「持续集成实践系列」Jenkins 2.x 搭建CI需要掌握的硬核要点(一)

简介: 「持续集成实践系列」Jenkins 2.x 搭建CI需要掌握的硬核要点(一)

1. 前言


随着互联网软件行业快速发展,为了抢占市场先机,企业不得不持续提高软件的交付效率。特别是现在国内越来越多企业已经在逐步引入DevOps研发模式的变迁,在这些背景催促之下,对于企业研发团队所需要具备的持续集成和持续交付(简称CI/CD)能力变得越来越不可或缺。


相信现在不管是开发人员、测试人员或者是运维人员,在求职招聘时,基本上如果是面试的是中高级以上的职位,大多都要求要具备相关CI/CD的项目建设或参与搭建经验。


为了帮助到更多公号技术读者,公号从本周起,将以《持续集成实践系列》为主题,分享几篇搭建CI持续集成实践的技术干货。


关于持续集成和持续交付(CI/CD)概念的介绍,公号之前的文章:DevOps研发模式下CI/CD实践详解指南 中有过较详细的介绍,如果还不清楚什么是CI/CD的读者,可以在阅读本文前先,参考一下这篇文章。


2. CI系列大纲


市面上关于CI/CD的建设如果仅从工具、框架层面来讲,方案有挺多,如TeamCity、GitLab CI、Bamboo、Circle CI、Travis CI、Jenkins、公司自研(在研发建设CI/CD能力时,除了CI/CD工具、框架链的建设外,还包括研发协同文化的建设等, 文化层面的这个不在本系列的讨论范围内)。


而在众多的持续集成CI建设工具体系中,Jenkins基本上可以说是独占鳌头,也是大多数公司最常用、最首选的工具之一,占据了将近70%以上的市场。


而随着Jenkins本身的不断发展,当前Jenkins已演变发展到了2.x系列,在Jenkins 2.x系列中,其中最核心的特性是引入了流水线机制,并提出了流水线即代码(pipeline as code)的理念。


因此本系列也将以Jenkins 2.x作为《持续集成实践系列》的载体,为大家介绍在结合Jenkins 2.x搭建持续集成CI能力过程中常见的一些知识要点和实现过程。


系列大纲分为(初步拟订):

  • Jenkins 2.x 搭建CI需要掌握的硬核要点(一)
  • Jenkins 2.x 搭建CI流水线执行流程(二)
  • Jenkins 2.x 搭建CI流水线实现案例(三)
  • Jenkins 2.x 搭建CI流水线通知机制(四)
  • Jenkins 2.x 搭建CI扩展流水线:自定义共享库(五)


3. 先介绍一下Jenkins 2.x


Jenkins 2本身的概念比较宽泛。在特定的上下文环境中,它用来泛指支持流水线即代码及其它类似Jenkinsfile等新特性的新版Jenkins。

 

Jenkins 1.X版本主要通过插件的方式来实现,确切地讲,Jenkins 2也是通过对已有插件的重点升级和新插件的引入来获取新功能。

 

相比之前,用户只能通过WEB界面进行配置的方式来定义Jenkins任务,Jenkins 2则通过使用Jenkins DSL和Groovy语言编写程序,用户可以定义流水线并执行各种任务。

 

这里提到的DSL代表领域特定语言(Domain-Specific Language),可以理解为一种适用于Jenkins的编程语言。DSL基于Grovvy实现,并通过概念和结构封装了Jenkins的特定功能。

 

Jenkins 2推荐使用名为Jenkinsfile的文件保存任务配置和流水线信息,不同的项目和分支都会有自己的Jenkinsfile,其内容各不相同。你可以将全部代码写在一个Jenkinsfile中,也可以通过共享库的方式调用外部代码。


4. Jenkins 2.x 实现流水线的两种语


当我们通过Jenkins 2.x实现流水线时,有两种不同的语法样式:脚本式语法(script syntax)和声明式语法(declarative syntax)。


脚本式语法(script syntax)是Jenkins最开始实现流水线即代码的方式,这是一种命令式风格,在以前版本的Jenkins中,流水线即代码大体就是Groovy脚本,其中插件部分针对Jenkins的DSL步骤。这种方式几乎没有结构上的约束,程序流程也基于Groovy语法结构实现。

 

这种模式现在被称为脚本式流水线。在脚本式流水线中,DSL支持为数众多的任务步骤,但是仍然缺失了部分面向Jenkins任务的核心特性,比如,构建后处理、流水线结构错误检查以及基于不同执行状态发送通知的功能。当然大多数功能都可以通过Groovy编程机制来模拟实现,比如try-catch-finally语法。但是这在面向Jenkins编程的基础上对Groovy语言技能提出了更高的要求。


声明式语法,是Jenkins提供的一种新的选择,声明式风格的流水线代码被编排在清晰的段落中,相对于只关注实现逻辑。


5. 如何选择脚本式语法或声明式语法


那么有哪些因素会影响选择脚本式语法或声明式语法呢?和大多数事情一样,这也不是一个严谨的科学问题。在特定的情况下,对比需求、实现的结构和流程以及构建流水线的人员技能和背景,二者可能各有千秋。


 

比如,脚本式流水线具有以下优点:

  • 更少的代码段落和弱规范要求。
  • 更强大的程序代码能力。
  • 更像编写代码程序。
  • 传统的流水线即代码模型,用户熟悉并向后兼容性。
  • 更灵活的自定义代码操作。
  • 能够构建更复杂的工作流和流水线。

 

但同时,脚本式流水线也具有以下缺点:

  • 普遍要求更高的编程水平。
  • 语法检查受限于Groovy语言及环境。
  • 和传统的Jenkins模型有很大差异。
  • 与声明式流水线的实现相比,同一工作流会更复杂。


看一则简单的,脚本式流水线示例:

1node("worker_node1"){
 2    stage("Source"){
 3        //从Git仓库中获取代码
 4        git 'git@github.com:zhoujinjian/intelligent-test-platform.git'
 5    }
 6    stage("Compile"){
 7        //运行Gradle进行编译和单元测试
 8        sh "gradle clean comileJava test"
 9    }
10}


而声明式流水线优点有:

  • 更结构化,贴近传统的Jenkins Web表单形式。
  • 更强大的声明内容能力,高可读性。
  • 可以能过Blue Ocean图形化界面自动生成。
  • 段落可映射到常见的Jenkins概念,比如通过。
  • 更友好的语法检查和错误识别。
  • 提升流水线间的一致性。

 

但如此同时,声明式流水线的缺点也很明显:

  • 对迭代逻辑支持较弱(相比程序而已)
  • 对于传统的Jenkins中部分功能缺乏支持。
  • 更严格的结构。
  • 目前对于复杂的流水线和工作流难以胜任。



声明式流水线示例:

1pipeline{
 2    agent{
 3        lable "worker_node1"
 4    }
 5    stages{
 6        stage("Source"){
 7            steps{
 8                 //从Git仓库中获取代码
 9                git 'git@github.com:zhoujinjian/intelligent-test-platform.git'
10            }
11        }
12        stage("Compile"){
13            steps{
14                //运行Gradle进行编译和单元测试
15                sh "gradle clean comileJava test" 
16            }
17        }
18    }
19}


简而言之,对于新用户和那些希望流水线具备传统Jenkins一样可读性的用户来说,声明式流水线更容易学习和维护。脚本式流水线更加灵活,允许用户不受结构结束实现更多功能。

 

不过,总的来说,任何一种流水线类型对大多数场景而言同样适用。好了本文作为CI持续集成系列的开篇,先介绍到这里吧。



如果你觉得文章还不错,请大家点赞分享下。你的肯定是我最大的鼓励和支持。


目录
相关文章
|
19天前
|
人工智能 自然语言处理 安全
代码静态扫描工具集成与实践
代码静态扫描工具(Static Application Security Testing, SAST)是在不运行代码的情况下,通过分析源代码或二进制代码来发现潜在安全漏洞、代码缺陷和质量问题的工具
139 4
|
19天前
|
Java 测试技术 API
自动化测试工具集成及实践
自动化测试用例的覆盖度及关键点最佳实践、自动化测试工具、集成方法、自动化脚本编写等(兼容多语言(Java、Python、Go、C++、C#等)、多框架(Spring、React、Vue等))
64 6
|
19天前
|
安全 JavaScript 前端开发
安全漏洞检测集成及实践:SAST/DAST工具集成指南
通过合理集成和配置SAST/DAST工具,可以显著提升应用程序的安全性,并在开发早期发现和修复漏洞,降低安全风险和维护成本
84 4
|
1月前
|
机器学习/深度学习 边缘计算 数据可视化
MyEMS 深度解析:碳管理赋能与系统集成的实践路径
MyEMS 是一款集碳管理与能源优化于一体的开源系统,具备多标准碳核算、碳足迹可视化、碳成本分析等功能,助力企业实现精准碳减排。系统支持与工业、建筑、政务平台等多系统集成,打破数据孤岛,提升能效。依托活跃的开源社区与丰富实践案例,MyEMS 持续迭代,推动绿色转型。
73 1
|
2月前
|
人工智能 自然语言处理 安全
Python构建MCP服务器:从工具封装到AI集成的全流程实践
MCP协议为AI提供标准化工具调用接口,助力模型高效操作现实世界。
444 1
|
2月前
|
供应链 监控 搜索推荐
35页PPT|零售行业自助数据分析方法论:指标体系构建平台集成、会员与商品精细化运营实践
在零售行业环境剧变的背景下,传统“人找货”模式正被“货找人”取代。消费者需求日益个性化,购买路径多元化,企业亟需构建统一的指标体系,借助BI平台实现数据驱动的精细化运营。本文从指标体系构建、平台集成到会员与商品运营实践,系统梳理零售经营分析的方法论,助力企业实现敏捷决策与业务闭环。
35页PPT|零售行业自助数据分析方法论:指标体系构建平台集成、会员与商品精细化运营实践
|
3月前
|
Cloud Native 中间件 调度
云原生信息提取系统:容器化流程与CI/CD集成实践
本文介绍如何通过工程化手段解决数据提取任务中的稳定性与部署难题。结合 Scrapy、Docker、代理中间件与 CI/CD 工具,构建可自动运行、持续迭代的云原生信息提取系统,实现结构化数据采集与标准化交付。
114 1
云原生信息提取系统:容器化流程与CI/CD集成实践
|
8月前
|
人工智能 Kubernetes jenkins
容器化AI模型的持续集成与持续交付(CI/CD):自动化模型更新与部署
在前几篇文章中,我们探讨了容器化AI模型的部署、监控、弹性伸缩及安全防护。为加速模型迭代以适应新数据和业务需求,需实现容器化AI模型的持续集成与持续交付(CI/CD)。CI/CD通过自动化构建、测试和部署流程,提高模型更新速度和质量,降低部署风险,增强团队协作。使用Jenkins和Kubernetes可构建高效CI/CD流水线,自动化模型开发和部署,确保环境一致性并提升整体效率。
|
4月前
|
机器学习/深度学习 数据采集 存储
朴素贝叶斯处理混合数据类型,基于投票与堆叠集成的系统化方法理论基础与实践应用
本文探讨了朴素贝叶斯算法在处理混合数据类型中的应用,通过投票和堆叠集成方法构建分类框架。实验基于电信客户流失数据集,验证了该方法的有效性。文章详细分析了算法的数学理论基础、条件独立性假设及参数估计方法,并针对二元、类别、多项式和高斯分布特征设计专门化流水线。实验结果表明,集成学习显著提升了分类性能,但也存在特征分类自动化程度低和计算开销大的局限性。作者还探讨了特征工程、深度学习等替代方案,为未来研究提供了方向。(239字)
161 5
朴素贝叶斯处理混合数据类型,基于投票与堆叠集成的系统化方法理论基础与实践应用
|
5月前
|
JSON 前端开发 算法
掌握Multi-Agent实践(三):ReAct Agent集成Bing和Google搜索功能,采用推理与执行交替策略,增强处理复杂任务能力
掌握Multi-Agent实践(三):ReAct Agent集成Bing和Google搜索功能,采用推理与执行交替策略,增强处理复杂任务能力
307 23

推荐镜像

更多