关于amazon:使用-Terraform-与事件驱动的-Amazon-CodeBuild-提升云上数据应用运维效率

背景信息

企业客户在云上部署的一系列数据利用的过程中，数据开发团队往往负责脚本内容，而其背地一系列云上资源的治理通常由一支云运维职能团队通过 IaC（Infrastructre as Code）实现。然而，当数据开发团队开发及部署相应脚本内容时，不可避免会波及到云上资源的变动，如 Glue、Lambda 的资源增改等。这就造成了两个团队在职能边界上的紧耦合：数据开发团队的迭代内容都须要提报需要至云运维团队进行相应 IaC 的运维，单方都减少了工作量。

优化计划概述

为了加重数据利用代码增改给单方带来的额定压力，本文通过一个案例动手，优化数据利用增改及部署过程中的要害流程：数据开发团队通过接口化的模式调用相应 Terraform module，配合 Amazon CodePipeline 或 EventBridge 驱动的事件模式来实现 CI/CD 流水线。

此案例中，云运维团队负责 IaC 模块的部署和运维，应用 Terraform Cloud Workspace 进行 IaC 代码公布与治理。数据开发团队负责针对具体的 ETL 工作场景开发 Glue 脚本，应用 CodeCommit 进行代码治理，应用 CodeBuild 实现 CI/CD 内容，最初通过 CodePipeline 或 EventBridge 实现 CI/CD 流水线的串联。两支团队配合实现以下场景：

“某企业 hr 部门须要将某数据源摄取至 MySQL 中供上游数据利用应用。在数据工程师实现 Glue 脚本开发后，应用云运维团队开发的 Glue 模版批量新建 Glue 脚本（Python shell 模版）资源。在后续数据工程师新建或批改 Glue 脚本时，这一套流水线能主动捕捉 CodeCommit 中的变更内容，并同步内容至 s3。s3 的变更将会间接反馈至 Terraform 中触发新建 / 更新资源的性能，不须要 IaC 开发 / 云运维团队的染指。”

下文的优化计划将会清晰定义云运维团队和数据开发团队在开发、保护云上数据利用时的责任边界。

施行步骤

(1) 对立流程与标准
数据开发团队与云运维团队间确认要害流程及步骤，包含 CI/CD 流水线如何实现，Glue 脚本的上传形式和存储地位，资源所需的配置信息（如实例类型，所需的 IAM 权限，网络）等。

(2) Terraform 脚本开发
云运维团队负责 Glue 资源的 IaC 脚本开发，内容包含：配置参数，新增 / 变更资源的代码。开发好的内容会对立搁置在 glue-etl 目录下。此目录中内容示例如下：

|____glue-etl
| |____output.tf
| |____data.tf
| |____main.tf
| |____Readme.md
| |____policy.tf
| |____variables.tf

云运维团队对 glue-etl 模块进行封装 (module) 以及公布至 Terraform Cloud 相应的 Workspace 内。

上述 glue-etl 模块中蕴含以下内容：

• tf 中蕴含了此 module 输入的一系列参数。
• tf 蕴含了对 Amazon 环境中已有的一些资源的援用，如：以后所在区域，以后用户信息，Glue 脚本所须要拜访的数据库所在的 Secret Manager 密钥串，和部署 Glue 资源所需的子网组等必要信息。
• tf 中蕴含了 Glue 执行时所需的 IAM 角色对应的相干 IAM Policy 汇合。
• tf 中蕴含了须要用户调用此 module 须要传入的一系列配置参数。
• 因为篇幅问题，上述.tf 具体代码内容已略去。

(3) 监听 s3 内容变更

在云运维团队实现 glue-etl module 的开发与上传至 Terraform Workspace 后，数据开发团队须要初始化一份 .tf 文件，应用 local 关键词将脚本上传门路（如下方代码块中的变量 bucket_name, job_path_prefix 和 line_of_business 中）增加到 .tf 文件中。

locals {
  bucket_name = "sample-bucket-glueetl"
  job_path_prefix = toset(["hr-mysql-source1-python-scripts"])
  line_of_business = "hr-department"
}

第二步，通过 Terraform 提供的 data.aws_s3_bucket_objects 获取 Glue 脚本在 s3 上的寄存门路。

data "aws_s3_bucket_objects" "glue_job_objects_for_people_mdm_staging" {
  for_each = local.job_path_prefix
  bucket   = local.bucket_name
  prefix   = "${local.line_of_business}/${each.key}"
}

下一步，配置 Glue module 所需的输出参数。以下示例中展示了如何通过字符串操作将 Glue 作业名与上传的脚本名进行对应（映射规定能够自定，本例中以 .py 文件前缀作为 Glue 作业名，见 Figure 8），并放入 job-name-map 的 local 变量中。在理论利用中，您有可能须要配置不止一个 local 变量作为 module 的输出参数。

locals {
  job_name_map  = { 
for job_prefix in 
[for job_name in 
[for py_name in data.aws_s3_bucket_objects.glue_job_objects_for_people_mdm_staging["hr-mysql-source1-python-scripts"].keys : split("/", py_name)[2]
] : split(".", job_name)[0]
] : job_prefix => "${job_prefix}.py" if job_prefix != "" }
}

最初，通过调用在 Terraform Cloud Workspace 中的 module（此例中为 glue-etl）批量创立某一规格下的 Glue Python shell 脚本。

module "glue-etl-type1" {
  source                                  = "app.terraform.io/repo/glue-etl/aws"
  subnet_list                             = ["subnet-1","subnet-2","subnet-3"]
  bucket_name                             = local.bucket_name
  line_of_business                          =  local.line_of_business
  secret_manager_id                       = "some-secretmanager-id"
  if_connection                           = true
  conn_name                               = local.connection_name_staging
  glue_job_name_list_for_python  = local.job_name_map
  max_concurrent_runs_for_python = 4
  max_retries_for_python         = 0
}

(4) 实现 CodeBuild 驱动的 CI/CD 流水线

本文应用 EventBridge 来串联 CodeCommit 与 CodeBuild，您也能够依据应用习惯抉择 Amazon CodePipeline 实现同样的性能。在开始之前，请您务必确保相应的 Amazon CodeCommit 与 CodeBuild 曾经被初始化。

设置 CodeCommit 仓库增、改事件触发的 EventBridge 规定，如下所示。

{
  "source": ["aws.codecommit"],
  "detail-type": ["CodeCommit Repository State Change"],
  "detail": {
    "event": [
      "referenceCreated",
      "referenceUpdated"
    ]
  }
}

为此规定配置 Input Transformer，别离定义输出门路及输出模版，如下所示：

{"referenceType":"$.detail.referenceType","region":"$.region","repositoryName":"$.detail.repositoryName","account":"$.account","referenceName":"$.detail.referenceName"}

{"environmentVariablesOverride": [
      {
          "name": "REFERENCE_NAME",
          "value": <referenceName>
       },
      {
          "name": "REFERENCE_TYPE",
          "value": <referenceType>
       },
      {
          "name": "REPOSITORY_NAME",
          "value": <repositoryName>
       },
      {
          "name": "REPO_REGION",
          "value": <region>
       },
       {
          "name": "ACCOUNT_ID",
          "value": <account>
       }
 ]}

配置 buildspec.yml，体现 CI/CD 流水线具体流程。本例中，流水线内容包含：

• 装置 git-remote-codecommit 以及其余代码中所需的 Python 依赖包（本例中应用 Makefile 装置依赖）或命令（如本例中的 Terraform）
• 实现对 ETL 脚本或.tf 文件代码的 CI 过程，如代码质量检查，语法查看，安全漏洞扫描，Unit Test 等
• 当 CI 过程完结后，同步 CodeCommit 中更新的代码至寄存 Glue 内容的 s3 门路中。当 s3 收到更新代码后，进行以下操作：
• Terraform 的语法查看(terraform fmt, validate & lint)
• 资源变更查看(terraform plan)
• 最终公布(terraform apply)

AWS CodeBuildversion: 0.2

env:
  variables:
    TF_VERSION: "1.0.6"
    
phases:
  install:
    runtime-versions:
      python: 3.8
    commands:
      - pip install git-remote-codecommit
      - make install
  pre_build:
    commands:
      - echo Hello pre build
      - cd /usr/bin
      - "curl -s -qL -o terraform.zip https://releases.hashicorp.com/terraform/${TF_VERSION}/terraform_${TF_VERSION}_linux_amd64.zip"
      - unzip -o terraform.zip
      - cd -
  build:
    commands:
      - echo build
      - make format
      - make lint
      - make test
      - env
      - git clone -b $REFERENCE_NAME codecommit::$REPO_REGION://$REPOSITORY_NAME
      - dt=$(date '+%d-%m-%Y-%H:%M:%S');
      - echo "$dt" 
      - aws s3 sync . s3://sample-bucket-glueetl/hr-mysql-source1-python-scripts/
      - terraform init
      - terraform fmt -recursive
      - terraform validate
      - terraform apply -auto-approve
  post_build:
    commands:
      - echo post build 
      - echo "terraform fmt & validate apply completed on `date`"
      - echo "Makefile completed on `date`"

将 buildspec.yml 文件上传至 CodeCommit 对应仓库内，新建 CodeBuild 我的项目并指向该仓库，应用 EventBridge 作为事件触发器监听 CodeCommit 内容变更，并将事件输入至 CodeBuild，实现一整套 CI/CD 流水线。架构如下所示：

注意事项

为了实现上述解决方案，您须要留神各 Amazon 服务间的拜访权限，所需的 IAM 角色执行权限是否足够等问题。
本文探讨的办法对于不同配置的 Glue 脚本，无奈实现资源新建的齐全自动化。须要数据开发团队从新调用对应 Terraform module 并按需反复上述流程。
本文提供的计划仅针对应用 Amazon Code 组件治理代码版本以及公布的场景。对于内部代码治理组件及 CI/CD 工具，本文不做进一步探讨。
总结
本文通过一个具体的案例，展示了数据开发人员通过 Terraform Cloud Workspace 调用远端 IaC 模块（module），联合 EventBridge 驱动的 Amazon CodeCommit 和 Amazon CodeBuild 开发 CI/CD 流水线，主动捕捉数据利用脚本内的变更内容并批量创立相应的云上资源。通过对数据利用相干的资源管理与代码变更公布流程的自动化，云运维团队加重了代码资产新增 / 变更带来的治理压力 – 他们不再须要关怀数据利用中的代码增改带来的额定工作量，而数据开发团队也能够专一于 ETL 脚本的代码开发及运维，不须要放心代码变更对云上资源带来的后续影响。

参考文档

[1] 利用 Amazon Code 组件向 s3 主动备份材料

[2] 利用 Input Transformer 定制 EventBridge 的事件信息

本篇作者

毛元祺
Amazon 业余服务团队数据科学家。负责统计学习、机器学习、数据挖掘以及云上数据平台设计方面的相干咨询服务。服务行业囊括医疗，金融，无人驾驶等，积攒了丰盛的开发运维教训

梁宇
Amazon 业余服务团队 DevOps 参谋，次要负责 DevOps 技术施行。尤为热衷云原生服务及其相干技术。在工作之余，他喜爱静止，以及和家人一起游览。

文章起源：https://dev.amazoncloud.cn/column/article/6309c09ed4155422a46…