CICD持续集成交付专栏 - 第4页

Atlas 使您能够轻松地为基于 Kubernetes 的应用程序创建和管理灵活的云原生部署管道。它是一个开源工具，允许以非常少的开销实现完整的可配置性和可修改性（以任务/测试和管道结构的形式）。Atlas 建立在 Argo 之上。特点： - 在所有环境和集群中创建

测试在现代软件开发中的重要性怎么强调都不为过。交付一个成功的产品不是你做一次就忘记的事情，而是一个不断重复的过程。随着每一行代码的更改，软件必须保持功能状态，这意味着需要进行严格的测试。随着时间的推移，随着软件行业的发展，测试实践也日趋成熟。逐渐走向自动化，测试方法影响了软件设计本身

Docker是用于构建和部署容器的工具包，Nix是包和配置管理器。这些工具确实有一些重叠：它们都可以用于创建可重现的环境。可重现的环境是可以以相同的方式（最好是逐位）从头开始重新创建的环境。实际上，这意味着在环境之间具有相同的工具、版本和配置。可重现的环境有助于确保项目中的所有开发人

Pants 是一种快速、远程友好且符合人体工程学的构建工具，适用于 Python、Go、Java 和 Scala 等多种语言。Pants 构建系统是一个多语言工具，具有许多不错的功能，包括完全并行性和远程工作者支持。Pants 已经存在好几年了，

Tekton 希望成为 CI/CD 的标准。一方面，它提供了在 Kubernetes 中构建云原生 CI/CD 系统的框架，此外，它还提供了用于这些系统的标准化工具。Tekton 项目使用 Kubernetes 作为平台，其核心是以 CRD 的形式表示 CI 管道的构建块。自定义资源

Twitch是世界上最大的个人流媒体直播平台，客户端观看Twitch的方式有很多，包括桌面浏览器、移动设备、游戏机和电视应用程序。客户端交付平台团队拥有向用户交付Twitch客户端的基础设施。去年，我们为我们的一个关键微服务设计了下一代高可用性的防御措施，将可用性从99.9%（3个9）提高到

备份Jenkins数据和配置非常重要，包括作业配置、构建日志、插件、插件配置等。两种备份Jenkins 数据和配置的重要方法。使用 Think Backup 插件使用磁盘快照备份

ArgoCD 是一款出色的 Kubernetes 编排工具，下面从架构高度抽象描述一下：通常一个公司内有3种“类型”的代码存储库：基础设施（主要是 Terraform）Terraform驱动基础设施的创建（如果它在某个地方实际存在，我们用Terraform来

ladle是React生态系统中Storybook 的替代：是基于 Vite，即时服务器启动，生产构建速度提高 4 倍，占用空间减少 20 倍，代码拆分，快速刷新，单一依赖和命令，无需配置。现在所有浏览器和 Node.js 都原生支持 ES 模块。我们不再需要为这两者捆绑我们的组件了

当我们将项目放在 GitLab 存储库中时，我们需要做的第一件事。我们需要创建一个.gitlab-ci.yml来初始化管道：

Woodpecker（啄木鸟） CI是真正永久开源的 Drone.io的分叉，啄木鸟是一个简单的、真正开源的CI引擎，具有强大的灵活性和可扩展性。它允许你在Docker容器内运行任何管道，所以你的所有构建都会在稳定的环境中顺利执行，并保证有相同的工具/库版本。你将很容易在本地docker d

围绕持续交付的最大挑战之一是与数据库的集成。因此，我们应该将此集成视为标准配置。是时候将数据库代码视为应用程序代码了。否则，我们的 CI/CD 过程在数据库中失败。通常，当我们考虑应用程序的 CI/CD 流程时，我们有多个目标环境。根据云原生模式，每个应用程序都有自己独立的数据库。此

在本教程中，我们将完成使用 Docker 和 Docker Compose 设置 Jenkins 服务器的步骤，以便能够从 GitHub 存储库构建 Spring Boot 应用程序。 Jenkins 配置即代码 (JCasC)我们将

作为一名想要成为 DevOps 工程师的人，肯定想了解什么是 CI/CD 以及我们为什么需要它们？CI/CD 是语言/运行时（例如 Java/OpenJDK、JS/Node、Ruby、Docker 容器中的某些东西）之间的粘合代码，包括交付（取决于您的工件类型，例如 Docker 容

该案例研究是关于在完成向微服务的整体迁移以及开发工具中出现的下一个约束之后提高 Lyft 的生产力。2018 年底，Lyft 工程完成了将我们最初的 PHP 单体分解为 Python 和 Go 微服务的集合。几年后，微服务在允许团队独立运营和交付服务方面取得了很大的成功。本文

ABN AMRO是荷兰的一家银行，历史悠久，可追溯到 19 世纪中叶。。在过去的 25 年中，我们发展了深受客户重视的数字渠道，并已成为主导渠道。2015 年，欧盟为欧洲银行通过

ML 开发中一个经常被忽视的挑战是将模型集成到现有软件应用程序的过程。如果您的任务是为产品添加 ML 功能，您几乎肯定会遇到必须与您的模型完美配合的现有代码库。委婉地说，这不是一件容易的事。ML 是一门高度迭代的学科。在开发模型的过程中，团队经常对其代码库和管道进行许多更改。将 ML

过去我大量使用Mock，但现在我已经放弃了这种方法，我的测试变得更好了：不要依赖 Mocking 库。对模拟库的依赖导致：增加类之间的耦合。降低了测试的可读性。降低了应用程序的可维护性。不要盲目地在每个类上声明接口。在需要时引入抽象，