4. 流水线成功率SLI：定义口径与参数配置

流水线成功率（Pipeline Success Rate）是衡量CI/CD交付质量最核心的SLI之一。它直接反映代码从提交到产出制品的全链路健康度。本章将围绕该SLI的定义口径、排除条件和数据采集方式展开，并给出GitLab CI中的具体配置案例。

4.1 核心定义口径：成功Job数 / 总Job数

流水线成功率SLI的原子计算单元是Job，而非Pipeline本身。因为一个Pipeline可能包含多个并行或串行的Job，单个Job的失败往往能更精确地定位问题环节。

4.2 排除条件：手动取消与基础设施故障

并非所有Job失败都代表代码或配置问题。为了得到真实的“交付质量”SLI，必须从分母和分子中排除两类非业务性失败：

• 手动取消（Manual Cancellation）：由用户主动点击Cancel导致的Job终止。这类事件通常与代码质量无关，例如：
  - 开发人员误触发Pipeline后手动取消
  - 产品经理临时叫停某个功能分支的构建
  排除方式： 在数据采集时过滤 status == 'canceled' 且 user_id 为人工操作（非系统自动取消）。
• 基础设施故障（Infrastructure Failure）：Runner失联、磁盘空间不足、网络超时、Docker daemon崩溃等环境问题导致的Job失败。
  排除方式： 通过GitLab API的 failure_reason 字段识别，常见值包括 runner_system_failure、stuck_or_timeout_failure、runner_unsupported。

4.3 数据采集方式

GitLab提供了两种主流的数据采集路径：API拉取和Webhook推送。生产环境建议两者结合，确保数据不丢失。

4.3.1 基于GitLab API的拉取模式

通过 GET /projects/:id/jobs 接口获取指定时间范围内的所有Job记录，然后本地聚合计算成功率。以下是一个Python采集脚本的核心逻辑：

import requests
import time

GITLAB_URL = "https://gitlab.example.com"
PROJECT_ID = "12345"
PRIVATE_ = "your__here"
WINDOW_START = int(time.time()) - 3600  # 过去1小时

def fetch_jobs(page=1):
    url = f"{GITLAB_URL}/api/v4/projects/{PROJECT_ID}/jobs"
    params = {
        "per_page": 100,
        "page": page,
        "created_after": "2025-01-01T00:00:00Z",
        "scope": ["success", "failed", "canceled"]
    }
    headers = {"PRIVATE-": PRIVATE_}
    resp = requests.get(url, params=params, headers=headers)
    return resp.json()

def calculate_success_rate(jobs):
    total = 0
    success = 0
    for job in jobs:
        # 排除手动取消和基础设施故障
        if job["status"] == "canceled":
            continue
        if job.get("failure_reason") in ["runner_system_failure", "stuck_or_timeout_failure"]:
            continue
        total += 1
        if job["status"] == "success":
            success += 1
    return success / total if total > 0 else 1.0

# 分页采集并计算
all_jobs = []
page = 1
while True:
    jobs = fetch_jobs(page)
    if not jobs:
        break
    all_jobs.extend(jobs)
    page += 1

rate = calculate_success_rate(all_jobs)
print(f"Pipeline Job成功率: {rate:.2%}")

4.3.2 基于Webhook的推送模式

在GitLab项目设置中配置 Job Events Webhook，将Job状态变化实时推送到自建监控系统。推荐的数据结构如下：

4.4 流水线成功率SLI数据流架构

下图展示了从GitLab事件产生到SLI指标落地的完整数据流，包含排除逻辑的过滤节点：

4.5 参数配置实战：.gitlab-ci.yml 中的SLI埋点

为了配合SLI采集，建议在流水线配置中显式标记Job的业务类型和重试策略，方便后续排除逻辑的自动化处理：

stages:
  - build
  - test
  - deploy

variables:
  SLI_JOB_TYPE: "build"  # 默认值，可在每个Job中覆盖

build-job:
  stage: build
  variables:
    SLI_JOB_TYPE: "build"
  script:
    - echo "Building application..."
  retry:
    max: 2
    when:
      - runner_system_failure
      - stuck_or_timeout_failure
  artifacts:
    paths:
      - dist/

test-job:
  stage: test
  variables:
    SLI_JOB_TYPE: "test"
  script:
    - echo "Running tests..."
  retry:
    max: 1
    when:
      - runner_system_failure

deploy-job:
  stage: deploy
  variables:
    SLI_JOB_TYPE: "deploy"
  script:
    - echo "Deploying to production..."
  only:
    - main
  when: manual  # 手动触发Job，不计入SLI分母

4.6 成功率SLI的聚合与阈值建议

采集到原始数据后，建议按以下维度聚合，并设置对应的SLO目标：