25 Pipeline-Visualisierung und Überwachung

Die Visualisierung und Überwachung von Pipelines ist ein essenzieller Teil des CI/CD-Prozesses in GitLab. Sie ermöglicht es, den Status jeder Pipeline, die Ausführung von Jobs und eventuelle Fehler in Echtzeit zu überwachen. Dadurch können Entwickler schnell auf Probleme reagieren und sicherstellen, dass der gesamte Workflow reibungslos funktioniert.

25.1 Pipeline-Übersicht

Sobald eine Pipeline in GitLab gestartet wird, wird sie im Bereich Build > Pipelines visuell dargestellt. Diese Ansicht bietet eine klare Übersicht über alle aktiven, abgeschlossenen und fehlgeschlagenen Pipelines. Jede Pipeline wird durch eine eindeutige ID und ihren aktuellen Status repräsentiert. Der Status einer Pipeline kann einer der folgenden sein:

• Passend (green): Die Pipeline wurde erfolgreich abgeschlossen.
• Fehlgeschlagen (red): Mindestens ein Job in der Pipeline ist fehlgeschlagen.
• Manuell (orange): Die Pipeline erfordert eine manuelle Bestätigung oder Ausführung.
• Laufend (blue): Die Pipeline wird aktuell ausgeführt.

25.2 Pipeline-Grafik

Die Pipeline-Grafik bietet eine visuelle Darstellung aller Jobs und Stages einer Pipeline. Jede Stage wird durch ein Rechteck dargestellt, das alle darin enthaltenen Jobs einschließt. Die Grafik zeigt auch die Abhängigkeiten zwischen den Jobs an und gibt an, ob diese parallel oder sequentiell ausgeführt werden.

• Farbcodierung: Jeder Job in der Grafik ist farblich markiert, je nach Status (laufend, erfolgreich, fehlgeschlagen, manuell).
• Job-Details: Durch Klicken auf einen Job in der Grafik erhält man detaillierte Informationen, wie etwa die Log-Ausgaben, die Ausführungszeit und die verwendeten Ressourcen.

25.3 Überwachung von Jobs

Die Überwachung einzelner Jobs ist entscheidend, um Engpässe und Fehlerquellen in der Pipeline schnell zu identifizieren. In den Job-Details werden folgende Informationen bereitgestellt:

• Log-Dateien: Zeigt die Ausgabe der während des Jobs ausgeführten Befehle an. Diese Informationen sind besonders nützlich, um Fehler zu diagnostizieren und zu beheben.
• Artefakte und Caches: Falls ein Job Artefakte oder Caches verwendet oder erstellt, können diese direkt eingesehen und heruntergeladen werden.
• Ressourcennutzung: Zeigt die Auslastung von CPU, Speicher und anderen Ressourcen an, was hilfreich ist, um die Effizienz des Jobs zu beurteilen.

25.4 Erweiterte Überwachung: Pipelines und Metriken

Für größere Projekte, bei denen mehrere Pipelines parallel laufen, oder für Unternehmen, die kontinuierliche Bereitstellung auf mehreren Umgebungen durchführen, ist die umfassende Überwachung der Pipelines von größter Bedeutung. GitLab bietet einige Funktionen zur erweiterten Überwachung:

1. Pipeline-Dashboard: Ein Dashboard, das den aktuellen Status mehrerer Pipelines in einem einzigen Fenster zusammenfasst. Dies ist besonders nützlich für Teams, die viele parallele Projekte überwachen müssen.

2. Monitoring von Pipelines mit Prometheus: GitLab kann mit Prometheus integriert werden, um detaillierte Metriken zu exportieren, z. B. Ausführungszeiten von Jobs, Pipeline-Erfolgsraten und Ressourcenauslastung. Dies ermöglicht eine tiefgehende Analyse der Pipeline-Performance und liefert Einblicke in die Effizienz der Continuous Integration- und Continuous Delivery-Prozesse.

3. Fehlerüberwachung und Benachrichtigungen: GitLab bietet die Möglichkeit, Benachrichtigungen einzurichten, die bei fehlschlagenden Pipelines oder Jobs automatisch ausgelöst werden. Dies ermöglicht es Teams, sofort auf kritische Probleme zu reagieren und Ausfallzeiten zu minimieren.

25.5 Verwendung von “Retry” und “Manual Jobs”

Neben der reinen Überwachung bietet GitLab Funktionen zur Verwaltung von Pipelines in Echtzeit. Zwei wichtige Steuerungsmechanismen sind:

• Wiederholen (Retry): Falls ein Job fehlschlägt, kann er manuell oder automatisch erneut gestartet werden, ohne die gesamte Pipeline neu zu starten. Dies spart Zeit, da nur der fehlgeschlagene Job wiederholt wird.

• Manuelle Jobs: Jobs können so konfiguriert werden, dass sie nur nach manueller Bestätigung ausgeführt werden. Diese Funktion ist besonders nützlich für Deployments in Produktionsumgebungen, bei denen eine zusätzliche Kontrolle notwendig ist.