一种灵活的持续集成结果展示方案

简介:

 

1 Hudson平台结果展示方式
随着持续集成在技术部的推广,有许多团队已经使用或即将使用基于Hudson的持续集成解决方案。然而Hudson平台的结果展现还比较单一,主要是以图的形式(如图1所示),从图上面能看到的信息显然是不够的,显然是不能满足一些团队的个性化需求的。


 

图 1. Hudson平台结果展示图
因此,本文将基于hudson平台,探讨一种更丰富的结果展示方案。
2 Dashboard是什么样的
Dashboard是这样的,每天会给各产品线的相关人员发邮件,将前一天产品在hudson平台上跑的情况汇总成如下表格:
1、buildonly+quick



Buildonly的统计参数:
执行次数/人次:前一天执行次数与负责人人数之比
平均用时:每次执行所花时间的平均值
成功率:build 成功的次数与总的执行次数之比
Quick的统计参数
平均执行率:所有quick任务执行的case数之和除以总的case数
平均case总数:对所有quick任务case总数求平均值
平均用时:对所有quick任务所花时间求平均值
平均通过率:所有quick任务success的case数之和除以总的case数
执行case总数:对每次quick任务执行了的case数求和
2、slow


这份表格主要是对slow case的统计,参数与quick大致相同。
3、performance


这份表格主要是统计性能测试的一些数据。
4、codeAnalyze

 

这份表格主要含有对RD代码的分析结果。
3 Dashboard是怎么做的
Dashboard功能实现主要依赖三个部分:
数据采集部分,需在Hudson Master机器上部署一个result-collector-client插件。并按该插件可以每天定时从Hudson数据文件中采集增量数据,按照一定结构组织后,向服务端发送请求,传输数据,数据存放在一个mysql里,数据库主要表项如下:
表projects:Hudson中的项目(job)对象
 

表builds:Build对象,即一次构建

 

数据解析部分,服务器会每天定时去执行一个php脚本,脚本会去取前一天hudson的数据,进行解析,生成一个HTML页面(也就是上面看到的图表)。


 

图 2. Dashboard功能实现流程
邮件发送部分,HTML页面生成好后调用php里的mail函数发送给产品线的相关人员。


 

图3. Dashboard功能框架图
4 后续改进计划
Dashboard报表后续要改进的地方还很多,目前计划中的主要有:
1、在dashboard邮件里目前只有表格形式的结果,以后计划加入图形的结果,比如饼状图、柱形图等,让呈现的结果更加直观、漂亮。
2、目前的dashboard报表里只汇总前一天的数据,以后可做成每周、每月发一份报表。
3、现在是将dashboard报表发邮件给各产品线负责人,以后可做成一个网站,在上面输入一个时间段后,自动将这一时间段里hudson上的数据以表格或图的形式展现出来,
 

(作者:lijinjin)

 












本文转自百度技术51CTO博客,原文链接:http://blog.51cto.com/baidutech/743345,如需转载请自行联系原作者

相关文章
|
3月前
|
机器学习/深度学习 算法 物联网
面向能效和低延迟的语音控制智能家居:离线语音识别与物联网集成方案——论文阅读
本文提出一种面向能效与低延迟的离线语音控制智能家居方案,通过将关键词识别(KWS)集成至终端设备,结合去中心化Mesh网络与CoAP协议,实现本地化语音处理。相较云端方案,系统能耗降低98%,延迟减少75%以上,显著提升响应速度与能源效率,为绿色智能家居提供可行路径。(236字)
270 17
面向能效和低延迟的语音控制智能家居:离线语音识别与物联网集成方案——论文阅读
编解码 算法 vr&ar
263 0
|
4月前
|
自然语言处理 负载均衡 算法
推理速度提升300%:LLaMA4-MoE的FlashAttention-2集成与量化部署方案
本文详解LLaMA4-MoE模型架构与实现全流程,涵盖语料预处理、MoE核心技术、模型搭建、训练优化及推理策略,并提供完整代码与技术文档,助你掌握大模型MoE技术原理与落地实践。
297 6
|
5月前
|
缓存 人工智能 监控
MCP资源管理深度实践:动态数据源集成方案
作为一名深耕AI技术领域多年的开发者,我见证了从传统API集成到现代化协议标准的演进历程。今天要和大家分享的MCP(Model Context Protocol)资源管理实践,是我在实际项目中积累的宝贵经验。MCP作为Anthropic推出的革命性AI连接标准,其资源管理机制为我们提供了前所未有的灵活性和扩展性。在过去的几个月里,我深度参与了多个企业级MCP项目的架构设计和实施,从最初的概念验证到生产环境的大规模部署,每一个环节都让我对MCP资源管理有了更深刻的理解。本文将从资源生命周期管理的角度出发,详细探讨文件系统、数据库、API等多种数据源的适配策略,深入分析实时数据更新与缓存的最佳实践
187 0
|
5月前
|
人工智能 安全 API
MCP vs 传统集成方案:REST API、GraphQL、gRPC的终极对比
作为一名长期关注AI技术发展的博主摘星,我深刻感受到了当前AI应用集成领域正在经历的巨大变革。随着Anthropic推出的Model Context Protocol(MCP,模型上下文协议)逐渐成熟,我们不得不重新审视传统的系统集成方案。在过去的几年中,REST API凭借其简单易用的特性成为了Web服务的标准选择,GraphQL以其灵活的数据查询能力赢得了前端开发者的青睐,而gRPC则以其高性能的特点在微服务架构中占据了重要地位。然而,当我们将视角转向AI应用场景时,这些传统方案都暴露出了一些局限性:REST API的静态接口设计难以适应AI模型的动态需求,GraphQL的复杂查询机制在处
374 0
MCP vs 传统集成方案:REST API、GraphQL、gRPC的终极对比
|
5月前
|
JSON API 开发者
Django集成Swagger全指南:两种实用方案详解
本文介绍了在 Django 项目中集成 Swagger 的两种主流方案 —— drf-yasg 和 drf-spectacular,涵盖安装配置、效果展示及高级用法,助力开发者高效构建交互式 API 文档系统,提升前后端协作效率。
229 5
|
6月前
|
存储 Kubernetes 监控
Docker与Kubernetes集成挑战及方案
面对这些挑战,并不存在一键解决方案。如同搭建灌溉系统需要考虑多种因素,集成Docker与Kubernetes也需要深思熟虑的规划、相当的技术知识和不断的调试。只有这样,才能建立起一个稳定、健康、高效的Docker-Kubernetes生态,让你的应用像花园中的植物一样繁荣生长。
288 63
|
9月前
|
人工智能 BI API
Dify-Plus:企业级AI管理核弹!开源方案吊打SaaS,额度+密钥+鉴权系统全面集成
Dify-Plus 是基于 Dify 二次开发的企业级增强版项目,新增用户额度、密钥管理、Web 登录鉴权等功能,优化权限管理,适合企业场景使用。
1304 3
Dify-Plus:企业级AI管理核弹!开源方案吊打SaaS,额度+密钥+鉴权系统全面集成
|
10月前
|
机器学习/深度学习 人工智能 自然语言处理
企业级API集成方案:基于阿里云函数计算调用DeepSeek全解析
DeepSeek R1 是一款先进的大规模深度学习模型,专为自然语言处理等复杂任务设计。它具备高效的架构、强大的泛化能力和优化的参数管理,适用于文本生成、智能问答、代码生成和数据分析等领域。阿里云平台提供了高性能计算资源、合规与数据安全、低延迟覆盖和成本效益等优势,支持用户便捷部署和调用 DeepSeek R1 模型,确保快速响应和稳定服务。通过阿里云百炼模型服务,用户可以轻松体验满血版 DeepSeek R1,并享受免费试用和灵活的API调用方式。
612 12
|
12月前
|
DataWorks 数据挖掘 大数据
方案实践测评 | DataWorks集成Hologres构建一站式高性能的OLAP数据分析
DataWorks在任务开发便捷性、任务运行速度、产品使用门槛等方面都表现出色。在数据处理场景方面仍有改进和扩展的空间,通过引入更多的智能技术、扩展数据源支持、优化任务调度和可视化功能以及提升团队协作效率,DataWorks将能够为企业提供更全面、更高效的数据处理解决方案。