Strategier for pipelineovervåking
Utforsk metoder for overvåking av status, ytelse og suksessrate for CI/CD-pipelines.
Strategier for pipelineovervåking er en gratis leksjon i DevOps-bootcamp på CoddyKit. Dette er leksjon 1 av 4. Du kan lese valgfritt 3 leksjoner fra denne læringsstien gratis i sin helhet – deretter låser CoddyKit PRO opp alle leksjoner, samt praktisk øving med en innebygd kodeeditor og en AI-veileder som er tilgjengelig døgnet rundt. Den er en del av læringsløpet i DevOps-bootcamp, og fremdriften din synkroniseres mellom nettet og CoddyKit-appen. Kurset i DevOps-bootcamp inneholder totalt 4 leksjoner.
Hvorfor overvåke pipelinene dine
Tenk deg at du bygger en kompleks maskin. Du ville vel ikke bare slått den på og håpet på det beste? Du ville ønsket å vite om den fungerer, om den er effektiv, og om den noen gang bryter sammen.
Det samme gjelder CI/CD-pipelinene dine! Overvåking hjelper deg med å forstå helsen, ytelsen og påliteligheten deres. Det er avgjørende for å identifisere flaskehalser, forebygge problemer og sikre smidig levering av programvare.
Viktige måltall for pipelinen
For å forstå helsen til pipelinen din fullt ut bør du fokusere på viktige måltall:
- Suksessrate: Hvor ofte fullføres pipelinen uten feil?
- Feilrate: Hvor ofte mislykkes den?
- Varighet: Hvor lang tid tar kjøringen?
- Ledetid: Tiden fra kodecommit til vellykket utrulling.
Ved å følge med på disse måltallene kan du identifisere problemer, forbedre effektiviteten og ta datadrevne beslutninger.
Innebygde visninger i GitHub Actions
GitHub Actions gir deg en enkel måte å overvåke arbeidsflytene dine direkte i grensesnittet til repositoriet ditt.
Gå til fanen 'Actions' i GitHub-repositoriet ditt. Her ser du en liste over alle kjøringer av arbeidsflyter, statusen deres (vellykket, mislykket eller venter) og varigheten. Når du klikker på en bestemt kjøring, får du detaljerte logger for hver jobb og hvert steg, noe som er uvurderlig ved feilsøking.
Rask status med statusemblemer
Vil du vise statusen til pipelinen din med et raskt blikk? GitHub Actions lar deg bygge inn et statusmerke direkte i README-filen til repositoriet ditt.
Disse merkene oppdateres automatisk og gir en visuell indikator i sanntid på statusen til den nyeste kjøringen av arbeidsflyten, for eksempel om den lykkes eller mislykkes. Du kan generere Markdown-koden for et merke fra fanen 'Actions'.
Forstå statusen til jobber og steg
Hver jobb og hvert steg i en GitHub Actions-arbeidsflyt har en status: success, failure, cancelled eller skipped.
Som standard stopper en jobb umiddelbart hvis et steg i den mislykkes. Det er avgjørende å forstå disse individuelle statusene for å bygge robuste pipeliner som reagerer riktig på ulike resultater.
name: Status Check Example
on: [push]
jobs:
check_status:
runs-on: ubuntu-latest
steps:
- name: First step (success)
run: echo "This step always succeeds"
- name: Second step (simulated failure)
run: exit 1
- name: Third step (only if previous fails)
if: failure()
run: echo "Previous step failed!"
Reagere på status med 'if'
Betingelsesnøkkelordet if lar deg kjøre steg eller jobber bare når bestemte vilkår er oppfylt, for eksempel når et tidligere steg lykkes eller mislykkes.
Dette er nyttig for å lage robuste pipeliner som for eksempel bare sender varsler ved feil eller rydder opp i ressurser etter en vellykket kjøring.
name: Conditional Run Example
on: [push]
jobs:
build:
runs-on: ubuntu-latest
steps:
- name: Always run this
run: echo "Starting build..."
- name: This step might fail
run: exit 0 # Change to 'exit 1' to see failure branch
- name: Run on success
if: success()
run: echo "Build succeeded!"
- name: Run on failure
if: failure()
run: echo "Build failed, sending alert!"
Legge til egendefinerte loggmeldinger
Selv om GitHub Actions automatisk gir detaljerte logger, kan du noen ganger trenge å legge til egne, spesifikke meldinger for bedre oversikt og feilsøking.
Du kan bruke vanlige shell-kommandoer som echo i run-steg for å skrive ut egendefinerte meldinger, variabler eller fremdriftsoppdateringer direkte i arbeidsflytloggene.
name: Custom Logging Example
on: [push]
jobs:
log_info:
runs-on: ubuntu-latest
steps:
- name: Print current time
run: echo "Workflow started at: $(date)"
- name: Perform a task
run: |
echo "Simulating a task..."
sleep 2
echo "Task completed."
Følge med på kjøretid
Overvåking av varigheten til jobber og steg er viktig for å identifisere flaskehalser i ytelsen og optimalisere pipelinene dine.
GitHub Actions-logger inneholder automatisk tidsstempler for hvert steg. Du kan også håndheve maksimal kjøretid ved å bruke timeout-minutes på jobbnivå, slik at arbeidsflyter ikke kjører på ubestemt tid.
name: Job Timeout Example
on: [push]
jobs:
long_job:
runs-on: ubuntu-latest
timeout-minutes: 1 # Job will be cancelled after 1 minute
steps:
- name: Start a long process
run: |
echo "Starting a process that takes 2 minutes..."
sleep 120 # This will exceed the timeout
- name: This step might not run
run: echo "Process finished."
Avansert datainnhenting
For mer avansert overvåking og egendefinert analyse kan du hente data om kjøringer av arbeidsflyter programmatisk ved hjelp av GitHub API.
Dette lar deg hente detaljert informasjon om status, varighet og logger for arbeidsflyter. Informasjonen kan deretter brukes til egendefinerte dashbord, grundigere analyser eller integrasjon med eksterne overvåkingssystemer. Det gir gode muligheter for egendefinert observability utover brukergrensesnittet.
Rask statussjekk
Se på følgende utdrag fra en arbeidsflyt. Hva blir skrevet ut i loggene hvis steget "Build Project" mislykkes?
name: Question Workflow
on: [push]
jobs:
ci:
runs-on: ubuntu-latest
steps:
- name: Checkout code
uses: actions/checkout@v4
- name: Build Project
run: exit 1 # Simulate a failure
- name: Notify on Success
if: success()
run: echo "Project built successfully!"
- name: Notify on Failure
if: failure()
run: echo "Build failed, review logs."
Oppsummering: Overvåking av pipeliner
Flott jobbet! Du har lært hvordan du kan følge med på CI/CD-pipelinene dine.
- Vi utforsket innebygd overvåking i GitHub og statusmerker.
- Du så hvordan du kan bruke
if-betingelser til å reagere på statusen til jobber og steg. - Vi gikk gjennom hvordan du legger til egendefinerte loggmeldinger og følger med på jobbvarigheter.
Disse strategiene bidrar til å sikre at pipelinene dine er robuste, pålitelige og effektive. Deretter kan du utforske integrasjon med eksterne overvåkingsverktøy!
Lær deg DevOps-bootcamp med en AI-veileder – gratis
Skriv og kjør ekte kode i nettleseren, få umiddelbar hjelp fra en AI-veileder som er tilgjengelig døgnet rundt, og fortsett der du slapp – på nettet eller i appen.
- Kurs
- 142
- Leksjoner
- 568
Ofte stilte spørsmål
Er leksjonen «Strategier for pipelineovervåking» gratis?
Ja – du kan lese valgfritt 3 av leksjonene i læringsstien DevOps-bootcamp, inkludert «Strategier for pipelineovervåking», gratis i sin helhet her på nettet. Deretter låser CoddyKit PRO opp alle leksjoner, samt interaktiv øving med en innebygd kodeeditor og en AI-veileder som er tilgjengelig døgnet rundt. Kurset i DevOps-bootcamp inneholder totalt 4 leksjoner.
Hva lærer jeg i «Strategier for pipelineovervåking»?
Utforsk metoder for overvåking av status, ytelse og suksessrate for CI/CD-pipelines. Du øver på DevOps-bootcamp med praktisk kode som du kjører direkte i nettleseren, mens en AI-veileder som er tilgjengelig døgnet rundt, svarer på spørsmålene dine mens du jobber deg gjennom leksjonen.
Trenger jeg erfaring for å begynne med DevOps-bootcamp?
Ingen tidligere erfaring er nødvendig. DevOps-bootcamp på CoddyKit er lagt opp for både nybegynnere og viderekomne, så De kan begynne her eller helt fra start og lære i Deres eget tempo. Dette er leksjon 1 av 4.
Hvor lang tid tar leksjonen «Strategier for pipelineovervåking»?
De fleste CoddyKit-leksjoner tar omtrent 5–10 minutter. Hver leksjon er kort og interaktiv, slik at De gjør jevne fremskritt og kan fortsette akkurat der De slapp – både på nettet og i appen.
Kan jeg skrive og kjøre kode i denne DevOps-bootcamp-leksjonen?
Ja. Alle DevOps-bootcamp-leksjoner har en innebygd kodeeditor, slik at De kan skrive og kjøre ekte kode direkte i nettleseren og få umiddelbar tilbakemelding fra AI – uten lokal konfigurering.
Alle leksjonene i dette kurset
- Strategier for pipelineovervåking
- Integrasjon med eksterne tjenester
- Konfigurere varsler og notifikasjoner
- Strukturert logging og distribuert sporing