周三下午三点,测试同学在群里丢了句话:这版先别合了吧。群里安静了十分钟。那条 MR 已经挂了三天,六个人点过 approve,没人点 merge。
为什么?CI 跑一次二十七分钟,跑到第十八分钟随机挂一个用例。重跑,运气好能过。谁点 merge,谁就得盯着它。
这画面挺荒诞的。我们花了两年把自动化做起来,结果人反而更不敢动了。
聊 CI/CD 的时候,大多数人一开口就是工具选型。Jenkins 太老,GitLab CI 顺手,GitHub Actions 便宜。都对。可真到了团队里,卡住的地方十有八九不在 YAML 里。
CI 想解决的其实是合并的勇气
持续集成这四个字,重点在“持续”不在“集成”。你本地写完一个功能,立刻并回主干,这叫集成。分支活三天、一周、半个月,合并的时候冲突几百行,谁都不想当那个倒霉蛋。CI 想干的事很简单:让合并这件事变得便宜、变得无聊。
怎么变便宜?提交就触发构建,几分钟内告诉你碎了没。碎在哪儿,谁碎的,一眼看得见。
但注意边界。CI 能告诉你代码能不能装起来、测试跑不跑得过,它告诉不了你业务对不对。这个错觉害过不少人——流水线绿了,就觉得可以发。

二十七分钟是个要命的数字

有个经验值,不一定准:流水线超过十分钟,人就分心了。超过二十分钟,人开始并行干别的活,上下文一断,回来还得重新捡。超过半小时,那基本等于没有流水线,只有一台会发邮件的机器。
怎么砍时间,几个实在的做法:
- 依赖缓存别偷懒。node_modules、pip、maven 本地仓库,命中率提上来,往往能省掉一半时间。
- 容器镜像分层要讲究。改一行源码就重装依赖,那是把缓存白扔了。依赖安装放前面,源码拷贝放后面。
- 测试分片。一万个用例串行跑,不如八个 runner 各跑一千二。前提是测试之间没有脏依赖,这点得先修。
- 把 flaky test 当 bug 治,别当运气。随机挂的用例重试三次能过,这就是在给团队喂慢性毒药。谁还信红灯?
我们之前有条流水线,跑四十一分钟。后来光是把 lint 和单测拆成并行 job、把镜像缓存打开,压到九分钟。没做什么高深的事。
CD 那一步 卡的是人不是技术
持续交付和持续部署,这俩经常被混着说。区别挺大:前者是随时能发,但由人决定什么时候发;后者是过了流水线就自动上生产。选哪个,看业务扛不扛得住。
金融、医疗这类,老老实实持续交付,手动点那一下不丢人。内部工具、后台服务,自动部署反而更稳——因为人不参与,就少了一个凌晨三点的心跳时刻。
真正难的是回滚。上线之前先想清楚:这一版出问题,多久能退回去?五分钟还是两小时?如果答案是“看情况”,那你其实不具备发布能力,只是具备了发布动作。
蓝绿发布、金丝雀、灰度,词都挺好听。落到地上就一句话:让百分之五的用户先替你试毒,出事了自动切回旧版本。实现方式五花八门,K8s 里能做,Nginx 权重也能做。别为了这个强行上服务网格。

如果明天就想动手

别一上来搞平台工程,别急着搭内部开发者门户。真的,先做这几件小事:
- 把主干分支保护打开。合不进去的代码,就是没写完的代码。
- 统计一周内每条流水线的耗时和失败率。数据摆出来,争论就少一半。
- 找三条最常挂的用例,修了。就三条。
- 写一张回滚清单,贴在发布文档第一行。
- 失败通知发给写出这行代码的人,不是发给群。
最后一句可能有点啰嗦。工具会换,Jenkins 会老,YAML 会重写。但让团队敢在周五下午四点按下那个按钮的东西,从来不是插件装得多。
是那条流水线值得信任。