Jenkins 这么玩也能云原生
阅读原文 / Zadig 在 Github / Zadig 在 Gitee
推荐阅读:是时候和 Jenkins 说再见了 / Zadig vs. Jenkins 详细比对:时代的选择与开发者之选 / 平台工程和 AI 时代的新 10 亿开发者
Jenkins 是在 IT 上云之前诞生的一款老牌代码构建工具,而云原生的 Zadig 相比 Jenkins,更加合适云智时代的应用开发,这一点我们在「 Zadig vs. Jenkins 详细比对:时代的选择与开发者之选」和一文中有详细的对比:Zadig 不仅拥有几乎与 Jenkins 相当的全部功能,还在 DevOps 全流程能力方面具备十倍高的扩展性、易用性和安全性。
然而对于已经耗费大量时间和人力打造出来的 Jenkins 服务配置和流水线的企业,他们可能希望短期内在不做太多改变的情况下快速接入新平台。在 Zadig 最新版本中,我们提供了一种快速接入并与 Jenkins 融合的解决方案,这将有助于数千个服务的高效接入,使更多企业能够迅速融入云原生 DevOps 的快车道。
一、哪些场景适用该融合方案?
场景一:Jenkins Job 数量繁多,疼!
在企业中,我们已经使用 Jenkins 实现了微服务的原子化构建和部署管理。每个微服务都对应一个 Jenkins Job,导致存在大量的 Job,可能达到成百上千个。这种情况下,每次服务变更都需要手动执行多个 Job,面临以下痛点:
1. 干扰信息过多: 每次发布都需要从海量的 Job 中筛选出需要执行的目标 Job,这消耗了大量时间和精力。
2. 自动化难度高:手动触发多个 Job 执行,这是繁重的重复操作,难以一键批量发布,自动化实现困难。
3. 发布决策效率低:必须分别追踪每个发布 Job 的执行结果,这降低了生产发布决策的效率。
4. 信息碎片化严重:缺乏统一的管理平台,导致发布信息分散,一次发布的信息追溯变得异常困难。
Zadig 工作流可编排 Jenkins Job,触发 Jenkins Job 并发执行,让海量 Job 的管理和执行复杂度从思考题变为选择题,而且可在一个页面中追溯多个 Job 的执行信息。
场景二:研发交付过程碎片化,苦!
在研发交付流程中,处理代码/业务变更、数据变更和配置变更可能很繁琐。尽管我们已经使用 Jenkins Job 将业务变更实现自动化,但整个流程仍然存在碎片化的问题。
1. 繁重的 Jenkinsfile 管理: 研发人员需要编写和维护许多 Jenkinsfile,这分散了他们的注意力,难以专注于业务价值。
2. 数据和配置变更的难题:数据和配置变更通常没有好的自动化解决方案,需要涉及多个团队和角色,导致高昂的沟通成本和低效的交付速度。
Zadig 支持业务、数据、配置一站式变更,支持 Nacos、Apollo 等配置管理工具,支持基于 MySQL、MariaDB、Flyway 等的数据变更。无需编写脚本,一次集成后开箱即用,真正让开发工程师聚焦在业务价值创造上,让运维工程师从支持开发日常工作琐事中解放出来。此外,支持传递 Jenkins Job 参数实现充分连接,工作流支持审批功能,保障生产发布的合规和安全。
场景三:权限配置膨胀,乱!
Jenkins 中实现权限管理的方式是将用户和角色平铺成一张表格,管理员通过勾选的方式来配置用户权限。随着企业发展、员工动态变化、业务演进,权限表格会变得异常膨胀,维护的心智负担非常高。
Zadig 支持不同维度的用户/用户组以及权限管理:系统全局、业务项目、工作流资源...权限可以由每一个业务团队自己分配,在保证权限隔离的基础上有效降低权限管理的负担。
二、如何快速融合 Jenkins & Zadig?
第一步:获取 Jenkins API Token
Jenkins 管理员访问 Configure,操作 Add new Token,添加 API Token。
第二步:集成 Jenkins
Zadig 管理员访问系统集成 > CI/CD 工具,配置 Jenkins 集成信息
第三步:配置 Zadig 工作流,编排 Jenkins Job
参考文档[1]配置自定义工作流,配置开发环境工作流,包含 Apollo 配置变更->构建部署->Mysql 数据变更->自动化测试步骤,在构建部署阶段添加 「执行 Jenkins Job」 任务,配置 Jenkins Job。
执行工作流,选择 Jenkins Job 即可,可在 Zadig 中管理和追踪整个交付过程。
参考资料
[1] https://docs.koderover.com/zadig/Zadig%20v2.0.0/project/common-workflow/
阅读原文 / Zadig 在 Github / Zadig 在 Gitee
推荐阅读:是时候和 Jenkins 说再见了 / Zadig vs. Jenkins 详细比对:时代的选择与开发者之选 / 平台工程和 AI 时代的新 10 亿开发者

低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。
持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。
转载内容版权归作者及来源网站所有,本站原创内容转载请注明来源。
- 上一篇
两全其美:Sidecarless 与 Sidecar 模式融合的服务网格新形态
01 前言 Istio 社区与 2022 年 9 月发布了一种名为 Ambient 的新架构,由于其从架构上将 Sidecar 转变为 4 层和 7 层代理,故而这种模式也被称为 Sidecarless 模式。阿里云服务网格 ASM 是业内首个支持 Ambient 模式的托管式服务网格。 本文基于 2023 云栖大会上关于阿里云服务网格 ASM 产品技术最新进展分享的实录,来自阿里云云原生产品线服务网格团队的史泽寰、尹航同学将用 4 个部分,为读者介绍 ASM 如何落地这种 Sidecarless 和 Sidecar 模式融合的服务网格新形态,以及服务网格的 Serverless 化。 02 服务网格架构的演进 随着服务网格在云原生技术体系下越来越流行,越来越多的企业技术团队在生产环境使用服务网格,相信有很多朋友已经了解过服务网格,为了方便刚开始接触服务网格的同学更顺畅地理解后续内容,我们先来对服务网格经典的 Sidecar 模式做一个介绍。 经典服务网格架构根据组件的职责被划分为控制平面和数据平面,控制平面扮演服务网格的大管家,为数据平面组件根据需求提供不同的配置,数据平面作为执行者...
- 下一篇
「X」Embedding in NLP|一文读懂 2023 年最流行的 20 个 NLP 模型
在上一篇文章中,我们已经科普了什么是自然语言处理(NLP)、常见用例及其与向量数据库的结合。今天,依然是「X」Embedding in NLP 系列专题,本文为初阶第二篇,我们将深入介绍在 2023 年爆火的大语言模型 NLP 模型,包括 BERT、XLNet 等基础模型和 GPT、PaLM 等。 01.火爆 2023 年的 10 大大语言模型 大语言模型(LLM)是一种机器学习模型,可以执行各种 NLP 任务,包括文本翻译、回答问题、根据知识库分类和生成词汇等。大语言模型中的“大”体现在其架构使用的参数数量上,常见的 LLM 都包含数十亿个参数。以下是在 2023 年爆火且备受关注的 LLM。 OpenAI 推出的 GPT 系列 *GPT,全称 Generative pre-trained transformers,即生成式预训练 Transformer 模型 GPT-3 于2021年发布,包含 1750 亿个参数。 能够完成翻译、问答、写作论文,甚至生成代码等任务。 从模型架构而言,GPT-3 是只带有解码器(decoder)的 transformer 模型。 是最后一个由 Ope...
相关文章
文章评论
共有0条评论来说两句吧...
文章二维码
点击排行
推荐阅读
最新文章
- MySQL8.0.19开启GTID主从同步CentOS8
- CentOS8安装Docker,最新的服务器搭配容器使用
- Linux系统CentOS6、CentOS7手动修改IP地址
- 2048小游戏-低调大师作品
- Springboot2将连接池hikari替换为druid,体验最强大的数据库连接池
- CentOS8安装MyCat,轻松搞定数据库的读写分离、垂直分库、水平分库
- CentOS8编译安装MySQL8.0.19
- CentOS6,CentOS7官方镜像安装Oracle11G
- CentOS7,8上快速安装Gitea,搭建Git服务器
- SpringBoot2整合Thymeleaf,官方推荐html解决方案