行业案例

black;珍爱网;基于微服务的DevOps落地指南

扫一扫分享此案例

2015-2016年，珍爱线下门店已新增覆盖城市9个，与此同时，CRM系统大小故障却发生了数十起... ...

珍爱网是以“网络征选+人工红娘”模式提供婚配服务的婚恋相亲平台。CRM系统承载了整个珍爱网会员的全生命周期管理，涵盖资源挖掘、用户触达渠道以及服务跟进体系。

CRM系统对珍爱5400名红娘来说，是承载她们全部工作的核心平台；对公司业务来说，承载着引流、转化、支付、客户服务等全部环节。最最重要的是，公司收入的80%都是依托CRM系统完成的。

然而在珍爱网成立10年之际，运行10年之久的CRM系统已不足以支撑业务的快速发展了。

##  !!#2f58b8 Part 1 我们为什么要做DevOps!!

经过分析，我们发现CRM系统目前面临着以下问题：

__技术上——__

- 传统的系统架构，不再适应敏捷开发，模块耦合，数据库存在单点故障；

- 容错性差，冗余代码多，修复bug和实现新功能变得困难和耗时。

__产品上——__

- 产品功能不够场景化、电子化、智能化；

- 无法快速响应业务变化，迭代周期长。

我们可是背负着“成就天下姻缘”使命呢，系统重构，研发流程改进，迫在眉睫。
2017年1月25日，捷豹项目组成立，只为给业务打造一个“简单·好用”专注于婚恋相亲的综合服务平台。
捷豹CRM系统（PC端、Pad端、小程序端）的版本发布周期为一周一个常规迭代，紧急版本按天发布。
捷豹CRM系统整体设计思路如下图，我们希望能够实现系统的服务解耦、动静分离以及高可用。

![图片描述](/tfl/pictures/201907/tapd_20106291_1563522500_86.png)

然而大家都知道，微服务架构中每个服务都具有业务属性，并且能独立地被开发、测试、构建、部署。换句话说，每个服务都是一个可交付的“系统”。

那么问题来了， __!!#e69138 如何让需求以小批量形式在团队的各个角色间顺畅流动，并以较短的周期完成小粒度的持续发布呢？!!__

答案当然是 !!!#f9cb9c TAPD DevOps流水线!!! ，简直是神助攻！

##  !!#2f58b8 Part 2 整体效果!!

TAPD DevOps流水线支持集成主流的研发工具，覆盖产品研发全生命周期，提供可视化交付流水线，可以将DevOps各个环节进行统一展示和管理，真正实现一站式持续交付。

![图片描述](/tfl/pictures/201907/tapd_20106291_1563522520_41.png)

自2017年10月起，我们就应用TAPD的DevOps流水线，开展了一系列持续交付和持续改进实践。

__!18 1.持续交付部分!__

CI和CD实现过程使用Gitlab、Jenkins、Sonar、Jacoco、Nexus、EasyOps、Docker、Kubernetes等工具，分别在代码管理、集成编译、包管理、自动化测试、发布阶段集成到TAPD流水线统一展示和管理。

![图片描述](/tfl/pictures/201907/tapd_20106291_1563522539_31.png)

__!182.持续改进部分!__

在TAPD流水线实践DevOps的过程中，我们也打通了各环节的研发数据。

通过TAPD迭代详情中的Dashboard，可以统计并展示当前迭代的研发效能数据，包括： !!#e69138 __需求完成情况、缺陷新增和解决情况、代码提交与关联趋势、每日构建统计、构建产物版本情况、自动化测试、部署发布__!!  等全过程数据，研发效能度量更直观、更深入，让改进方向更明确，也让效能提升更明显。

![图片描述](/tfl/pictures/201907/tapd_20106291_1563522558_41.png)

__!18 3.改进效果!__

基于以上持续交付和持续改进实践，我们的研发效能也有了质的提升。

我们从业务响应周期、持续交付能力、开发质量、交付质量四个方面来衡量研发效能，下图展示了各个维度的改进效果。

![图片描述](/tfl/pictures/201907/tapd_20106291_1563522572_79.gif)

##  !!#2f58b8 Part 3 我们的DevOps是如何落地的!!

那么我们具体怎样利用TAPD DevOps流水线，一步步实现持续交付，最终提升研发效能的呢？

下面我将分享我们在各个环节的做法。

###1.代码管理环节

__!16 1.1 建立TAPD分支管理规范!__

__!!!#f9cb9c 改造前：!!!__

开发编码过程中最崩溃的应该是：“我刚写好的代码又被谁覆盖了！”

并行开发过程中，最痛苦的莫过于开发的需求太多， 记不清哪个需求在哪个分支上，或者多个需求在一个分支上开发，撤代码撤到望眼欲穿……

![图片描述](/tfl/pictures/201907/tapd_20106291_1563522608_90.png)

__!!!#f9cb9c 改造后：!!!__ 
通过走访调研，最终我们确定遵循 __!!#e69138 “一个需求一个开发分支”!!__ 的原则，方便管理且可追溯，并行开发，互不干扰。

![图片描述](/tfl/pictures/201907/tapd_20106291_1563522629_80.png)

在Jenkins上创建Job，通过TAPD和Git的API，将TAPD需求ID与Git分支关联，创建的分支名为 __“工程名-创建日期-TAPD需求ID”__ ，开发小哥哥去Gitlab上拉创建好的需求分支便可努力搬砖了。

待需求上线后转关闭状态的21天，自动将该分支删除， __整个分支管理过程实现自动化。__

__!!!#f9cb9c 效果：!!!__

截至目前， 通过该Job创建分支次数达到 __1564次__ ，创建成功的分支数 __远大于1564*3 个__ ，而合并冲突数 __小于5次__ 。

__!16 1.2 TAPD源码关联!__

__!!!#f9cb9c 改造前：!!!__

在测试过程中， 最繁杂的应该是代码合并环节了，一个需求涉及到多个工程的代码变更，每天各个开发针对不同的需求，提测到测试同学进行代码合并。

开发/测试的比例为4:1，需求涉及的前后端工程40余个，面对一个需求到底要合并哪些工程，测试同学每天要在风中凌乱好几回……

__!!!#f9cb9c 改造后：!!!__

与研发效能度量深度结合，良好编码习惯，从源码关联开始。

通过源码关联功能，我们实现了以下闭环：

所有研发任务都必须录入TAPD，并且只能通过需求ID来创建Git分支 → Commit信息必须关联源码提交 → 度量数据只获取关联源码的代码行 → 根据这部分数据进行研发效率和质量的度量。

![图片描述](/tfl/pictures/201907/tapd_20106291_1563522649_57.png)

测试同学只用关注该需求的Gitlab提交记录即可知道本次变更涉及的工程有哪些，不用和开发一个个确认，减少沟通成本。

由于提交比较频繁，我们写了一个爬虫脚本，将抓到的版本库去重，得到该需求要合并的工程。然后我们将待合并工程，生成TAPD的合并任务分发给指定同学，将整个过程 __自动化管理。__

![图片描述](/tfl/pictures/201907/tapd_20106291_1563522670_72.png)

![图片描述](/tfl/pictures/201907/tapd_20106291_1563522681_31.png)

__!!!#f9cb9c 效果：!!!__

综上，通过“源码管理”和“TAPD分支规范”，有效规避了代码管理过程中，冲突多、管理乱、不可追溯的问题，同时也实现按需求粒度、灵活发布的效果。

自2018年10月以来，通过这套代码合并任务自动分发方案，我们成功迭代上线了 __18个常规版本和10个紧急版本__ ，整个过程简单清晰， __单任务合并整合环节，从原来的40分钟，减少到5分钟。__

###2.代码质量分析

__!!!#f9cb9c 改造前：!!!__

Sonar其实很早就开始在项目过程中使用了，但是效果并不太好。无论对于开发还是测试同学，都需要多维护一个系统，并且改动频繁，!!#e69138 __当某一个服务经手的开发过多时， Sonar扫描出问题后无法快速分配责任开发。__!! 
另外Sonar配置到集成环境构建时触发， __!!#e69138 让bug从发现环节开始滞后，修复过程也对版本稳定性带来风险。!!__

__!!!#f9cb9c 改造后：!!!__

在2018年底，我们发现TAPD流水线集成Sonar，还可以一键创建缺陷到TAPD。

于是，我们将Sonar扫描前置到开发每一次提交到Git仓库便触发构建，让Sonar缺陷在开发自测环节暴露出来，同时，每一次构建能清晰展示本次代码的变更人，开发可以安心地收下这一页的bug啦。

![图片描述](/tfl/pictures/201907/tapd_20106291_1563522704_39.png)

当然，有的开发小哥哥可能没有及时修复，没关系， 测试小姐姐将未及时关闭的Sonar缺陷通过 __“批量导入缺陷功能”__ 每天自动化（通过TAPD的API实现）创建到你的缺陷清单里，开发小哥哥再也不会错过那些被遗忘的bug啦。

![图片描述](/tfl/pictures/201907/tapd_20106291_1563522749_99.png)

噢，贴心的TAPD还在缺陷详情里把bug的文件名和代码行都给展示了呢，开发小哥哥和测试小姐姐终于可以不跨系统维护Sonar了。

![图片描述](/tfl/pictures/201907/tapd_20106291_1563522782_60.png)

###3.集成编译环节

需求分支经过静态扫描和自测通过后就要提交到集成环境啦。

在这个环节，除了常规编译步骤，我们还增加了__!!#e69138 开发的单元测试和Jacoco覆盖率检测!!__  。在集成环境我们也增加了Sonar进行最后一次扫描确认。

单元测试框架为JUnit，与TAPD进行关联，构建后在“自动化测试”板块可以看到本次构建的单元测试用例总数和通过率（单元测试通过率是我们对研发质量度量的一个很重要的指标），单元测试不通过的case和Sonar扫描的bug处理方式一致，由API脚本统一录入TAPD缺陷进行跟踪。

![图片描述](/tfl/pictures/201907/tapd_20106291_1563522796_43.png)

单元测试的覆盖率情况，方便开发同学分析单元测试用例对测试对象的分支覆盖情况。

![图片描述](/tfl/pictures/201907/tapd_20106291_1563522808_74.png)

编译后就是Sonar进行最后一道集成环境的全量代码扫描工作了。

###4 包管理环节

我们在包管理环节的实践主要分为对 “jar包”和“Docker镜像”的管理。

构建生成的jar包，推送到Maven仓库（用于其他项目的依赖引用）。将Nexus集成到TAPD，通过“构建产物”可以看到软件包的详细信息。

![图片描述](/tfl/pictures/201907/tapd_20106291_1563522893_9.png)

同时，流水线可以清晰看到构建步骤的耗时分布，也帮助我们有针对性地去优化构建效率。

![图片描述](/tfl/pictures/201907/tapd_20106291_1563522902_91.png)

然后进行Docker镜像打包，推送到Docker仓库，生成配置，并推送到配置仓库。

顺便说说为什么要用Docker吧！

项目初期只有一个dev环境，随着版本构建的频繁，稳定的测试环境对测试同学来说尤为关键，但是部署一套40余工程的环境对运维同学来说工作量也非常之大，于是我们引入了容器技术。在环境搭建、应用迁移方面都有很好的收获。

同时，基于珍爱的业务背景，特别是对于特殊节日搞活动时候，容器化能快速对服务进行横向扩容；减少对环境的依赖，部署快、扩容快。同时容器运行时会对服务运行环境进行隔离，也有效提升了安全性和服务运行的稳定性。

###5.自动化测试环节

自动化测试分为接口测试和UI自动化测试两个部分。

__!!#e69138 接口测试!!__ 主要通过开源工具实现，但涉及到跨系统维护，以及测试结果不能很好地跟踪，因此在TAPD上尝试用Python Unit Test做些核心场景的接口测试，以便于将这部分测试纳入到整个研发流水线当中，  __!!#e69138 构建成功后自动触发场景接口测试，失败的用例也能直接在TAPD跟踪。!!__

![图片描述](/tfl/pictures/201907/tapd_20106291_1563522919_36.png)

![图片描述](/tfl/pictures/201907/tapd_20106291_1563522944_80.png)

UI自动化，则是我们自己研发的平台，通过关键字驱动实现，并增加了代码覆盖率检测，以帮助测试人员分析哪些分支情况是没覆盖到的。

![图片描述](/tfl/pictures/201907/tapd_20106291_1563522959_35.png)

测试结果转为XML格式后也可以统一集成到TAPD管理，可以清晰直观地展示自动化测试结果。

![图片描述](/tfl/pictures/201907/tapd_20106291_1563522978_11.png)

目前我们的自动化用例覆盖业务流程达 __!!#e69138 239个，case成功率94%!!__  ，运行时长15min，代码覆盖率21%。

###6.部署发布环节

我们整个发布流程简单分为以下几个步骤，部署发布环节主要用主流部署工具完成。

![图片描述](/tfl/pictures/201907/tapd_20106291_1563522995_52.png)

##  !!#2f58b8 Part 4 研发效能度量!!

每月通过TAPD产生的过程数据进行研发过程效率和质量分析。同时我们也设立了相关奖项激励大家正向PK，提升效率的同时更加重视研发质量。

###1.研发效率分析

得益于TAPD的强大API，我们可以拿到需求交付过程数据。

![图片描述](/tfl/pictures/201907/tapd_20106291_1563523013_28.png)

通过深入分析，我们可以知道效率较低的环节到底是什么原因导致，以制定更有效的提升效率的方案，可以是流程自动化，也可以是制定规范。

###2.研发质量分析

而研发质量分析方面，我们希望能在团队内部形成重视研发质量的共识和文化。

我们会统计出研发同学本月上线的任务数、代码行、花费、生产bug，来计算出有效花费，遵循“好、多、快”原则，评选出优秀的个人和团队进行表彰鼓励。

![图片描述](/tfl/pictures/201907/tapd_20106291_1563523029_38.png)

![图片描述](/tfl/pictures/201907/tapd_20106291_1563523035_15.png)

噢，TAPD的API好好用，以上提到的脚本均由测试同学通过API实现，你会发现高效的质量度量是一件特别有意思的事情，质量度量后的效能提升更是一件特别有成就感的事情！

##  !!#2f58b8 Part 5 总结!!

珍爱网捷豹CRM项目，应用TAPD DevOps可视化流水线，集成业界主流研发工具，实现一站式持续交付管理，让整个研发过程清晰、直观、透明。

在这一过程中，我们基于TAPD提供的API接口，进行了二次开发，实现了多个环节的自动化闭环。

此外，我们通过API以及TAPD Dashboard，获取持续交付过程数据，从而进行研发效率和质量的分析以及持续改进。

基于以上实践，我们从 __!!#e69138 业务响应周期、持续交付能力、开发质量、交付质量!!__ 4个方面衡量的研发效能，都有了显著的提升。

我们将持续在此基础之上不断完善和优化，挖掘TAPD DevOps流水线的更多场景，全方位提升研发效能。
好咯， 今天的分享先到这里啦，我要去开早会啦！

![图片描述](/tfl/pictures/201907/tapd_20106291_1563523042_8.jpg)

敏捷协作，助力团队效率提升

免费试用

产品

项目协作轻协作智能协作助手安全保障

解决方案

研发全流程管理需求管理敏捷项目管理缺陷管理通用项目管理游戏研发管理

开放生态

开放平台

友情链接

腾讯乐享工蜂Git 企业微信腾讯企点腾讯云 CoDesign 腾讯问卷

服务与支持

客户服务合作伙伴帮助中心

95716

support@tapd.cn

TAPD 服务协议 TAPD AI 助手服务协议帮助中心反馈建议 TAPD 隐私政策