni > Crea sink.

  7. Nell'elenco dei sink, seleziona Set di dati BigQuery, quindi fai clic su Avanti.

  8. Nel riquadro di modifica del sink, esegui questi passaggi:

    • Nel campo Nome sink, inserisci image_pull_logs.
    • Nel campo Destinazione sink, crea un nuovo set di dati o scegli set di dati di destinazione in un altro progetto.

  9. Fai clic su Crea sink.

Per creare un sink per più progetti:

  1. Apri Cloud Shell.

  2. Esegui questi comandi in Cloud Shell:

    PROJECTS="PROJECT-LIST"
DESTINATION_PROJECT="DATASET-PROJECT"
DATASET="DATASET-NAME"

for source_project in $PROJECTS
do
  gcloud logging --project="${source_project}" sinks create image_pull_logs bigquery.googleapis.com/projects/${DESTINATION_PROJECT}/datasets/${DATASET} --log-filter='resource.type="k8s_pod" jsonPayload.reason="Pulling"'
done

    dove

    • PROJECT-LIST è un elenco di ID progetto Google Cloud, separate da spazi. Ad esempio project1 project2 project3.
    • DATASET-PROJECT è il progetto in cui vuoi archiviare i tuoi del set di dati.
    • DATASET-NAME è il nome del set di dati, ad esempio image_pull_logs.

Dopo aver creato un sink, i dati impiegano del tempo per fluire tabelle BigQuery, a seconda della frequenza di estrazione delle immagini.

Query per la frequenza di pull

Una volta ottenuto un campione rappresentativo di estrazioni di immagini create dalle tue build, eseguire una query per la frequenza di pull.

  1. Vai alla console BigQuery.

  2. Esegui questa query:

    SELECT
  REGEXP_EXTRACT(jsonPayload.message, r'"(.*?)"') AS imageName,
  COUNT(*) AS numberOfPulls
FROM
      `DATASET-PROJECT.DATASET-NAME.events_*`
GROUP BY
      imageName
ORDER BY
      numberOfPulls DESC

    dove

    • DATASET-PROJECT è il progetto che contiene il tuo set di dati.
    • DATASET-NAME è il nome del set di dati.

L'esempio seguente mostra l'output della query. Nel campo imageName colonna, puoi rivedere la frequenza di pull per le immagini che non sono memorizzate Artifact Registry o Container Registry.

immagine

Copia immagini in Artifact Registry

Dopo aver identificato le immagini nei registri di terze parti, puoi e copiarli in Artifact Registry. Lo strumento gcrane ti aiuta il processo di copia.

  1. Crea un file di testo images.txt in Cloud Shell con i nomi dei le immagini identificate. Ad esempio:

    ubuntu:18.04
debian:buster
hello-world:latest
redis:buster
jupyter/tensorflow-notebook

  2. Scarica gcrane.

      GO111MODULE=on go get github.com/google/go-containerregistry/cmd/gcrane

  3. Crea uno script denominato copy_images.sh per copiare l'elenco di file.

    #!/bin/bash

images=$(cat images.txt)

if [ -z "${AR_PROJECT}" ]
then
    echo ERROR: AR_PROJECT must be set before running this
    exit 1
fi

for img in ${images}
do
    gcrane cp ${img} LOCATION-docker.pkg.dev/${AR_PROJECT}/${img}
done

    Sostituisci LOCATION con region o più regioni del tuo repository Git.

    Rendi eseguibile lo script:

      chmod +x copy_images.sh

  4. Esegui lo script per copiare i file:

    AR_PROJECT=${PROJECT}
./copy_images.sh

Verifica autorizzazioni

Per impostazione predefinita, i servizi CI/CD di Google Cloud hanno accesso Artifact Registry nello stesso progetto Google Cloud.

  • Cloud Build può eseguire il push e il pull delle immagini
  • Ambienti di runtime come GKE, Cloud Run, nell'ambiente flessibile di App Engine e Compute Engine può eseguire il pull delle immagini.

Se hai bisogno di eseguire il push o il pull delle immagini tra progetti o se usi gli strumenti di terze parti nella tua pipeline che devono accedere ad Artifact Registry, assicurati che le autorizzazioni siano configurate correttamente prima di eseguire l'aggiornamento rieseguire il deployment dei carichi di lavoro.

Per ulteriori informazioni, consulta la documentazione relativa al controllo dell'accesso.

Aggiorna i manifest per fare riferimento ad Artifact Registry

Aggiorna i Dockerfile e i tuoi manifest per fare riferimento ad Artifact Registry anziché in quello di terze parti.

L'esempio seguente mostra il manifest che fa riferimento a un registry di terze parti:

apiVersion: apps/v1
kind: Deployment
metadata:
  name: nginx-deployment
spec:
  selector:
    matchLabels:
      app: nginx
  replicas: 2
  template:
    metadata:
      labels:
        app: nginx
    spec:
      containers:
      - name: nginx
        image: nginx:1.14.2
        ports:
        - containerPort: 80

Questa versione aggiornata del manifest rimanda a un'immagine su us-docker.pkg.dev.

apiVersion: apps/v1
kind: Deployment
metadata:
  name: nginx-deployment
spec:
  selector:
    matchLabels:
      app: nginx
  replicas: 2
  template:
    metadata:
      labels:
        app: nginx
    spec:
      containers:
      - name: nginx
        image: us-docker.pkg.dev/<AR_PROJECT>/nginx:1.14.2
        ports:
        - containerPort: 80

Per un numero elevato di manifest, utilizza sed o un altro strumento in grado di gestire gli aggiornamenti di molti file di testo.

Esegui di nuovo il deployment dei carichi di lavoro

Esegui di nuovo il deployment dei carichi di lavoro con i manifest aggiornati.

Tieni traccia dei nuovi pull di immagini eseguendo la seguente query nel Console BigQuery:

SELECT`

FORMAT_TIMESTAMP("%D %R", timestamp) as timeOfImagePull,
REGEXP_EXTRACT(jsonPayload.message, r'"(.*?)"') AS imageName,
COUNT(*) AS numberOfPulls
FROM
  `image_pull_logs.events_*`
GROUP BY
  timeOfImagePull,
  imageName
ORDER BY
  timeOfImagePull DESC,
  numberOfPulls DESC

Tutti i nuovi pull di immagini devono provenire da Artifact Registry e contenere la stringa docker.pkg.dev.