2、CI/CD流水线架构总览：CI/CD流水线的典型阶段（代码提交、构建、测试、部署、发布）、各阶段的关键质量指标
CI/CD流水线是将代码从开发人员手中交付到生产环境的自动化路径。理解其典型阶段及各阶段对应的质量指标，是定义SLI（服务等级指标）和构建可观测性体系的基础。本章从架构视角拆解流水线的五个核心阶段，并给出每个阶段最关键的度量维度。
2.1 流水线典型阶段与数据流
一条完整的CI/CD流水线通常包含以下五个阶段，它们按顺序衔接，形成从“代码提交”到“生产发布”的自动化链路：
- 代码提交（Commit）：开发者将代码变更推送到版本控制系统（如Git），触发流水线。
- 构建（Build）：将源代码编译、打包为可部署的制品（如JAR、Docker镜像）。
- 测试（Test）：执行单元测试、集成测试、安全扫描等质量门禁。
- 部署（Deploy）：将制品部署到目标环境（如测试环境、预发布环境）。
- 发布（Release）：将已验证的制品正式上线到生产环境，面向最终用户。
架构要点： 在实际落地中，“部署”与“发布”常被混淆。部署是“把软件放到服务器上”，发布是“让用户开始使用”。SLI设计时需明确区分这两个动作的起始与结束点。
2.2 各阶段关键质量指标（SLI候选）
每个阶段都有其核心关注点，对应的SLI需要能够反映该阶段的健康度与效率。下表列出了各阶段最常用的质量指标及其业务含义：
| 阶段 | 关键质量指标（SLI） | 指标定义 | 典型阈值参考 |
|---|---|---|---|
| 代码提交 | 提交频率 / 提交通过率 | 单位时间内成功触发流水线的提交次数 / 提交后未因格式或权限问题被拒绝的比例 | 提交通过率 > 99% |
| 构建 | 构建成功率 / 构建时长 | 构建成功次数占总构建次数的比例 / 从开始构建到生成制品的平均耗时 | 构建成功率 > 95%；P50构建时长 < 10min |
| 测试 | 测试通过率 / 测试覆盖率 | 通过的测试用例数占总用例数的比例 / 代码被自动化测试覆盖的百分比 | 测试通过率 > 98%；单元测试覆盖率 > 80% |
| 部署 | 部署成功率 / 部署回滚率 | 部署到目标环境成功的次数占总部署次数的比例 / 因失败而回滚的部署次数占比 | 部署成功率 > 99%；回滚率 < 1% |
| 发布 | 发布频率 / 发布失败率 | 单位时间内成功发布到生产的次数 / 发布后导致严重事故的比例 | 发布频率 ≥ 1次/天；发布失败率 < 0.1% |
SLI设计原则： 每个阶段至少选择1个“效率指标”（如时长、频率）和1个“质量指标”（如成功率、通过率），避免只关注速度而牺牲稳定性。
2.3 阶段间的依赖与反馈闭环
流水线并非单向的线性通道，现代CI/CD架构强调“左移”与“反馈闭环”。例如，测试阶段的失败信息应能快速反馈到代码提交阶段，阻止后续提交合并；发布阶段的错误率飙升应能自动触发部署回滚。
下图展示了阶段间的依赖关系与关键反馈路径：
2.4 阶段SLI的选型对比
在实际选型中，不同团队对同一阶段的关注点可能不同。下表对比了三种常见场景下的SLI选型差异：
| 场景 | 核心目标 | 优先关注的阶段 | 推荐SLI组合 |
|---|---|---|---|
| 初创团队 / 快速迭代 | 缩短交付周期 | 构建、发布 | 构建时长（P50）、发布频率 |
| 金融 / 合规行业 | 保障稳定与安全 | 测试、部署 | 测试通过率、部署回滚率、安全扫描通过率 |
| SRE / 平台工程团队 | 流水线自身可靠性 | 所有阶段 | 各阶段成功率、流水线整体可用性、反馈延迟 |
常见误区： 不要试图在流水线初期就监控所有指标。建议从“构建成功率”和“测试通过率”两个基础指标开始，逐步扩展到部署和发布阶段。过度监控会导致告警疲劳，反而降低对真正问题的响应速度。
2.5 阶段SLI与流水线可观测性
将各阶段SLI纳入统一的可观测性平台（如Prometheus + Grafana、Datadog、ELK），可以实现流水线健康度的实时仪表盘。每个阶段应暴露以下三类数据：
- 计数器（Counter）：阶段触发次数、成功次数、失败次数。
- 直方图（Histogram）：阶段耗时分布（P50、P90、P99）。
- 仪表（Gauge）：当前排队任务数、并发构建数。
以下是一个典型的Prometheus指标暴露示例：
# HELP pipeline_build_duration_seconds 构建阶段耗时分布
# TYPE pipeline_build_duration_seconds histogram
pipeline_build_duration_seconds_bucket{le="60"} 120
pipeline_build_duration_seconds_bucket{le="300"} 95
pipeline_build_duration_seconds_bucket{le="900"} 30
pipeline_build_duration_seconds_bucket{le="+Inf"} 5
pipeline_build_duration_seconds_count 250
pipeline_build_duration_seconds_sum 45000
# HELP pipeline_test_pass_rate 测试通过率（0-1）
# TYPE pipeline_test_pass_rate gauge
pipeline_test_pass_rate 0.985通过上述指标，SRE可以快速定位流水线瓶颈：如果构建阶段P90耗时超过10分钟，说明需要优化构建缓存或扩容构建节点；如果测试通过率持续低于98%，则需要检查测试用例的稳定性或环境配置。