如何使用Python Tekton构建Python Pipeline模板

Python Tekton是Tekton生态中针对Python项目优化的流水线工具，它基于Kubernetes原生设计，能够帮助开发者快速搭建适配Python项目的CI CD流程，而Python Pipeline模板则是复用流水线逻辑的核心载体，能减少重复配置的工作量。

Python Tekton核心概念

在搭建Python Pipeline模板之前，需要先了解几个核心概念：

• Task：最小的可执行单元，比如安装依赖、运行测试、打包镜像等操作都可以封装成一个Task。
• Pipeline：由多个Task组成的完整流水线，定义Task之间的执行顺序和依赖关系。
• PipelineResource：流水线的输入和输出资源，比如Git代码仓库、镜像仓库等。
• PipelineRun：Pipeline的一次执行实例，用来触发流水线运行。

Python Pipeline模板基础结构

一个完整的Python Pipeline模板通常包含资源定义、Task定义、Pipeline定义三个部分，下面分别给出对应的配置示例。

1. 定义Pipeline资源

首先定义Git代码资源和镜像输出资源，代码如下：

apiVersion: tekton.dev/v1beta1
kind: PipelineResource
metadata:
  name: python-git-source
spec:
  type: git
  params:
    - name: url
      value: https://ipipp.com/python-demo.git
    - name: revision
      value: main
---
apiVersion: tekton.dev/v1beta1
kind: PipelineResource
metadata:
  name: python-image-output
spec:
  type: image
  params:
    - name: url
      value: ipipp.com/python-demo:latest

2. 定义Python项目通用Task

我们定义两个常用Task，分别是安装Python依赖和运行测试用例：

apiVersion: tekton.dev/v1beta1
kind: Task
metadata:
  name: install-python-deps
spec:
  params:
    - name: PYTHON_VERSION
      description: Python版本
      default: "3.9"
  steps:
    - name: install-deps
      image: python:<PYTHON_VERSION>
      workingDir: /workspace/source
      script: |
        # 升级pip工具
        pip install --upgrade pip
        # 安装项目依赖
        if [ -f requirements.txt ]; then
          pip install -r requirements.txt
        fi
---
apiVersion: tekton.dev/v1beta1
kind: Task
metadata:
  name: run-python-tests
spec:
  steps:
    - name: run-test
      image: python:3.9
      workingDir: /workspace/source
      script: |
        # 执行pytest测试
        python -m pytest tests/ -v

3. 组装Python Pipeline模板

将上面的资源和Task组合成完整的Pipeline模板，定义执行顺序：

apiVersion: tekton.dev/v1beta1
kind: Pipeline
metadata:
  name: python-pipeline-template
spec:
  resources:
    - name: source-repo
      type: git
    - name: image-output
      type: image
  tasks:
    - name: fetch-source
      taskRef:
        name: git-clone
      resources:
        inputs:
          - name: url
            resource: source-repo
        outputs:
          - name: source
            resource: source-repo
    - name: install-deps
      taskRef:
        name: install-python-deps
      resources:
        inputs:
          - name: source
            resource: source-repo
      runAfter:
        - fetch-source
    - name: run-tests
      taskRef:
        name: run-python-tests
      resources:
        inputs:
          - name: source
            resource: source-repo
      runAfter:
        - install-deps
    - name: build-image
      taskRef:
        name: kaniko
      resources:
        inputs:
          - name: source
            resource: source-repo
          - name: image
            resource: image-output
      runAfter:
        - run-tests

触发Pipeline运行

定义好Pipeline模板后，可以通过PipelineRun触发执行，示例配置如下：

apiVersion: tekton.dev/v1beta1
kind: PipelineRun
metadata:
  name: python-pipeline-run
spec:
  pipelineRef:
    name: python-pipeline-template
  resources:
    - name: source-repo
      resourceRef:
        name: python-git-source
    - name: image-output
      resourceRef:
        name: python-image-output
  serviceAccountName: tekton-pipeline-sa

模板优化建议

在实际使用中，可以对Python Pipeline模板做如下优化：

• 将Python版本、依赖安装命令等参数抽成Pipeline的参数，提升模板通用性。
• 增加缓存机制，比如缓存pip下载的依赖包，减少重复安装的时间。
• 添加通知步骤，当流水线执行完成或者失败时，发送通知到企业微信或者钉钉。
• 对测试结果和代码覆盖率做持久化存储，方便后续查看。

通过上述步骤，就可以搭建出适配Python项目的通用Pipeline模板，后续新的Python项目只需要复用该模板，修改对应的资源和参数即可快速完成CI CD流程的配置。

Python_TektonPython_PipelineCI_CD流水线模板修改时间：2026-07-08 15:06:12