为什么要做持续集成
- 自动化冒烟测试
- 自动化用例运行
- 自动遍历测试运行
- 兼容性测试
核心依赖资源
- 设备集群：真机、模拟器、云端设备
- 管理平台：STF、Jenkins、Selenium Grid
- 测试用例：遍历工具、测试用例
为什么要持续集成与持续部署
声明：以下内容转自https://zhuanlan.zhihu.com/p/72399262
DevOps、持续集成、持续交付、持续部署、敏捷等词语大家应该都耳熟能详了，说到底就是快速交付价值，从工程上、管理上、组织上、工具上来提高效率，打造可靠的、快速的产品（项目）交付过程。本书将围绕项目管理、自动化部署、自动化发布、自动化测试、容器云来实现持续集成、持续交付及持续部署，因为它不是一本理论图书，不打算大谈道理，我们将直接谈论持续集成、持续交付、持续部署的价值，抛出问题，说思路，讲方案，讲实际操作。希望能够帮助广大读者快速在企业落地持续集成、持续交付与持续部署。
1.1CI&CD 的价值
持续集成（Continuous Integration，CI）是一种软件开发实践。在持续集成中，团队成员频繁集成他们的工作成果，一般每人每天至少集成一次，也可以多次。每次集成会经过自动构建（包括静态扫描、安全扫描、自动测试等过程）的检验，以尽快发现集成错误。许多团队发现这种方法可以显著减少集成引起的问题，并可以加快团队合作软件开发的速度（以上引用自Martin Fowler 对持续集成的定义）。
持续交付（Continuous Delivery）是指频繁地将软件的新版本交付给质量团队或者用户，以供评审，如果评审通过，代码就进入生产阶段。
持续部署（Continuous Deployment）是持续交付的下一步，指的是代码通过评审以后，自动部署到生产环境中。
通过上面的定义我们不难发现，持续突出的就是一个快字，商业软件的快速落地需求推动了软件工程的发展。可持续的、快速迭代的软件过程是当今主流开发规约。尤其在互联网行业，快速响应即是生命线。从一个想法到产品落地都处在冲锋的过程中，机会稍纵即逝。响应用户反馈也是万分敏捷，早晨的反馈在当天就会上线发布，快得让用户感觉倍受重视。“快”已经成为商业竞争力。这一切都要求企业具备快速响应的能力，这正是推动持续集成、持续交付、持续部署的动力。
产品或者项目的参与者应该能够深刻体会到团队协作时，工作交接（系统集成）部分最容易出问题，会消耗大量的沟通成本与时间成本，直接拖慢进度。所以，一个行之有效的项目管理过程（包括沟通管理、流程管理）在大型项目中效果明显。当前敏捷开发是主流，持续集成、持续交付与持续部署正好能够帮助高效地实施敏捷过程，促进开发、运维和质量保障（QA）部门之间的沟通、协作与整合。
1.2 CI&CD 带来的变化
通常把开发工作过程分为编码、构建、集成、测试、交付、部署几个阶段（见图1-1），持续集成、持续交付、持续部署刚好覆盖这些阶段。从提高效率上来讲，对每个阶段的优化都可以缩短软件交付时间。持续集成、持续交付及持续部署的过程即是一个软件开发优化过程。
墨菲定律大家都不陌生，越是担心什么就越会发生什么；在多团队协作时，比如系统对接时，我们都会担心对接是否顺利，往往也不枉我们担心，时常我们会被集成折磨得焦头烂额。有很多团队只是担心，并没有拿出有效的措施去避免这种事情发生，以至于延长了交付时间。既然担心，我们何不及早集成，把问题先暴露出来？
目前多数公司都已经使用了版本管理工具来管理源码，比如GitLab、SVN 等版本管理工具。在版本管理这一块，公司会根据自己的实际情况来制订版本管理办法。对于持续集成来说，业内建议只维护一个源码仓库，降低版本管理的复杂度。开发人员持续提交自己的修改，自动触发编译，自动集成，自动进行自动化的测试，及早反馈集成过程中的问题，就能更好地防止出现平时不集成、集成就出问题的现象。
通过自动化的持续集成，把管理流程固化；保证集成的有序性、可靠性；减少版本发布的不合规性（开发或者测试手动打包，可能一天打多个包，更新多次，测试不充分），保证版本可控，问题可追溯（至于哪个版本出现的问题，可以回溯）。
一旦把这种持续集成的过程固定下来，形成一个自动化过程，就具备了持续集成的能力，软件交付的可靠性就大大增强，这无形也是一种竞争力。这种竞争力保证了集成的有序性、可靠性。过程的自动化抛弃了人工，降低了出错率，提高了速度，自然会节省成本。
1.3 CI&CD 实施现状
在日常生活中处处都体现着一个“快”字，互联网更是对快追求到极致。持续集成、持续交付、持续部署在互联网行业更为广泛。作者没有统计哪些公司在用，只是圈子中朋友公司都实施了持续集成，具备持续交付能力。至于持续部署就没这么广泛了，毕竟持续部署不仅仅是技术问题，还涉及管理、营运等问题。尤其是一些金融企业、大型国企，开发团队外包，测试外包，运营半外包，安全要求高，很难快速实施。多数能够在测试环境中建立起CI&CD就已经很不错了。
阿里云、腾讯云、网易蜂巢等国内云，都提供了从GitLab 下拉代码、编译打包、单元测试、镜像制作、容器发布的功能。这个过程实际上就是持续集成、持续交付的过程，同时具有持续部署的能力。基本上，持续集成、持续交付、持续部署是一种服务能力，是云平台必须具备的能力。
下面引自2017 年DevOps 现状调查报告。
统计资料显示，DevOps 正在各个行业、各种规模的企业中落地。DevOps 团队的比例在2014 年是16%，在2015 年是19%，在2016 年是22%，在2017 年已经增长到27%，越来越多的企业和团队开始拥抱DevOps。图1-2 是2017 年DevOps 现状调查报告统计的从业分布情况。
完整的报告可以从qcloudimg 网站下载。
在本书撰写过程中2018 年DevOps 现状调查报告也已经出来，图1-3 是精英级执行团队使用DevOps 后的效率。精英级执行团队在以下几个方面有着突出的表现。
1）代码发布频率高46 倍。
2）代码从提交至发布的速度快2555 倍。
3）故障变更率降低1/7。
4）事故恢复时间快2604 倍。
另外，云计算持续增长（见图1-4）。有17%的调查者仍然没有使用云厂商的服务。AWS最受欢迎，占比为52%，Azure 屈居次席，占比为34%。
1.4 CI&CD 技术栈
目前持续集成、持续交付、持续部署在开源社区都是热点，用户可以方便地利用这些开源组件来构建自己企业的持续集成、持续交付及持续部署平台。
持续集成工具中以Jenkins 使用最为广泛，由Jenkins 来作业化持续集成过程；利用GitLab来管理程序版本；利用Gerrit 来做代码审核；利用Sonar 进行代码质量扫描；利用JUnit 进行单元测试；利用Docker compose 来构建镜像；利用Docker 来部署容器；利用Kubernetes、Rancher 等进行服务编排。图1-5 显示了常见的CI&CD 技术栈。
后续讲解CI&CD 落地时会运用到其中的一些技术与工具。当然，基本上都运用开源工具，这也有助于企业在落地时节省费用。
1.5 大规模部署的烦恼
对于同样的功能，在用户量不同的系统中，工作量是完全不同的，后台为性能考虑而设计的架构完全不一样。对于CI&CD 也是如此，小规模的很容易，配几个作业就可以完成工作，但对于大规模的CI&CD，一旦系统数量、实例数量上去后各种问题就都来了。下面列举几个主要的问题。
1）更新问题。更新一次要耗费大量精力，很多企业都是晚上更新，员工得通宵加班，还不能保证更新没问题，不具备快速大批量部署的能力。
2）部署包（jar 包、war 包、ear 包等）的管理问题。为了保证版本可追溯，出错后能够回滚，我们需要保存各个历史版本，而且方便下载。
3）版本的安全性。传统上以Java 语言开发的系统多数以jar 包、war 包、ear 包的方式发布，容易被篡改（人为修改，传输过程不完整）；通常我们用md5 来验证完整性，但包与md5 对应关系的管理并没有系统化，往往在出问题后人工进行md5 验证。
4）主机管理问题。系统部署到哪些机器上需要进行主机管理？在部署时人工选择部署到哪台主机显然不是一种明智的方式，能否自动进行调度？同时，不会产生有些主机性能堪忧、有些主机空闲导致的负载不均情况。
5）端口管理问题，在部署Java 项目时我们并不建议设置太多的JVM 内存，因此一台主机上往往能够部署多个应用实例，同一台机器上多个实例的开放端口就必须不一致，于是端口又成了需要管理的资源。有人会说可以选用虚拟机，一台虚拟机上只部署一个实例。当然，这也是可以的。实际上，多数企业也是这么做的。这种做法也有弊端，虚拟机虽然帮助做了隔离，但会损失一些主机性能；虚拟机要使用内网IP，这样IP 又成了稀有资源，当部署多个实例时IP 会不够用。
6）负载均衡管理问题。不管是在主机上部署多个实例，还是利用虚拟机来部署多个实例，在做集群时，都会通过代理（Nginx、Apache、LVS……）软件来做负载均衡，因此我们需要把各实例的访问地址配置到负载器的配置文件中。实例数少的时候手工配置还可以接受，多了就没法手工配置了。当然，方法也会有，比如用Etcd+Confd+Nginx（HAProxy）来做服务发现，我们需要自己部署一套工具，并进行维护，复杂的框架提高了对运维人员的要求。
7）服务伸缩问题。当服务访问量上去后，要能够具备快速扩充的能力；当访问量下去后，要能够具备缩小服务规模的能力，收放自如。这种弹性的服务能力显然是通过工具来完成的，手动完成是不可能的。
8）IP 管理问题。当大规模部署后，IP 资源会成为稀有资源，如何用更少的IP 来部署更多的服务？IP 的分配及管理显然不能人工完成，那样效率太过低下，这就需要一个IP 管理工具。
如果有一个系统能够一站式解决以上问题，那真是太完美了。因为没有这样的系统，所以很多公司开发了他们的运维平台，专门用来解决大规模部署问题。但对于中小公司来说，技术与人力投入往往受限，没有这个能力、精力或者财力去建立一个智能的运维平台。但是我们可以利用开源工具、开源技术来搭建一个相对完善的持续集成、持续部署体系。
1.6 实施云平台化
虚拟化、云平台化为大规模部署提供了方便，尤其是在硬件资源管理及网络管理方面。互联网的火热更是推动了云的快速发展，基本上各大互联网企业都已经完成了云平台化，生产力也在不断提升。以Docker 为代表的容器化技术出现后，云变得更灵活，容器化已经成为大潮，Docker 也占据了容器市场的绝对份额。容器部署方式能够满足快速大批量部署的要求，充分利用物理机器资源。以Docker 为例，Docker 容器技术让应用一次构建，到处（物理机、虚拟机、公有云、私有云、Windows 系统、Linux 系统等）可运行，加快了本地开发和构建，实现了快速交付和部署；同时还可以在操作系统层面提供资源隔离服务。
为了提高服务水平，企业服务需要能够快速水平扩展，在系统设计层面也大举采用SOA框架，这种框架天生适合使用容器大规模部署。当然，也存在一些问题，比如管理大量的服务实例成为一个挑战，运维、监控、问题分析等变得复杂。那么如何管理这些容器呢？于是就产生了大量的容器管理工具，支持Docker 容器管理的工具使用得比较广的有Swarm、Mesos、Kubernetes、Rancher 等工具。这些工具能够帮我们方便管理容器，虽然有一些问题的解决方式并不完美，但这也给运维开发、测试开发提供了更多的想象空间与工作机会。目前容器管理工具Kubernetes 影响最大，但Kubernetes 的学习与运维成本相对较高，需要专业人士的支持。目前国内大型互联网公司基本都基于Kubernetes 来管理大量容器，包括BAT、京东等企业。腾讯的蓝鲸（DevOps）也基于Kubernetes，已经开始市场化；淘宝的云效也是与蓝鲸同类型的产品。
对于中小型企业来说，上Kubernetes 显得有点操之过急，需要有技术储备与维护团队，学习成本相对也会高一点，因此应该选择简单的、快速能够落地的、能够满足企业要求的、有一定市场的工具。当然，最好还是开源的，社区也支持的。所以我们选择Rancher，据说早期云效也是整合Rancher 的，作者也在基于Rancher 做整合，利用Rancher 实现容器的管理，利用Jenkins 构建，利用GitLab 实现源码管理，再加上静态扫描、自动化测试、性能测试、日志管理等功能，整合成DevOps，足够运行、管理上千个实例级别的容器实例。实际上，拥有DevOps 并且已经容器化，就相当于已经拥有一个相对智能化的私有云平台（不是真正意义上的云，并没有对物理资源进行管理，抽象成服务）。图1-6 是作者早期开发的DevOps静态架构。
此平台类似于一个私有云平台，基本涵盖了系统的生命周期：编译、打包、发布、测试、上线、运维、下线。同时把硬件资源管理起来，这些硬件对用户透明。平台主要分3 层。
• 基础组件层，提供了存储、网络与运算功能。对于上层来说，硬件只是一个服务而已。
• 服务组件层，提供了运维与监控功能。对于大规模系统营运来说，系统监控、问题诊断分析变得复杂，必须在系统层面给予帮助，结合平台能力，让用户分析问题变得简单。那种从服务器上看日志的老旧方式一去不复返了。
• DevOps 用户层，直接面向运维人员，做到持续集成、持续交付、持续部署，在平台中完成各种测试。支持多种形式的发布，减少上线风险。
图1-7 是上述平台用到的技术栈。下面对用到的部分工具进行简单说明。
• Rancher：一个开源的企业级容器管理平台。通过Rancher，企业再也不必自己使用一系列的开源软件去从头搭建容器服务平台。Rancher 提供了在生产环境中使用的管理Docker 和Kubernetes 的全栈化容器部署与管理平台。
• Jenkins：用于构建管理，定义管理工作过程。
• Docker compose：一种定义编排容器的工具，以YAML 或者XML 的格式展示编排内容。
• Maven：源码编译工具。
• GitLab：源码管理工具。
• Gerrit：代码审核工具。
• Sonar：代码静态扫描工具。
• robot：自动化测试工具。
• Ceph：分布式存储产品。
• Spring Boot：DevOps 集成开发技术框架。
• React：门户开发框架。
• Redux：门户开发框架。
• MySQL：数据库。
• MyBatis：ORM 框架。
• Kibana、Logstash、Elastic：用于统一进行日志管理、日志存储、日志分析。
本书讲到的CI&CD刚好是这个DevOps 的一个子集，我们将围绕上述架构及技术栈展开，
本书不仅讲解如何实现，还会结合实例展示如何落地。这些对于大多数中小型企业来说已经足够支撑业务。企业给CI&CD 加上Web 版本的门户、集中的账户管理体系以及运维监控体系，即可打造一个智能的DevOps 平台。
图1-8 是CI&CD 流程，后面的实例也将围绕这个流程。
下面先简单介绍该流程。
1）程序员提交代码。
2）Gerrit 做代码审核，通过提交到GitLab，能通过邮件通知相关人员。
3）Sonar 做代码静态扫描，并把结果通知相关人员。
4）在GitLab 中贴标签（通过WebHook 触发Jenkins 作业）或者手动在Jenkins 中触发作业，Maven 开始下拉代码进行编译，然后进行单元测试和打包。
5）打包完成后利用Docker cli 构建镜像。
6）把镜像上传到镜像仓库中。
7）Jenkins 作业触发Rancher 在测试环境中启动容器，首先下拉镜像，然后根据配置启动容器。
8）Rancher 自动或者按规则调度容器在哪台机器上运行。
9）Rancher 负责容器生命周期管理（启动、监控、健康检查、扩展等）。
10）进行自动化测试。
11）测试通过后，Jenkins 触发Rancher 在生产环境中启动或者更新测试通过的服务，当然，也可以手动在Rancher 中进行发布，当实例增加时只需要填写实例数量即可快速扩展，在发布时可以支持灰度发布、蓝绿发布等个性化的发布需求。
注意：
1）我们一直不加上云平台这个名称，是因为云平台的定义太广，我们并没有产品接入功能，比如提供数据存储服务、缓存服务，以及提供大数据运算能力。
2）当然，我们也具备云要提供的很多服务，所以在把下面要讲的一套东西落地后，也可以冠以云平台之名，其他的功能可以慢慢补上来。“欲立新功，行之有名；立人之先，憨享其成。”
由于要用的工具比较多，这些工具多由外国人开发，译过来叫法比较多，因此为了方便讲述，下面介绍术语。
• 服务：完成某一功能的程序。
• 服务实例：程序部署单元，比如一个订单程序由Tomcat 启动，一个这样的部署单元（一个JVM 实例）称为一个服务实例。
• 容器：如Docker 容器。
• 容器实例：镜像的运行态叫容器实例，如果运行一个Nginx 镜像，那么这就是一个容器实例，我们利用镜像运行两个Nginx，那么实例数为2；这些实例称为容器实例，一定语境下直接称为实例。
1.7 本章小结
本章简单叙述了进行CI&CD 的价值，以及通过CI&CD 的实施能够帮我们解决什么问题。结合当前的CI&CD 技术栈，我们知道要朝哪个方向去发力建立自己的私有云平台。利用当前的开源技术实现CI&CD，运行自己的私有云平台，加速企业的系统集成效率，缩短部署时间，提高成功率。
本文摘自《持续集成与持续部署实践》
《持续集成与持续部署实践》
作者：陈志勇 钱琪 孙金飞 李诚诚
- 腾讯、阿里、滴滴等公司众多专家推荐
- 讲述如何用Docker构建集成容器、镜像仓库规划及管理
- 一书在手，持续集成无忧。
本书来自一线的实践经验，深入呈现技术细节；详实的实操示例，即学即用的实战技术。
讲解了持续集成中引人入胜的内容：CI/CD到底要解决什么问题？它与DevOps之间的关系是怎样的？程序员如何用工具化的系统持续进行代码的版本管理、构建、打包、集成、测试和部署？利用云平台和容器技术实现弹性伸缩价值等。