add abstract and summary, refine wording and citation placement in ci/cd and self-hosted chapters
ChrPc
Chri$
parent
803e6382e7
commit
67ac8bea78
|
|
@ -87,7 +87,7 @@
|
|||
|
||||
\begin{abstract}
|
||||
\authornote{Christopher Schmitt}
|
||||
\blindtext
|
||||
GitLab vereint Versionsverwaltung, \ac{CI}/\ac{CD} und Projektorganisation in einer Plattform. Betreiben lässt es sich als gehosteter Dienst oder auf eigener Infrastruktur. Diese Arbeit untersucht GitLab als DevOps-Plattform mit Schwerpunkt auf der \ac{CI}/\ac{CD}-Pipeline und der selbstgehosteten Variante. Erklärt werden die zentralen Bausteine \emph{Runner}, \emph{Pipeline} und \emph{Job}. Danach folgt ein Anwendungsbeispiel mit einer Demo-Pipeline, die im Container \texttt{node:20-alpine} die Stages \texttt{lint}, \texttt{test} und \texttt{deploy} durchläuft. Für die selbstgehostete Lösung wurde GitLab \ac{CE} in Version 18.11 über das Omnibus-Paket auf einem Linux-Server installiert, über \texttt{gitlab.rb} konfiguriert und mit \texttt{gitlab-ctl} betrieben. Den grösseren Teil der Einrichtung erledigte die Weboberfläche, ohne dass viel an der Kommandozeile nötig war. In der Evaluierung wurde die Demo-Pipeline auf der eigenen Instanz vermessen. Die eigentliche Prüfung liegt je Job unter einer Sekunde. Den Rest verbrauchen Container-Start, Klonen und das Installieren der Abhängigkeiten. Ein unwirksamer Cache liess sich entfernen und sparte rund drei Sekunden je Job.
|
||||
\end{abstract}
|
||||
|
||||
|
||||
|
|
@ -213,13 +213,13 @@
|
|||
|
||||
\subsection{GitLab Runner}
|
||||
|
||||
Die GitLab-Instanz selbst führt keine \ac{CI}/\ac{CD}-Arbeit aus. Diese Aufgabe übernimmt ein separater Hilfsprozess, der \emph{Runner} \cite{gitlab_gitlab_nodate}. Ein Runner registriert sich einmal mit einem Token bei der Instanz und holt sich danach selbständig offene Aufgaben ab. Durch diese Trennung kann die Ausführung horizontal skaliert werden. Plattformabhängige Aufgaben lassen sich gezielt auf der passenden Hardware ausführen \cite{painter_practical_2024}. Runner können auf drei unterschiedlichen Ebenen registriert werden:
|
||||
Die GitLab-Instanz führt \ac{CI}/\ac{CD}-Jobs nicht selbst aus. Das erledigt ein separater Prozess, der \emph{Runner} \cite{gitlab_gitlab_nodate}. Ein Runner registriert sich einmal mit einem Token bei der Instanz und holt sich danach selbständig offene Aufgaben ab. Diese Trennung erlaubt es, mehrere Runner parallel zu betreiben. Plattformabhängige Aufgaben laufen so auf der passenden Hardware \cite{painter_practical_2024}. Runner können auf drei unterschiedlichen Ebenen registriert werden:
|
||||
\begin{itemize}
|
||||
\item \textbf{Instanz} Auf Instanzebene registrierte Runner stehen allen Projekten der GitLab-Instanz zur Verfügung. Sie werden in der Regel von der Administration bereitgestellt.
|
||||
\item \textbf{Gruppe} Auf Gruppenebene registrierte Runner nehmen Aufgaben aus sämtlichen Projekten innerhalb dieser Gruppe und ihrer Subgruppen an. Eingesetzt werden sie meistens dann, wenn eine Gruppe besondere Anforderungen an Hardware oder Software stellt.
|
||||
\item \textbf{Projekt} Auf Projektebene registrierte Runner sind ausschliesslich an ein einzelnes Projekt gebunden. Diese Variante eignet sich für sensitive Projekte, bei denen kein gemeinsam genutzter Runner verwendet werden soll.
|
||||
\end{itemize}
|
||||
Wie ein Runner eine konkrete Aufgabe ausführt, hängt vom konfigurierten \emph{Executor} ab. Der Executor entscheidet, in welcher Umgebung das vom Anwender hinterlegte Skript läuft. Tabelle~\ref{tab:executors} listet die in der Praxis am häufigsten verwendeten Executors auf.
|
||||
Wie ein Runner eine konkrete Aufgabe ausführt, hängt vom konfigurierten \emph{Executor} ab. Er entscheidet, in welcher Umgebung das hinterlegte Skript läuft. Tabelle~\ref{tab:executors} listet die in der Praxis am häufigsten verwendeten Executors auf.
|
||||
\begin{table}[H]
|
||||
\centering
|
||||
\caption{Häufig verwendete Executors des GitLab Runners \cite{gitlab_gitlab_nodate}}
|
||||
|
|
@ -240,9 +240,9 @@
|
|||
|
||||
\subsection{Pipelines}
|
||||
|
||||
Eine \emph{Pipeline} ist in GitLab die oberste Ebene der Automatisierung. Sie umfasst sämtliche Schritte, die als Reaktion auf ein Ereignis im Repository ablaufen \cite{gitlab_gitlab_nodate}. Ausgelöst wird eine Pipeline durch unterschiedliche Ereignisse. Dazu gehören ein Push, das Öffnen eines \emph{Merge Requests}, ein hinterlegter Zeitplan, ein manueller Klick in der Weboberfläche oder das Ende einer anderen Pipeline \cite{cowell_automating_2023}.
|
||||
Eine \emph{Pipeline} ist in GitLab die oberste Ebene der Automatisierung. Sie umfasst sämtliche Schritte, die als Reaktion auf ein Ereignis im Repository ablaufen \cite{gitlab_gitlab_nodate}. Ausgelöst wird sie durch verschiedene Ereignisse. Ein Push oder das Öffnen eines \emph{Merge Requests} startet sie, ebenso ein hinterlegter Zeitplan oder ein manueller Klick in der Weboberfläche \cite{cowell_automating_2023}. Auch das Ende einer anderen Pipeline kann der Auslöser sein.
|
||||
|
||||
Innerhalb einer Pipeline werden die einzelnen Arbeitsschritte zu sogenannten \emph{Stages} zusammengefasst. Alle Schritte einer Stage laufen parallel und müssen erfolgreich abgeschlossen sein, bevor die nächste Stage beginnt \cite{gitlab_gitlab_nodate}. Eine in der Praxis verbreitete Reihenfolge der Stages ist \texttt{lint}, \texttt{test}, \texttt{build} und \texttt{deploy}. In \texttt{lint} prüfen statische Werkzeuge den Code auf Stil und offensichtliche Fehler. \texttt{test} führt die automatischen Tests aus. In \texttt{build} wird die Anwendung paketiert, etwa zu einem Container-Image. \texttt{deploy} bringt das Ergebnis in eine Zielumgebung. Abbildung~\ref{fig:pipeline-stages} zeigt das Verhältnis von Pipeline, Stages und Jobs.
|
||||
Innerhalb einer Pipeline werden die einzelnen Arbeitsschritte zu sogenannten \emph{Stages} zusammengefasst. Alle Schritte einer Stage laufen parallel und müssen erfolgreich abgeschlossen sein, bevor die nächste Stage beginnt \cite{gitlab_gitlab_nodate}. Eine typische Reihenfolge der Stages ist \texttt{lint}, \texttt{test}, \texttt{build} und \texttt{deploy}. In \texttt{lint} prüfen statische Werkzeuge den Code auf Stil und offensichtliche Fehler, danach führt \texttt{test} die automatischen Tests aus. In \texttt{build} wird die Anwendung paketiert, etwa zu einem Container-Image. \texttt{deploy} bringt das Ergebnis in eine Zielumgebung. Abbildung~\ref{fig:pipeline-stages} zeigt das Verhältnis von Pipeline, Stages und Jobs.
|
||||
|
||||
\input{diagrams/pipeline_stages}
|
||||
|
||||
|
|
@ -273,28 +273,28 @@ deploy-staging:
|
|||
- main
|
||||
\end{lstlisting}
|
||||
|
||||
Die starre Stage-Reihenfolge lässt sich mit dem Schlüsselwort \texttt{needs} aufbrechen. Daraus entsteht ein gerichteter Graph ohne Zyklen, ein sogenannter \ac{DAG}. Ohne Zyklen heisst, dass kein Job über Umwege wieder von sich selbst abhängt. Ein Job startet, sobald seine konkret benannten Vorgänger fertig sind, und wartet nicht mehr auf die gesamte vorherige Stage. Unnötige Wartezeiten entfallen \cite{cowell_automating_2023}. Wiederkehrende Pipeline-Bausteine lassen sich über das Schlüsselwort \texttt{include} aus anderen Repositories nachladen \cite{gitlab_gitlab_nodate}.
|
||||
Die starre Stage-Reihenfolge lässt sich mit dem Schlüsselwort \texttt{needs} aufbrechen. Daraus entsteht ein gerichteter Graph ohne Zyklen, ein sogenannter \ac{DAG}. Ohne Zyklen heisst, dass kein Job über Umwege wieder von sich selbst abhängt. Ein Job startet, sobald seine konkret benannten Vorgänger fertig sind \cite{cowell_automating_2023}. Er wartet nicht mehr auf die gesamte vorherige Stage, unnötige Wartezeiten entfallen. Wiederkehrende Pipeline-Bausteine lassen sich über das Schlüsselwort \texttt{include} aus anderen Repositories nachladen \cite{gitlab_gitlab_nodate}.
|
||||
|
||||
\subsection{Jobs}
|
||||
|
||||
Die eigentliche Arbeitseinheit innerhalb einer Pipeline ist der \emph{Job}. Ein Job führt ein vom Anwender festgelegtes Skript in einer isolierten Umgebung aus und ist genau einer Stage zugeordnet \cite{gitlab_gitlab_nodate}. Jobs derselben Stage sind voneinander unabhängig und werden parallel auf den verfügbaren Runnern ausgeführt. Ob die Pipeline weiterläuft, hängt vom Ergebnis sämtlicher Jobs einer Stage ab.
|
||||
Die eigentliche Arbeitseinheit innerhalb einer Pipeline ist der \emph{Job}. Ein Job führt ein vom Anwender festgelegtes Skript in einer isolierten Umgebung aus und ist genau einer Stage zugeordnet \cite{gitlab_gitlab_nodate}. Jobs derselben Stage sind voneinander unabhängig. Sie laufen parallel auf den verfügbaren Runnern. Ob die Pipeline weiterläuft, hängt vom Ergebnis sämtlicher Jobs einer Stage ab.
|
||||
|
||||
Mit dem Schlüsselwort \texttt{rules} wird pro Job festgelegt, unter welchen Bedingungen dieser ausgeführt wird. Beispiele sind die Beschränkung auf bestimmte Branches, die Ausführung nur bei Änderungen an bestimmten Dateien oder die Abhängigkeit vom Ergebnis vorheriger Jobs \cite{cowell_automating_2023}. Ein als \texttt{manual} markierter Job läuft erst nach einer expliziten Freigabe über die Weboberfläche. Diese Konstruktion wird häufig für Auslieferungen in produktive Umgebungen genutzt.
|
||||
Mit dem Schlüsselwort \texttt{rules} wird pro Job festgelegt, unter welchen Bedingungen dieser ausgeführt wird. Beispiele sind die Beschränkung auf bestimmte Branches, die Ausführung nur bei Änderungen an bestimmten Dateien oder die Abhängigkeit vom Ergebnis vorheriger Jobs \cite{cowell_automating_2023}. Ein als \texttt{manual} markierter Job läuft erst nach einer expliziten Freigabe über die Weboberfläche. Das wird für Auslieferungen in produktive Umgebungen genutzt.
|
||||
|
||||
Während ein Job läuft, entstehen häufig Dateien, die spätere Jobs weiterverarbeiten. Beispiele sind ein gebautes Bundle, ein Container-Image oder ein Testbericht. GitLab unterscheidet dafür zwei Mechanismen mit unterschiedlicher Lebensdauer \cite{gitlab_gitlab_nodate}:
|
||||
Ein Job erzeugt während seiner Ausführung oft Dateien, die spätere Jobs weiterverarbeiten. Beispiele sind ein gebautes Bundle, ein Container-Image oder ein Testbericht. GitLab unterscheidet dafür zwei Mechanismen mit unterschiedlicher Lebensdauer:
|
||||
\begin{itemize}
|
||||
\item \textbf{Artefakte} sind benannte Ergebnisse eines Jobs. Sie werden nach dem erfolgreichen Abschluss eines Jobs an die GitLab-Instanz hochgeladen, stehen dort zum Download bereit und werden an spätere Jobs der Pipeline weitergegeben.
|
||||
\item \textbf{Artefakte} sind benannte Ergebnisse eines Jobs \cite{gitlab_gitlab_nodate}. Sie werden nach dem erfolgreichen Abschluss eines Jobs an die GitLab-Instanz hochgeladen, stehen dort zum Download bereit und werden an spätere Jobs der Pipeline weitergegeben.
|
||||
\item \textbf{Caches} dienen ausschliesslich dazu, wiederholte Ausführungen zu beschleunigen. Typisch ist das Zwischenspeichern heruntergeladener Abhängigkeiten zwischen Pipeline-Läufen. Über Jobgrenzen hinweg ist der Cache nicht garantiert verfügbar.
|
||||
\end{itemize}
|
||||
Das Ziel einer Auslieferung wird durch das Konzept der \emph{Environments} beschrieben \cite{cowell_automating_2023}. Jedes Environment fasst alle Auslieferungen in eine bestimmte Zielumgebung zusammen. In der Weboberfläche wird zusätzlich protokolliert, welche Version dort gerade läuft. Einen Sonderfall bilden \emph{Review-Apps}. Für jeden offenen Merge Request erzeugt GitLab automatisch eine isolierte, kurzlebige Auslieferung, in der die geänderte Anwendung vor dem Merge begutachtet werden kann \cite{gitlab_gitlab_nodate}. Nach Rostami Mazrae et al.~\cite{rostami_usage_2023} ist diese direkte Kopplung zwischen Review und laufender Vorschau eines der Merkmale, mit denen sich GitLab von alternativen Plattformen abgrenzt.
|
||||
Das Ziel einer Auslieferung beschreibt das Konzept der \emph{Environments} \cite{cowell_automating_2023}. Ein Environment fasst alle Auslieferungen in eine bestimmte Zielumgebung zusammen. In der Weboberfläche wird zusätzlich protokolliert, welche Version dort gerade läuft. Einen Sonderfall bilden \emph{Review-Apps}. Für jeden offenen Merge Request erzeugt GitLab automatisch eine isolierte, kurzlebige Auslieferung, in der die geänderte Anwendung vor dem Merge begutachtet werden kann \cite{gitlab_gitlab_nodate}. Nach Rostami Mazrae et al.~\cite{rostami_usage_2023} ist diese direkte Kopplung zwischen Review und laufender Vorschau eines der Merkmale, mit denen sich GitLab von alternativen Plattformen abgrenzt.
|
||||
|
||||
Auch die Pipeline-Definition selbst kann schlecht gebaut sein. Zampetti et al.~\cite{zampetti_empirical_2020} sammeln typische Fehler aus realen CI-Konfigurationen. Zwei davon treten besonders oft auf. Stages laufen nacheinander, obwohl sie parallel könnten. Ausserdem werden Cache und Artefakte vermischt, sodass ein späterer Job auf Dateien zugreift, die nicht zuverlässig vorhanden sind. Die Pipeline schlägt dann unregelmässig fehl, je nachdem, ob die Datei gerade im Cache liegt.
|
||||
|
||||
\subsection{CICD-Komponenten}\label{subsec:komponenten}
|
||||
|
||||
Mit dem Schlüsselwort \texttt{include} können bereits seit längerem ganze Pipeline-Fragmente aus anderen Repositories oder von einer entfernten \ac{URL} eingebunden werden \cite{gitlab_gitlab_nodate}. In der Praxis stellen sich dabei zwei wiederkehrende Probleme. Eingebundene Fragmente sind in den meisten Fällen weder versioniert noch besitzen sie eine eigene Schnittstelle. Eine Änderung am Fragment schlägt sofort auf sämtliche einbindenden Pipelines durch \cite{cowell_automating_2023}.
|
||||
Mit dem Schlüsselwort \texttt{include} können bereits seit längerem ganze Pipeline-Fragmente aus anderen Repositories oder von einer entfernten \ac{URL} eingebunden werden \cite{gitlab_gitlab_nodate}. Zwei Probleme tauchen dabei immer wieder auf. Eingebundene Fragmente sind meist weder versioniert noch haben sie eine eigene Schnittstelle, und eine Änderung am Fragment schlägt sofort auf alle einbindenden Pipelines durch \cite{cowell_automating_2023}.
|
||||
|
||||
CI/CD-Komponenten lösen diese Probleme. Eingeführt wurden sie experimentell mit GitLab 16.0, allgemein verfügbar sind sie seit Version 17.0 \cite{gitlab_gitlab_nodate}. Eine Komponente ist ein versionierter und parametrisierbarer Pipeline-Baustein, der ähnlich wie eine Software-Bibliothek verwendet wird. Komponenten werden in einem dedizierten Projekt entwickelt und veröffentlicht. Drei Bestandteile gehören dazu:
|
||||
CI/CD-Komponenten lösen diese Probleme. Eingeführt wurden sie experimentell mit GitLab 16.0, allgemein verfügbar sind sie seit Version 17.0 \cite{gitlab_gitlab_nodate}. Eine Komponente ist ein versionierter und parametrisierbarer Pipeline-Baustein, der ähnlich wie eine Software-Bibliothek verwendet wird. Komponenten werden in einem eigenen Projekt entwickelt und veröffentlicht. Zu ihnen gehören:
|
||||
\begin{itemize}
|
||||
\item \textbf{Manifest} Eine Komponente beschreibt in einer YAML-Datei, meist \texttt{template.yml}, ihre Eingabeparameter mit Datentyp und Defaultwert sowie die Jobs, die sie beisteuert.
|
||||
\item \textbf{Version} Komponenten werden über Git-Tags veröffentlicht. Das einbindende Projekt referenziert eine Komponente mit einer festen Version, wahlweise auch mit einem Branch oder einem Commit. Bei einer festen Version kann sich der eingebundene Stand nachträglich nicht mehr ändern.
|
||||
|
|
@ -314,11 +314,11 @@ stages:
|
|||
- test
|
||||
\end{lstlisting}
|
||||
|
||||
Anders als beim klassischen \texttt{include} hat die Komponente damit eine klar definierte Schnittstelle mit benannten Eingabeparametern. Die Werte setzt das einbindende Projekt im Block \texttt{inputs}. Innerhalb der Komponente stehen sie über die Schreibweise \texttt{\$[[ inputs.<name> ]]} zur Verfügung \cite{gitlab_gitlab_nodate}. Der Aufruf in Listing~\ref{lst:component} verweist mit \texttt{\$CI\_SERVER\_FQDN} auf eine von GitLab vorgegebene Variable. Sie enthält den vollständigen Hostnamen der Instanz, den \ac{FQDN}, sodass der Pfad nicht fest verdrahtet werden muss. Diese Trennung von Schnittstelle und Implementierung hält die Pipeline-Logik auch in grösseren Organisationen wartbar \cite{cowell_automating_2023}. Ein Fehler an einer Komponente lässt sich dann an einer einzigen Stelle beheben, statt in jeder einbindenden Pipeline.
|
||||
Anders als beim klassischen \texttt{include} hat die Komponente damit eine klar definierte Schnittstelle mit benannten Eingabeparametern. Die Werte setzt das einbindende Projekt im Block \texttt{inputs}. Innerhalb der Komponente stehen sie über die Schreibweise \texttt{\$[[ inputs.<name> ]]} zur Verfügung \cite{gitlab_gitlab_nodate}. Der Aufruf in Listing~\ref{lst:component} verweist mit \texttt{\$CI\_SERVER\_FQDN} auf eine von GitLab vorgegebene Variable. Sie enthält den vollständigen Hostnamen der Instanz, den \ac{FQDN}, sodass der Pfad nicht fest verdrahtet werden muss. Nach Cowell et al. hält diese Trennung von Schnittstelle und Implementierung die Pipeline-Logik wartbar \cite{cowell_automating_2023}. Ein Fehler an einer Komponente lässt sich dann an einer Stelle beheben, statt in jeder einbindenden Pipeline.
|
||||
|
||||
\subsection{Anwendungsbeispiel}
|
||||
|
||||
Zur praktischen Demonstration der vorhergehenden Konzepte wurde eine kleine Webanwendung auf der in Abschnitt~\ref{sec:selfhosted} beschriebenen selbstgehosteten Instanz aufgesetzt. Die Anwendung ist bewusst minimal gehalten. So liegt der Fokus auf der \ac{CI}/\ac{CD}-Konfiguration und nicht auf dem Anwendungscode.
|
||||
Zur praktischen Demonstration der vorhergehenden Konzepte wurde eine kleine Webanwendung auf der in Abschnitt~\ref{sec:selfhosted} beschriebenen selbstgehosteten Instanz aufgesetzt. Die Anwendung bleibt klein, damit der Fokus auf der \ac{CI}/\ac{CD}-Konfiguration liegt und nicht auf dem Anwendungscode.
|
||||
|
||||
Die Demoanwendung ist ein \texttt{HTTP}-Dienst, der in \emph{Node.js} mit dem Web-Framework \emph{Express} geschrieben ist. Bereitgestellt wird ein einzelner Endpunkt \texttt{GET /}, der eine kurze HTML-Seite mit der Bezeichnung der aktuellen Umgebung und der im Build verbauten Versionskennung ausliefert. Beide Werte werden zur Laufzeit über Umgebungsvariablen aus dem Container gelesen und im jeweiligen Deploy-Job gesetzt. Eine kleine Testsuite mit dem Framework \texttt{vitest} prüft, dass der Endpunkt eine HTML-Antwort mit Statuscode~200 und der erwarteten Versionskennung liefert.
|
||||
|
||||
|
|
@ -338,11 +338,11 @@ stages:
|
|||
\end{tabular}%
|
||||
}
|
||||
\end{table}
|
||||
Die ersten beiden Stages werden bei jedem Push auf jeden Branch ausgeführt. Sie entsprechen den klassischen \ac{CI}-Schritten nach Duvall et al.~\cite{duvall_continuous_2007} und Fowler~\cite{fowler_continuous_2006} und sollen ein schnelles, automatisches Feedback auf jeden Codestand erzeugen. Die Stage \texttt{deploy} deckt den Continuous-Delivery-Anteil ab. Hier trennen sich zwei Pfade. Auf einem Feature-Branch steht der Job \texttt{deploy:staging} als manueller Schritt in der Pipeline-Übersicht bereit. Eine Änderung kann so bei Bedarf in einer laufenden Vorschau begutachtet werden, bevor sie in den Hauptzweig wandert. Ein Push auf \texttt{main} liefert automatisch nach \texttt{production} aus. Nach der Begriffsabgrenzung von Shahin et al.~\cite{shahin_continuous_2017} entspricht der Pfad nach \texttt{main} damit Continuous Deployment, der manuelle Pfad nach Staging klassischem Continuous Delivery.
|
||||
Die ersten beiden Stages werden bei jedem Push auf jeden Branch ausgeführt. Sie entsprechen den klassischen \ac{CI}-Schritten nach Duvall et al.~\cite{duvall_continuous_2007} und Fowler~\cite{fowler_continuous_2006}. Ihr Zweck ist ein schnelles, automatisches Feedback auf jeden Codestand. Die Stage \texttt{deploy} deckt den Continuous-Delivery-Anteil ab. Hier trennen sich zwei Pfade. Auf einem Feature-Branch steht der Job \texttt{deploy:staging} als manueller Schritt in der Pipeline-Übersicht bereit. Eine Änderung kann so bei Bedarf in einer laufenden Vorschau begutachtet werden, bevor sie in den Hauptzweig wandert. Ein Push auf \texttt{main} liefert automatisch nach \texttt{production} aus. Nach der Begriffsabgrenzung von Shahin et al.~\cite{shahin_continuous_2017} entspricht der Pfad nach \texttt{main} damit Continuous Deployment, der manuelle Pfad nach Staging klassischem Continuous Delivery.
|
||||
|
||||
Die Jobs laufen auf zwei verschiedenen Runnern. \texttt{lint} und \texttt{unit-test} nutzen einen Runner mit Docker-Executor und führen ihre Schritte im Container \texttt{node:20-alpine} aus. Die Deploy-Jobs sind über \texttt{tags} an einen zweiten Runner mit Shell-Executor gebunden. Sie bauen das Image mit \texttt{docker build} und starten es mit \texttt{docker run}, brauchen also direkten Zugriff auf den Docker-Daemon des Zielhosts. So bleibt die Prüfung im isolierten Container, während die Auslieferung auf dem Host selbst arbeitet.
|
||||
Die Jobs laufen auf zwei verschiedenen Runnern. \texttt{lint} und \texttt{unit-test} nutzen einen Runner mit Docker-Executor und führen ihre Schritte im Container \texttt{node:20-alpine} aus. Über \texttt{tags} sind die Deploy-Jobs an einen zweiten Runner mit Shell-Executor gebunden. Sie bauen das Image mit \texttt{docker build} und starten es mit \texttt{docker run}. Dafür brauchen sie direkten Zugriff auf den Docker-Daemon des Zielhosts. So bleibt die Prüfung im isolierten Container, während die Auslieferung auf dem Host selbst arbeitet.
|
||||
|
||||
Im Rahmen der Live-Präsentation wird der Lebenszyklus einer Codeänderung in drei Schritten gezeigt. Zunächst wird auf einem Feature-Branch eine sichtbare Änderung am Anwendungscode vorgenommen und in das Repository übertragen. Die Stages \texttt{lint} und \texttt{unit-test} laufen automatisch durch. Danach wird der Job \texttt{deploy:staging} über die Weboberfläche freigegeben. Die Änderung ist unmittelbar unter der Staging-Adresse sichtbar, ohne dass sie bereits im Hauptzweig liegt. Den Abschluss bildet der Merge Request gegen \texttt{main}. Wird er akzeptiert, durchläuft eine neue Pipeline auf \texttt{main} erneut \texttt{lint} und \texttt{unit-test} und löst anschliessend automatisch \texttt{deploy:prod} aus. Die neue Version läuft damit ohne weiteren Eingriff in der Produktion.
|
||||
Im Rahmen der Live-Präsentation wird der Lebenszyklus einer Codeänderung in drei Schritten gezeigt. Zunächst wird auf einem Feature-Branch eine sichtbare Änderung am Anwendungscode vorgenommen und in das Repository übertragen. Die Stages \texttt{lint} und \texttt{unit-test} laufen automatisch durch. Danach wird der Job \texttt{deploy:staging} über die Weboberfläche freigegeben. Die Änderung ist unmittelbar unter der Staging-Adresse sichtbar, ohne dass sie bereits im Hauptzweig liegt. Zuletzt folgt der Merge Request gegen \texttt{main}. Wird er akzeptiert, durchläuft eine neue Pipeline auf \texttt{main} erneut \texttt{lint} und \texttt{unit-test} und löst anschliessend automatisch \texttt{deploy:prod} aus. Die neue Version läuft damit ohne weiteren Eingriff in der Produktion.
|
||||
|
||||
\section{Selbstgehostete Lösung}\label{sec:selfhosted}
|
||||
\authornote{Christopher Schmitt}
|
||||
|
|
@ -351,13 +351,13 @@ stages:
|
|||
|
||||
\subsection{Installation}
|
||||
|
||||
Für die selbstgehostete \ac{CE} bietet GitLab das sogenannte \emph{Omnibus-Paket} an \cite{painter_practical_2024}. Im Paket enthalten sind sämtliche Komponenten, die GitLab im Betrieb benötigt. Dazu zählen der Webserver \texttt{nginx}, der Anwendungsserver \texttt{Puma}, die relationale Datenbank \texttt{PostgreSQL} und der Schlüssel-Wert-Speicher \texttt{Redis}. Weitere Hintergrundprozesse kommen hinzu \cite{gitlab_gitlab_nodate}. Abbildung~\ref{fig:omnibus-arch} zeigt das Zusammenspiel der einzelnen Bausteine.
|
||||
Für die selbstgehostete \ac{CE} bietet GitLab das sogenannte \emph{Omnibus-Paket} an \cite{painter_practical_2024}. Das Paket bündelt alle Komponenten, die GitLab im Betrieb braucht. Nach GitLab-Dokumentation \cite{gitlab_gitlab_nodate} zählen dazu der Webserver \texttt{nginx}, der Anwendungsserver \texttt{Puma}, die relationale Datenbank \texttt{PostgreSQL} und der Schlüssel-Wert-Speicher \texttt{Redis}. Weitere Hintergrundprozesse kommen hinzu. Abbildung~\ref{fig:omnibus-arch} zeigt das Zusammenspiel der einzelnen Bausteine.
|
||||
|
||||
\input{diagrams/omnibus_arch}
|
||||
|
||||
Der wesentliche Vorteil des Omnibus-Paketes ist, dass die einzelnen Komponenten nicht selbst installiert und aufeinander abgestimmt werden müssen. Ein einzelner Aufruf des Paketmanagers genügt. Auf debian-basierten Systemen wird das GitLab-Paketrepository einmalig hinzugefügt und anschliessend \texttt{apt install gitlab-ce} ausgeführt \cite{gitlab_gitlab_nodate}.
|
||||
Der wesentliche Vorteil des Omnibus-Paketes ist, dass die einzelnen Komponenten nicht selbst installiert und aufeinander abgestimmt werden müssen. Ein einzelner Aufruf des Paketmanagers genügt. Nach GitLab-Dokumentation \cite{gitlab_gitlab_nodate} wird auf debian-basierten Systemen einmalig das GitLab-Paketrepository hinzugefügt und anschliessend \texttt{apt install gitlab-ce} ausgeführt.
|
||||
|
||||
Für diese Arbeit wurde GitLab \ac{CE} in Version 18.11 auf einem privaten Linux-Server unter Ubuntu 24.04 LTS installiert. GitLab empfiehlt für eine produktive Instanz mit bis zu 20 aktiven Nutzern mindestens vier Kerne und 8\,GiB Arbeitsspeicher \cite{gitlab_gitlab_nodate}. Der verwendete Server liegt mit einer 12-Kern-CPU, 64\,GiB Arbeitsspeicher und einer NVMe-SSD deutlich darüber. Damit bleiben Reserven für Lastspitzen und spätere Dienste. Die Installation selbst lief unauffällig. Das Paket wurde heruntergeladen und entpackt. Das mitgelieferte Skript \texttt{gitlab-ctl reconfigure} brachte die Instanz innerhalb weniger Minuten in einen lauffähigen Zustand. Eine erste Anmeldung über die Weboberfläche war direkt möglich.
|
||||
Für diese Arbeit wurde GitLab \ac{CE} in Version 18.11 auf einem privaten Linux-Server unter Ubuntu 24.04 LTS installiert. GitLab empfiehlt für eine produktive Instanz mit bis zu 20 aktiven Nutzern mindestens vier Kerne und 8\,GiB Arbeitsspeicher \cite{gitlab_gitlab_nodate}. Der verwendete Server liegt mit einer 12-Kern-CPU, 64\,GiB Arbeitsspeicher und einer NVMe-SSD darüber. Die Installation selbst lief unauffällig. Das Paket wurde heruntergeladen und entpackt. Das mitgelieferte Skript \texttt{gitlab-ctl reconfigure} brachte die Instanz innerhalb weniger Minuten in einen lauffähigen Zustand. Eine erste Anmeldung über die Weboberfläche war direkt möglich.
|
||||
|
||||
Eine Besonderheit des hier beschriebenen Aufbaus betrifft die Erreichbarkeit der Instanz. Anstatt sie über eine öffentliche Domain freizugeben, läuft die gesamte Kommunikation über ein privates Overlay-Netzwerk auf VPN-Basis. Der Webserver \texttt{nginx} bindet sich dabei nur an die lokale Schnittstelle und ist von aussen nicht direkt erreichbar. Ein Proxy des Overlay-Dienstes nimmt die Anfragen auf demselben Host entgegen, beendet die \ac{TLS}-Verbindung und reicht sie an den lokalen Port weiter. Das zugehörige Zertifikat stellt der Overlay-Dienst selbst aus. Zugriff haben nur Geräte, die im Overlay-Netzwerk freigegeben sind. Die Ports 80 und 443 sind zu keinem Zeitpunkt zum öffentlichen Internet geöffnet.
|
||||
|
||||
|
|
@ -384,31 +384,31 @@ stages:
|
|||
}
|
||||
\end{table}
|
||||
|
||||
Eine geführte Erstkonfiguration, wie sie die \ac{SaaS}-Variante bietet, existiert für die Self-Managed-Variante nicht \cite{painter_practical_2024}. Nach der Installation läuft die Instanz in einem generischen Standardzustand. In der Praxis fiel der Aufwand aber geringer aus als erwartet. Die reine Paketinstallation war in unter zehn Minuten abgeschlossen. An \texttt{gitlab.rb} mussten nur wenige Optionen angepasst werden, im Wesentlichen die Erreichbarkeit über das Overlay-Netzwerk und das lokale Binding von \texttt{nginx}. Der grösste Teil der projektspezifischen Einrichtung wie Gruppen, Projekte, Nutzer und die Registrierung der Runner liess sich anschliessend über die Weboberfläche erledigen. Ein tieferer Eingriff in die Konsole war dafür nicht nötig.
|
||||
Eine geführte Erstkonfiguration, wie sie die \ac{SaaS}-Variante bietet, existiert für die Self-Managed-Variante nicht \cite{painter_practical_2024}. Nach der Installation läuft die Instanz in einem generischen Standardzustand. In unserem Aufbau fiel der Aufwand aber geringer aus als befürchtet. Die reine Paketinstallation war in unter zehn Minuten abgeschlossen. Danach mussten an \texttt{gitlab.rb} nur wenige Optionen angepasst werden, vor allem die Erreichbarkeit über das Overlay-Netzwerk und das lokale Binding von \texttt{nginx}. Der grösste Teil der projektspezifischen Einrichtung liess sich anschliessend über die Weboberfläche erledigen, also Gruppen und Projekte, Nutzer sowie die Registrierung der Runner. Ein tieferer Eingriff in die Konsole war dafür nicht nötig.
|
||||
|
||||
\subsection{Betrieb}
|
||||
|
||||
Im laufenden Betrieb wird GitLab über das Kommandozeilenwerkzeug \texttt{gitlab-ctl} gesteuert. Damit lassen sich die Hintergrunddienste starten, stoppen und überwachen \cite{painter_practical_2024}. Aktualisiert wird über den Paketmanager und das von GitLab vorgegebene Versionsschema. Beim Überspringen mehrerer Hauptversionen ist eine bestimmte Reihenfolge zwingend einzuhalten, da die enthaltenen Datenbankmigrationen aufeinander aufbauen. Ein direkter Sprung von einer alten auf eine deutlich neuere Version kann den Datenbestand inkonsistent zurücklassen \cite{gitlab_gitlab_nodate}. Sicherungen werden über den Befehl \texttt{gitlab-backup create} erzeugt und umfassen die \texttt{PostgreSQL}-Datenbank sowie alle Repositories und Artefakte.
|
||||
Im laufenden Betrieb wird GitLab über das Kommandozeilenwerkzeug \texttt{gitlab-ctl} gesteuert. Damit lassen sich die Hintergrunddienste starten, stoppen und überwachen \cite{painter_practical_2024}. Aktualisiert wird über den Paketmanager und das von GitLab vorgegebene Versionsschema. Wer mehrere Hauptversionen überspringt, muss eine feste Reihenfolge einhalten. Die enthaltenen Datenbankmigrationen bauen aufeinander auf, und ein direkter Sprung von einer alten auf eine deutlich neuere Version kann den Datenbestand inkonsistent zurücklassen \cite{gitlab_gitlab_nodate}. Sicherungen werden über den Befehl \texttt{gitlab-backup create} erzeugt und umfassen die \texttt{PostgreSQL}-Datenbank sowie alle Repositories und Artefakte.
|
||||
|
||||
Welche Folgen ein nicht funktionierendes Backup haben kann, zeigt der bereits in Abschnitt~1.3 angesprochene \textit{GitLab.com Database Incident} aus dem Jahr 2017. Durch eine fehlerhafte manuelle Aktion gingen sechs Stunden Nutzerdaten verloren \cite{GitLabcomDatabaseIncident}. Betroffen war zwar die \ac{SaaS}-Instanz, das Beispiel ist aber auch für eine eigene Instanz von Bedeutung. Ein Backup, das nicht regelmässig in einem Restore-Test überprüft wird, ist im Ernstfall kein Backup. Painter~\cite{painter_practical_2024} weist zudem darauf hin, dass die eigentlichen Aufwände bei einer Self-Managed-Instanz nicht in der Erstinstallation, sondern über die Lebensdauer hinweg anfallen. Dazu zählen Sicherheitsaktualisierungen, regelmässige Restore-Tests und die Überwachung der Datenbankkonsistenz.
|
||||
Der bereits in Abschnitt~1.3 angesprochene \textit{GitLab.com Database Incident} aus dem Jahr 2017 zeigt, was ein nicht funktionierendes Backup anrichtet. Durch eine fehlerhafte manuelle Aktion gingen sechs Stunden Nutzerdaten verloren \cite{GitLabcomDatabaseIncident}. Betroffen war zwar die \ac{SaaS}-Instanz, das Beispiel ist aber auch für eine eigene Instanz von Bedeutung. Ein Backup, das nicht regelmässig in einem Restore-Test überprüft wird, ist im Ernstfall kein Backup. Die eigentlichen Aufwände einer Self-Managed-Instanz fallen nicht bei der Erstinstallation an, sondern über deren Lebensdauer \cite{painter_practical_2024}. Sicherheitsaktualisierungen, regelmässige Restore-Tests und die Überwachung der Datenbankkonsistenz kommen laufend dazu.
|
||||
|
||||
\section{Evaluierung}
|
||||
|
||||
\subsection{Vorgehensweise}
|
||||
\authornote{Christopher Schmitt}
|
||||
|
||||
Bewertet wird GitLab als selbstbetriebene Plattform. Wo der Aufbau dieser Arbeit es zulässt, stützt sich die Bewertung auf die in Abschnitt~\ref{sec:selfhosted} beschriebene selbstgehostete \ac{CE}-Instanz und die \ac{CI}/\ac{CD}-Pipeline aus dem Anwendungsbeispiel. Kompatibilität, Skalierbarkeit und Dokumentation lassen sich an einer einzelnen Instanz nicht erproben und werden auf Ebene der Plattform beurteilt.
|
||||
Bewertet wird GitLab als selbstbetriebene Plattform. Die Bewertung stützt sich, soweit möglich, auf die in Abschnitt~\ref{sec:selfhosted} beschriebene selbstgehostete \ac{CE}-Instanz und die \ac{CI}/\ac{CD}-Pipeline aus dem Anwendungsbeispiel. Kompatibilität, Skalierbarkeit und Dokumentation lassen sich an einer einzelnen Instanz nicht erproben und werden auf Ebene der Plattform beurteilt.
|
||||
|
||||
Die Bewertung folgt einem Katalog aus den Kriterien: Performanz, Nachhaltigkeit, Sicherheit, Kompatibilität, Skalierbarkeit und Dokumentation. Performanz, Sicherheit und Kompatibilität orientieren sich an etablierten Softwarequalitätsmerkmalen. Nachhaltigkeit, Skalierbarkeit und Dokumentation kommen hinzu, weil sie im Eigenbetrieb stärker ins Gewicht fallen als bei einer fertig betriebenen \ac{SaaS}-Lösung.
|
||||
|
||||
Innerhalb jedes Kriteriums wird qualitativ argumentiert. Herangezogen werden die offizielle Dokumentation, die zitierte Literatur und die eigenen Beobachtungen aus Installation und Betrieb. Die Performanz bildet die Ausnahme. Hier werden die Laufzeiten der Demo-Pipeline gemessen und gegenübergestellt.
|
||||
Innerhalb jedes Kriteriums wird qualitativ argumentiert. Herangezogen werden die offizielle GitLab-Dokumentation, die im jeweiligen Abschnitt zitierte Literatur und die eigenen Beobachtungen aus Installation und Betrieb. Die Performanz bildet die Ausnahme. Hier werden die Laufzeiten der Demo-Pipeline gemessen und gegenübergestellt.
|
||||
|
||||
Zwei Grenzen sind vorab zu nennen. Die Instanz läuft auf einem einzelnen Server, Aussagen zur Skalierbarkeit stützen sich daher auf die Architektur und die Herstellerangaben und nicht auf einen eigenen Lasttest. Die gemessenen Laufzeiten stammen aus einer bewusst kleinen Anwendung und zeigen Grössenordnungen, keine repräsentativen Benchmarks.
|
||||
Zwei Grenzen sind vorab zu nennen. Die Instanz läuft auf einem einzelnen Server. Aussagen zur Skalierbarkeit stützen sich daher auf die Architektur und die Herstellerangaben, nicht auf einen eigenen Lasttest. Die gemessenen Laufzeiten stammen aus einer bewusst kleinen Anwendung und zeigen Grössenordnungen, keine repräsentativen Benchmarks.
|
||||
|
||||
\subsection{Performanz}
|
||||
\authornote{Christopher Schmitt}
|
||||
|
||||
Die reine Nutzlast der \ac{CI}-Jobs im Anwendungsbeispiel ist winzig. Auf einem Entwicklungsrechner mit 32 Kernen, warmem npm-Cache und zuvor leerem \texttt{node\_modules} braucht \texttt{npm ci} für die 221 Pakete des Projekts rund eine Sekunde, \texttt{npm run lint} etwa 0,3 Sekunden und \texttt{npm test} etwa 0,8 Sekunden. Tabelle~\ref{tab:perf-local} listet diese lokalen Referenzwerte. Sie sind keine Runner-Zeiten und sollen nur die Grössenordnung der eigentlichen Arbeit zeigen.
|
||||
Die reine Nutzlast der \ac{CI}-Jobs im Anwendungsbeispiel ist winzig. Auf einem Entwicklungsrechner mit 32 Kernen, warmem npm-Cache und zuvor leerem \texttt{node\_modules} braucht \texttt{npm ci} für die 221 Pakete des Projekts rund eine Sekunde. \texttt{npm run lint} braucht etwa 0,3 Sekunden, \texttt{npm test} etwa 0,8 Sekunden. Tabelle~\ref{tab:perf-local} listet diese lokalen Referenzwerte. Sie sind keine Runner-Zeiten und sollen nur die Grössenordnung der eigentlichen Arbeit zeigen.
|
||||
|
||||
\begin{table}[H]
|
||||
\centering
|
||||
|
|
@ -423,7 +423,7 @@ Die reine Nutzlast der \ac{CI}-Jobs im Anwendungsbeispiel ist winzig. Auf einem
|
|||
\end{tabular}
|
||||
\end{table}
|
||||
|
||||
Auf dem Runner sieht das anders aus. Gemessen wurde die Demo-Pipeline auf der selbstgehosteten Instanz, einmal in der ursprünglichen Konfiguration und einmal mit zwei Korrekturen am Cache. Tabelle~\ref{tab:perf-runner} stellt die drei Varianten gegenüber. Die eigentliche Prüfung liegt in jeder Variante unter einer Sekunde. Den Rest eines Jobs verbrauchen der Start des \texttt{node:20-alpine}-Containers, das Klonen des Repositorys, die Installation der Abhängigkeiten und, je nach Konfiguration, das Sichern und Wiederherstellen des Caches.
|
||||
Auf dem Runner sieht das anders aus. Gemessen wurde die Demo-Pipeline auf der selbstgehosteten Instanz, einmal in der ursprünglichen Konfiguration und einmal mit zwei Korrekturen am Cache. Tabelle~\ref{tab:perf-runner} stellt die drei Varianten gegenüber. In jeder Variante liegt die eigentliche Prüfung unter einer Sekunde. Den Rest eines Jobs verbrauchen der Start des \texttt{node:20-alpine}-Containers, das Klonen des Repositorys, die Installation der Abhängigkeiten und, je nach Konfiguration, das Sichern und Wiederherstellen des Caches.
|
||||
|
||||
\begin{table}[H]
|
||||
\centering
|
||||
|
|
@ -438,11 +438,11 @@ Auf dem Runner sieht das anders aus. Gemessen wurde die Demo-Pipeline auf der se
|
|||
\end{tabular}
|
||||
\end{table}
|
||||
|
||||
Die ursprüngliche Konfiguration cacht das falsche Verzeichnis. Sie legt \texttt{node\_modules} unter einem aus \texttt{package.json} berechneten Schlüssel ab. Der erste Schritt jedes Jobs ist aber \texttt{npm ci}, und dieser Befehl löscht \texttt{node\_modules} vor der Installation und baut es neu auf. Ob der Cache traf oder nicht, änderte an der Laufzeit darum nichts. Im Treffer-Lauf meldet der Runner \texttt{Successfully extracted cache}, im Lauf ohne Treffer \texttt{Cache file does not exist}, und \texttt{npm ci} installiert in beiden Fällen die 221 Pakete in rund zwei Sekunden neu. Der Cache kostet hier sogar Zeit, statt sie zu sparen. Das grosse \texttt{node\_modules}-Verzeichnis wird bei jedem Job gesichert und wiederhergestellt, ohne je genutzt zu werden. Nach Zampetti et al.~\cite{zampetti_empirical_2020} ist eine solche Fehlkonfiguration von Cache und Artefakten ein häufiger Schwachpunkt von CI-Pipelines.
|
||||
Die ursprüngliche Konfiguration cacht das falsche Verzeichnis. Sie legt \texttt{node\_modules} unter einem aus \texttt{package.json} berechneten Schlüssel ab. Der erste Schritt jedes Jobs ist aber \texttt{npm ci}, und dieser Befehl löscht \texttt{node\_modules} vor der Installation und baut es neu auf. Ob der Cache traf oder nicht, änderte an der Laufzeit darum nichts. Im Treffer-Lauf meldet der Runner \texttt{Successfully extracted cache}, im Lauf ohne Treffer \texttt{Cache file does not exist}, und \texttt{npm ci} installiert in beiden Fällen die 221 Pakete in rund zwei Sekunden neu. Der Cache kostet hier sogar Zeit, statt sie zu sparen. Das grosse \texttt{node\_modules}-Verzeichnis wird bei jedem Job gesichert und wiederhergestellt, ohne je genutzt zu werden. Nach Zampetti et al.~\cite{zampetti_empirical_2020} ist eine solche Fehlkonfiguration von Cache und Artefakten ein häufiger Schwachpunkt von CI-Pipelines. Genau das passiert hier.
|
||||
|
||||
Zwei Korrekturen wurden gemessen. Ohne Cache entfällt das Sichern und Wiederherstellen, und der \texttt{lint}-Job sinkt von 10,5 auf 7,6 Sekunden, der \texttt{unit-test}-Job von 11,2 auf 7,8. Allein das Entfernen des unwirksamen Caches spart also rund drei Sekunden je Job. Die zweite Korrektur cacht statt \texttt{node\_modules} den npm-Paketspeicher unter \texttt{.npm} und ruft \texttt{npm ci} mit den Optionen \texttt{-{}-cache .npm} und \texttt{-{}-prefer-offline} auf. Bei einem Treffer installiert \texttt{npm ci} dann aus dem lokalen Speicher, die Installationszeit sinkt von rund zwei Sekunden auf knapp eine (981\,ms im Messlauf). Am Job ändert das hier kaum etwas, weil der eingesparte Download durch den Aufwand für den \texttt{.npm}-Cache wieder aufgewogen wird. Der Paket-Cache lohnt sich erst, wenn der Download die Installation bestimmt. Auf dieser Instanz mit schnellem Zugriff auf die Registry ist das nicht der Fall. Caches beschleunigen wiederholte Läufe also nicht von selbst. Sie sind zudem, anders als Artefakte, über Jobgrenzen hinweg nicht garantiert verfügbar \cite{cowell_automating_2023}.
|
||||
Zwei Korrekturen wurden gemessen. Ohne Cache entfällt das Sichern und Wiederherstellen, und der \texttt{lint}-Job sinkt von 10,5 auf 7,6 Sekunden, der \texttt{unit-test}-Job von 11,2 auf 7,8. Allein das Entfernen des unwirksamen Caches spart also rund drei Sekunden je Job. Die zweite Korrektur cacht statt \texttt{node\_modules} den npm-Paketspeicher unter \texttt{.npm} und ruft \texttt{npm ci} mit den Optionen \texttt{-{}-cache .npm} und \texttt{-{}-prefer-offline} auf. Bei einem Treffer installiert \texttt{npm ci} dann aus dem lokalen Speicher, die Installationszeit sinkt von rund zwei Sekunden auf knapp eine (981\,ms im Messlauf). Am Job ändert das hier kaum etwas, weil der eingesparte Download durch den Aufwand für den \texttt{.npm}-Cache wieder aufgewogen wird. Der Paket-Cache lohnt sich erst, wenn der Download die Installation bestimmt. Auf dieser Instanz mit schnellem Zugriff auf die Registry ist das nicht der Fall. Caches beschleunigen wiederholte Läufe also nicht von selbst. Anders als Artefakte sind sie über Jobgrenzen hinweg nicht garantiert verfügbar \cite{cowell_automating_2023}.
|
||||
|
||||
Der \ac{DAG} über das Schlüsselwort \texttt{needs} ist hier kaum ein Hebel. Die Demo-Pipeline läuft nahezu linear, erst \texttt{lint}, dann \texttt{test}, dann \texttt{deploy}, und bietet kaum Parallelität, die sich lohnt. Bei grösseren Pipelines sieht das anders aus. Dort ist die Parallelisierung serieller Stages der zentrale Hebel, und Zampetti et al.~\cite{zampetti_empirical_2020} führen serielle Stages, die parallel laufen könnten, als typischen Konfigurationsfehler. Der \texttt{deploy:staging}-Job baut das Docker-Image neu. Das Image würde die Abhängigkeiten ein weiteres Mal installieren, doch der Docker-Layer-Cache hält den Abhängigkeits-Layer vor und überspringt diesen Schritt. So lief der Job im Messlauf in 2,3 Sekunden durch. Erst eine Änderung an \texttt{package.json} macht den Cache-Layer ungültig und löst die Installation erneut aus.
|
||||
Der \ac{DAG} über das Schlüsselwort \texttt{needs} ist hier kaum ein Hebel. Die Demo-Pipeline läuft nahezu linear, erst \texttt{lint}, dann \texttt{test}, dann \texttt{deploy}, und bietet kaum Parallelität, die sich lohnt. Bei grösseren Pipelines sieht das anders aus. Dort ist die Parallelisierung serieller Stages der zentrale Hebel. Zampetti et al.~\cite{zampetti_empirical_2020} führen serielle Stages, die parallel laufen könnten, als typischen Konfigurationsfehler. Der \texttt{deploy:staging}-Job baut das Docker-Image neu. Das Image würde die Abhängigkeiten ein weiteres Mal installieren, doch der Docker-Layer-Cache hält den Abhängigkeits-Layer vor und überspringt diesen Schritt. So lief der Job im Messlauf in 2,3 Sekunden durch. Erst eine Änderung an \texttt{package.json} macht den Cache-Layer ungültig und löst die Installation erneut aus.
|
||||
|
||||
\subsection{Nachhaltigkeit}
|
||||
|
||||
|
|
@ -607,6 +607,16 @@ Der \ac{DAG} über das Schlüsselwort \texttt{needs} ist hier kaum ein Hebel. Di
|
|||
|
||||
Ein Teil der Daten und Grafiken welche innerhalb dieses Artikels verwendet wurden können unter dem Gitea Repository \url{https://gitty.informatik.hs-mannheim.de/2211275/dms} eingesehen werden.
|
||||
|
||||
Diese Arbeit ist der Frage nachgegangen, wie gut sich GitLab in Version 18.11 als selbstbetriebene \ac{CI}/\ac{CD}-Plattform eignet. Betrachtet wurden die zentralen Bausteine \emph{Runner}, \emph{Pipeline} und \emph{Job}, der Aufbau einer eigenen Instanz und eine Bewertung entlang von sieben Kriterien. Den praktischen Kern bildete eine kleine \emph{Node.js}-Anwendung mit einer Pipeline aus den Stages \texttt{lint}, \texttt{test} und \texttt{deploy}.
|
||||
|
||||
Im Vergleich zu GitHub liegt der grosse Unterschied beim Hosting. GitLab lässt sich komplett auf eigener Hardware betreiben, GitHub bindet seine Nutzer an die Microsoft-Cloud. Für unsere Instanz war das Omnibus-Paket der einfache Weg. Es bringt \texttt{nginx}, \texttt{Puma}, \texttt{PostgreSQL} und \texttt{Redis} mit, ein \texttt{apt install gitlab-ce} und ein \texttt{gitlab-ctl reconfigure} genügten. Die Installation auf einem Server unter Ubuntu 24.04 LTS lief unauffällig und war in unter zehn Minuten erledigt. An der \texttt{gitlab.rb} mussten wir nur wenige Optionen anpassen, vor allem die Erreichbarkeit über das Overlay-Netzwerk und das lokale Binding von \texttt{nginx}.
|
||||
|
||||
Der Aufwand verschiebt sich aber nach hinten. Nach Painter~\cite{painter_practical_2024} fallen die eigentlichen Kosten einer Self-Managed-Instanz nicht bei der Erstinstallation an, sondern über die Lebensdauer, durch Sicherheitsaktualisierungen, Restore-Tests und die Überwachung der Datenbankkonsistenz. Der GitLab.com-Vorfall von 2017 mit sechs Stunden verlorener Nutzerdaten zeigt, warum ein Backup ohne regelmässigen Restore-Test im Ernstfall kein Backup ist.
|
||||
|
||||
Die Performanzmessung an der Demo-Pipeline zeigte ein klares Bild. Die eigentliche Prüfarbeit ist winzig, \texttt{npm run lint} und \texttt{npm test} laufen lokal in Sekundenbruchteilen. Auf dem Runner dominierten dagegen Containerstart, Klonen und Installation. Die ursprüngliche Konfiguration cachte ausgerechnet das \texttt{node\_modules}-Verzeichnis, das \texttt{npm ci} ohnehin bei jedem Lauf neu aufbaut. Der unwirksame Cache kostete Zeit, statt sie zu sparen. Sein Entfernen senkte den \texttt{lint}-Job von 10,5 auf 7,6 Sekunden und den \texttt{unit-test}-Job von 11,2 auf 7,8. Ein Cache des npm-Paketspeichers unter \texttt{.npm} brachte hier kaum etwas, weil der Zugriff auf die Registry schon schnell genug war. Solche Fehlkonfigurationen von Cache und Artefakten zählen nach Zampetti et al.~\cite{zampetti_empirical_2020} zu den häufigen Schwachpunkten von CI-Pipelines, und genau das hat sich in der kleinen Pipeline bestätigt.
|
||||
|
||||
Als selbstbetriebene Plattform ist GitLab brauchbar, wenn Datenschutz oder Compliance den Eigenbetrieb erzwingen oder die \ac{SaaS}-Variante zu teuer wird. Die Einstiegshürde ist niedriger als erwartet, der laufende Betrieb verlangt aber Disziplin bei Updates und Sicherungen. Die Aussagen zur Skalierbarkeit stützen sich auf die Architektur und die Herstellerangaben und nicht auf einen eigenen Lasttest, und die gemessenen Laufzeiten stammen aus einer bewusst kleinen Anwendung. Für ein Unternehmen, das Quellcode im eigenen Haus halten will und die Wartung einplant, ist die selbstgehostete \ac{CE} eine tragfähige Wahl.
|
||||
|
||||
\section*{Abkürzungsverzeichnis}
|
||||
\begin{acronym}[Abkürzungsverzeichnis]
|
||||
\acro{IDE}{Integrated Development Environment}
|
||||
|
|
|
|||
Loading…
Reference in New Issue