【gitlab】认识 持续集成与部署

embedded/2025/2/26 20:42:46/

持续集成(CI)与持续部署(CD)

1. 什么是持续集成(CI)?

持续集成(Continuous Integration,CI)是一种软件开发实践,强调开发人员频繁地将代码提交到共享代码库,并通过自动化构建和测试快速反馈问题。

CI 的关键特性

特性说明
代码频繁提交确保集成的代码及时合并,减少冲突。
自动化构建每次代码提交触发构建,确保代码能正确编译。
自动化测试运行单元测试、代码规范扫描等,保证质量。
快速反馈及时发现错误,尽早修复,提高团队协作效率。

2. 什么是持续部署(CD)?

持续部署(Continuous Deployment,CD)是将构建后的制品自动部署到不同环境(测试、预生产、生产)的过程。它的目标是让开发的功能尽快交付给用户。

CD 的关键特性

特性说明
自动化部署代码通过 CI 流程后,自动化推送到部署环境。
版本管理明确版本控制,支持回滚。
快速反馈让测试和运维团队尽早介入,降低风险。
最终用户可见生产环境部署后,用户可以直接使用新功能。

3. 为什么要使用 CI/CD?

CI/CD 提供了一套高效的软件交付方式,带来了多种优势:

  • 加快产品研发进程:减少手动构建和部署的时间。
  • 更早发现问题:频繁集成和测试,避免大版本合并时的冲突。
  • 降低人为错误:自动化流程减少手动干预,提高稳定性。
  • 提高团队协同效率:产品、开发、测试、运维团队更高效协作。
  • 更专注于业务逻辑:减少开发人员在集成和部署上的额外工作。

4. CI/CD 存在的问题

尽管 CI/CD 有诸多优点,但在落地时可能面临以下挑战:

问题说明
需要一定技术门槛需要有 CI/CD 经验的团队支持。
不是所有测试都能自动化例如 UI 测试、部分人工测试仍需手动干预。
需要良好的协作开发、测试、运维需要明确职责,避免影响彼此流程。
需要较长时间实践CI/CD 体系需要持续优化和演进,才能适应团队需求。
可能与现有流程冲突需要逐步推进,可能遭遇组织内部阻力。

5. 三种常见的发布策略

CI/CD 体系下,有三种常见的发布策略,分别是蓝绿发布、A/B 测试和金丝雀发布。

5.1 蓝绿发布(Blue-Green Deployment)

  • 思路:将服务集群分为两组(蓝色和绿色),新版本在一组部署后,切换流量至该组,旧版本作为热备。
  • 优点
    • 结构简单,部署方便。
    • 切换和回滚速度快,影响面小。
  • 缺点
    • 需要双倍资源,以支持两个版本的运行。
    • 如果新版本故障,仍可能影响全部用户。

5.2 A/B 测试(A/B Testing)

  • 思路:根据 HTTP 头部或 Cookie,将部分用户流量定向到新版本,观察效果后再决定全量发布。
  • 优点
    • 影响范围可控。
    • 适合 UI/UX 变更的逐步测试。
  • 缺点
    • 需要流量监控和用户行为分析能力。
    • 发布周期较长。

5.3 金丝雀发布(Canary Deployment)

  • 思路:最初只让少部分用户使用新版本,逐步增加流量,最终完全替换旧版本。
  • 优点
    • 资源利用率高。
    • 风险最小,新版本故障影响范围小。
  • 缺点
    • 发布周期长。
    • 可能会影响关键用户。

6. 基于 GitLab 的持续集成案例

以下是一个基于 GitLab 的持续集成(CI)案例详解


案例背景

假设你有一个简单的 Node.js Web 项目,项目结构如下:

my-web-app/├── src/│   └── index.js├── test/│   └── index.test.js├── package.json└── .gitlab-ci.yml

目标:通过 GitLab CI/CD 实现自动化测试、构建和部署。


一、GitLab CI 基础知识

  1. 核心概念

    • Pipeline:一次 CI/CD 流程的完整过程。
    • Stage:Pipeline 的阶段(如 test, build, deploy)。
    • Job:每个阶段中的具体任务(如运行测试、打包代码)。
  2. 配置文件.gitlab-ci.yml
    定义 CI/CD 流程的规则,需放在项目根目录。


二、配置持续集成流程

gitlabciyml__110">步骤 1:创建 .gitlab-ci.yml 文件
# 定义 Pipeline 的阶段(按顺序执行)
stages:- test- build- deploy# 定义缓存 node_modules 加速后续流程
cache:paths:- node_modules/# 定义全局环境变量
variables:NODE_VERSION: "18"# 1. 测试阶段
test_job:stage: testimage: node:$NODE_VERSION  # 使用 Node.js 官方镜像before_script:- npm install  # 安装依赖script:- npm test     # 运行测试# 2. 构建阶段
build_job:stage: buildimage: node:$NODE_VERSIONscript:- npm run build  # 假设 package.json 中有 build 脚本artifacts:paths:- dist/       # 将构建产物传递给后续阶段# 3. 部署阶段(示例:部署到 GitLab Pages)
deploy_job:stage: deployimage: alpine:latestscript:- echo "将 dist/ 目录部署到 GitLab Pages..."- mv dist/ public/  # GitLab Pages 默认从 public 目录部署rules:- if: $CI_COMMIT_BRANCH == "main"  # 仅 main 分支触发部署

步骤 2:配置 GitLab Runner
  1. 什么是 Runner
    一个执行 CI/CD 任务的程序,需注册到 GitLab 项目。

  2. 如何配置

    • 进入 GitLab 项目 → Settings → CI/CD → Runners
    • 选择 Shared Runner(GitLab 提供)或手动安装 Specific Runner
    • 本地安装 Runner 示例(需服务器或本地机器):
      # 下载 Runner 并安装
      curl -LJO "https://gitlab-runner-downloads.s3.amazonaws.com/latest/deb/gitlab-runner_amd64.deb"
      sudo dpkg -i gitlab-runner_amd64.deb# 注册 Runner(按提示填写 GitLab URL 和 Token)
      sudo gitlab-runner register
      

步骤 3:触发 Pipeline
  1. 将代码推送到 GitLab 仓库。
  2. 进入 GitLab 项目 → CI/CD → Pipelines,查看运行状态。
  3. 点击 Jobs 可查看详细日志。

三、流程详解

  1. 测试阶段

    • 使用 Node.js 镜像安装依赖并运行测试。
    • 若测试失败,Pipeline 终止并通知。
  2. 构建阶段

    • 生成静态文件(如 dist/ 目录)。
    • artifacts 将产物传递给后续阶段。
  3. 部署阶段

    • 仅当提交到 main 分支时触发。
    • dist/ 重命名为 public/,自动部署到 GitLab Pages。

四、优化与注意事项

  1. 缓存依赖

    cache:key: ${CI_COMMIT_REF_SLUG}  # 按分支缓存paths:- node_modules/
    
  2. 环境变量管理
    敏感信息(如 API 密钥)应在 GitLab 项目 → Settings → CI/CD → Variables 中配置。

  3. 仅针对特定分支

    job_name:rules:- if: $CI_COMMIT_BRANCH == "main"
    
  4. 手动部署

    deploy_job:when: manual  # 手动点击触发
    

https://github.com/0voice


http://www.ppmy.cn/embedded/167354.html

相关文章

Linux的目录结构

linux的文件系统是采用级层式的树状目录结构,在此结构中的最上层是根目录“/”,然后在此目录下再创建其他的目录。Linux中有许多规定好的目录名字,不允许修改。 在Linux世界里,一切皆文件。把硬件当做文件来管理。 具体目录结构…

Java 数学函数库

文章目录 前言为什么用 Java 编写代码量项目结构核心模块 math-library常规整数有理数有限小数进制数复数集合离散函数统计 自研算法大有理数转化为 double 自创概念数排编码组合编码二进制编码 概率组合选概率 压缩均匀压缩 核心模块 math-built-in-type基础计算统计排列组合操…

sage-huga改进SITAN

Sage-Husa自适应滤波算法 Sage-Husa自适应滤波算法是一种在递推滤波过程中实时估计和修正系统噪声和观测噪声统计特性的算法,从而降低系统模型误差,提高滤波精度。该算法基于卡尔曼滤波,并通过自适应调整噪声协方差矩阵来优化滤波效果。 算法原理 Sage-Husa滤波器的核心思…

【Win10】Anaconda + Pycharm 环境搭建教程

一、 Anaconda 安装包下载 1. Anaconda官方 https://www.anaconda.com/ 下载较慢, 页面直观 2. 清华镜像站 https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ 二、 Pycharm 安装包下载 https://www.jetbrains.com/pycharm/ 进入官网后,点击此处的Do…

MFC笔记:本专栏课件

专栏导航 上一篇:在VS2019里面,调整代码字体大小 回到目录 下一篇:无 本节前言 在之前的讲解里面,我讲解了 Visual Studio 软件的一些个基础操作步骤。从本节开始,我们进入预备章。 本节内容,属于是 …

故障诊断 | DCS差异创意搜索算法优化CatBoost故障诊断(MatlabPython)

目录 效果一览文章概述故障诊断 | DCS差异创意搜索算法优化CatBoost故障诊断(Matlab&Python)DCS差异创意搜索算法优化CatBoost故障诊断一、引言1.1、研究背景和意义1.2、研究现状1.3、研究目的与方法二、DCS差异创意搜索算法2.1、算法原理2.2、算法流程2.3、创新点分析三…

STM32-智能台灯项目

一、项目需求 1. 红外传感器检测是否有人,有人的话实时检测距离,过近则报警;同时计时,超过固定时间则报警; 2. 按键 1 切换工作模式:智能模式、按键模式、远程模式; 3. 智能模式下,根…

自动驾驶两个传感器之间的坐标系转换

有两种方式可以实现两个坐标系的转换。 车身坐标系下一个点p_car,需要转换到相机坐标系下,旋转矩阵R_car2Cam,平移矩阵T_car2Cam。点p_car在相机坐标系下记p_cam. 方法1:先旋转再平移 p_cam T_car2Cam * p_car T_car2Cam 需要注…