Continuous Delivery: automated testing, continuous integration and continuous deployment.
22 likes2,413 views
该文档介绍了持续发布的概念，强调了自动化测试、持续集成和版本控制在确保软件交付质量中的重要性。它详细描述了用Python构建部署流水线的步骤，包括单元测试、功能测试和自动部署的实践。文中还提到了一些主流工具，如Git和Jenkins，以支持这些过程的实施。
1 of 43
Downloaded 46 times
Ad
Recommended
Docker 基礎介紹與實戰
Docker 基礎介紹與實戰Bo-Yi Wu 本文件介绍了Docker的基本概念及其在软件开发中的重要性，包括其在环境搭建、版本测试及团队协作中的应用。文中详细解释了Docker的工作原理，包括镜像、容器和仓库的概念，并提供了基本的命令和使用场景。通过Docker，开发人员能够更高效地管理和部署服务，避免互相干扰，以及简化多环境的设置。
A brief introduction to Vagrant – 原來 VirtualBox 可以這樣玩
A brief introduction to Vagrant – 原來 VirtualBox 可以這樣玩Wen-Tien Chang 该文档介绍了 Vagrant 的概念和功能，通过虚拟机简化开发和服务器配置的流程。它涵盖了 Vagrant 的优势、安装步骤、基本命令及其在 DevOps 和 Web 开发中的应用场景。最终强调 Vagrant 可以有效提升开发环境的一致性和效率。
Kafka in Depth
Kafka in DepthYI-CHING WU 本文档详细介绍了Kafka的生产和消费配置，包括集群架构、硬件要求、系统调优和参数设置。针对生产者和消费者的设置提供了具体的建议，以优化消息的可靠性、吞吐量和性能。文档还讨论了如何通过分区和复制策略提高消息处理的效率和可靠性。
Continuous Delivery Workshop with Ansible x GitLab CI
Continuous Delivery Workshop with Ansible x GitLab CIChu-Siang Lai 该文档介绍了 DevOps 的基本概念及其在持续交付中的应用，特别强调了 Ansible 和 GitLab CI 的实践操作。文中作者提到自己在 DevOps 领域的经验，并提供了具体的工具和方法来实现自动化的构建、测试和部署过程。最后，文档列出了持续交付的好处以及如何通过 Ansible 和 GitLab CI 进行有效的持续交付。
Continuous Delivery with Ansible x GitLab CI
Continuous Delivery with Ansible x GitLab CIChu-Siang Lai 文档概述了 devops 的基本概念，包括持续交付、Ansible 的使用和部署。作者是 devops taiwan 的志工，具有丰富的 IT 经验。文中还提供了工具和技术的操作示例，以实现自动化和生产力的提升。
Software Engineer Talk
Software Engineer TalkLarry Cai 本文件讨论了现代软件工程的现状，强调敏捷和持续集成在开发过程中的重要性。它还涵盖了版本控制、代码质量和基础设施等方面的最佳实践与工具。技术的进步在推动软件开发质量和效率的提升。
Ansible 101
Ansible 101YI-CHING WU 本文档介绍了 Ansible 的基本概念、安装步骤及其优缺点，特别强调了使用基础架构即代码的优势，以及如何通过 YAML 文件和 Git 进行版本管理和变更追踪。此外，还涵盖了使用 Ansible 管理 SSH 密钥的最佳实践及其相关工具的配置步骤。
用 Docker 改善團隊合作模式
用 Docker 改善團隊合作模式Bo-Yi Wu 本文探讨了如何通过 Docker 改善团队合作模式，解决传统开发环境的缺陷，如高维护成本和复杂性。Docker 通过提供独立的开发环境，降低了环境部署的门槛，促进了开发与测试的效率。文中还提及了使用 Docker 和 Git 流程的结合来优化软件开发和部署流程。
DAE 新变化介绍
DAE 新变化介绍Tianwei Liu 本文介绍了 DAE 的新变化，包括多实例支持、自动缩放机制和 Docker 化进程。它详细描述了 DAE 的功能结构、应用部署流程和分级上线策略，以及在现有系统中优化的监控和管理工具。同时，文中讨论了 Docker 作为容器化技术的优势，并描述了如何实现和管理多实例及其面临的一些常见问题。
Deployment with Capistrano
Deployment with Capistrano旭 張 文档介绍了部署的基本概念和传统与现代的部署方法，重点强调了使用 Git 和 Capistrano 进行更高效的部署管理。它还详细说明了 Capistrano 的安装、配置和使用，以及其在不同环境下的工作方式和目录结构。最后，文档提供了执行部署和回滚的命令示例，便于用户快速参考。
Scrum gathering 2012 Shanghai_精益与持续改进分会场演讲话题： 大型企业ci平台建设和实施分享（陈小光）
Scrum gathering 2012 Shanghai_精益与持续改进分会场演讲话题： 大型企业ci平台建设和实施分享（陈小光）JoXuZi 该文档讨论了大型企业CI平台的建设与实施，提出了现状与挑战，包括项目依赖管理和构建效率问题。解决方案涵盖了平台设计思想、构建系统、环境管理与实施策略，致力于统一资源、提升构建效率和确保代码质量。总结强调了平台架构、脚本封装、环境管理和有效的推广策略。
Docker
Docker旭 張 Docker是一种将应用程序封装到隔离环境（容器）中以便运行的技术，具有高效的资源利用和轻量级特性。它允许用户通过简单的命令快速部署和管理多个服务，相当于虚拟主机，但更为灵活。Docker的使用涉及到映像、容器和注册表等概念，适用于微服务架构，并具有相关的风险和参考资料。
lua & ngx_lua 的介绍与应用
lua & ngx_lua 的介绍与应用hugo 该文档介绍了Lua和ngx_lua的基本知识以及在Nginx中的应用，强调了Lua作为嵌入式脚本语言的特点和优势，包括灵活性和小内存开销。此外，文中详细阐述了Nginx的架构、处理HTTP请求的过程，以及Lua与宿主语言的交互方式，特别是在高并发环境下如何通过协程提升性能。
Scrum gathering 2012 shanghai 精益与持续改进分会场演讲话题： 大型企业ci平台建设和实施分享（陈小光）
Scrum gathering 2012 shanghai 精益与持续改进分会场演讲话题： 大型企业ci平台建设和实施分享（陈小光）LetAgileFly 该文档讨论了大型企业CI平台的建设和实施，介绍了当前面临的挑战及解决方案，包括统一平台设计、优化构建系统和管理环境。实现持续集成的策略包括试点项目、制度化管理以及可视化进展监控。最终目的是提升开发效率、保证代码质量并促进团队合作。
NF core-workflow
NF core-workflow ChenzheLuo 文档详细描述了使用 nf-core 创建和优化生物信息学流程的步骤，包括环境配置、流程构建和参数设置。提供了如何运行生成的管道示例以及对变量和文件路径的处理技巧。最后提到了一些工具和资源，以支持用户在高性能计算环境下的工作。
JCConf2016 Jenkins Pipeline
JCConf2016 Jenkins PipelineChing Yi Chan 文档介绍了 Jenkins Pipeline 的基础知识，包括其结构、编写方法以及最佳实践。Pipeline 是一种可序列化的代码，旨在通过代码管理 Jenkins 作业和工作流。还讨论了如何使用共享库和通过 SCM 管理版本。
快速上手 Windows Containers 容器技術 (Docker Taipei)
快速上手 Windows Containers 容器技術 (Docker Taipei)Will Huang 本文件介紹了Windows容器技術，包括如何使用Docker管理容器，並詳細解釋了容器的創建、運行和管理方法。它還指出容器技術在開發效率和軟體部署方面的優勢，並提供了在Azure上建立虛擬機和容器的指導。最終包含了一些常用Docker和PowerShell命令，以及學習資源的鏈接。
前端工程師一定要知道的 Docker 虛擬化容器技巧
前端工程師一定要知道的 Docker 虛擬化容器技巧Chu-Siang Lai 凍仁翔是一位具有四年以上IT经验的工程师，专注于Docker技术并致力于分享相关图像和知识。文档提供了关于前端工程师的角色、虚拟化容器的优势、Docker的定义与使用方法，以及成为Docker专家的12个建议。内容包括Docker的安装、命令使用示例和常见操作，适合对Docker及其应用感兴趣的专业人士。
Visual Studio Code 快速上手指南
Visual Studio Code 快速上手指南Shengyou Fan 本文档是关于 Visual Studio Code 的快速上手指南，介绍了该编辑器的安装、基本操作、版本控制及与 PHP 的集成。Visual Studio Code 是由 Microsoft 开发的跨平台、开源且功能强大的代码编辑器，具备多种自定义选项和插件支持。用户可通过此指南快速掌握工具使用，提升编程效率。
從軟體開發角度
談 Docker 的應用
從軟體開發角度
談 Docker 的應用謝 宗穎 本文讨论了Docker在软件开发中的应用，强调版本控制和开发者之间的沟通。通过使用Docker和Fig，开发人员和运维人员可以实现统一的环境和明确的构建过程。文章还介绍了Docker的多种应用及其在环境管理中的便利性。
docker intro
docker introkoji lin 本文介绍了Docker的基本概念及其在虚拟化中的应用。Docker是一个基于容器的虚拟化框架，使用Golang开发，提供便捷的容器创建与管理方式。文中还探讨了Docker在开发、测试和云部署中的优势，以及如何在不同环境中安装和使用Docker。
基于OpenResty的百万级长连接推送
基于OpenResty的百万级长连接推送OpenRestyCon 该文档讨论了基于OpenResty的高并发长连接推送系统的设计与优化，介绍了实现过程中的关键技术、内存管理和流控策略。强调了OpenResty在开发效率与运行效率上的优势，并提供了内存优化和性能调优的具体建议。最后，分享了个人在测试驱动开发与动态追踪中的实际经验。
Docker應用
Docker應用Jui An Huang (黃瑞安) 本文档介绍了 Docker 的基础概念、架构和使用方法，包括 Docker 的核心组件（镜像、容器、注册表）以及如何通过命令行工具进行操作。还讨论了如何在 Docker 中部署 Rails 应用，并介绍了使用 Vagrant 和 Docker 搭建一致的开发环境。最后提供了管理操作指令和参考资料，帮助用户进一步了解和使用 Docker。
Ansible introduction
Ansible introductionChyi-Shian Jiang Ansible is an automation tool for deployment and management, governed under GPL 3.0 by Red Hat. It uses YAML for playbooks and modules to configure nodes over SSH, differentiating itself from other tools like Puppet and Chef by allowing any computer to act as a controller. The document provides a quick start guide, an overview of inventory and playbook structure, as well as details on roles and handlers for task management.
Apache Zookeeper 分布式服务框架
Apache Zookeeper 分布式服务框架Cabin WJ 该文档介绍了Apache ZooKeeper的分布式服务框架，包括其特性、原理和设计。ZooKeeper提供了强一致性的分布式应用支持，支持分布式锁、配置管理以及leader选举等功能。文档详细探讨了ZooKeeper的工作流程及其核心数据结构znode的操作。
Laravel - 系統全攻略（續）
Laravel - 系統全攻略（續）Vincent Chi 本文讨论了 Laravel 系统的中介层的使用，包括如何创建和注册中介层以控制页面访问权限。还介绍了数据库种子、前端开发工作流程以及相关工具的使用，如 Bower 和 Elixir。同时提到了一些在 Vagrant 上可能遇到的 bug 和请求验证的常见方法。
Rancher: 建立你的牧場艦隊
Rancher: 建立你的牧場艦隊Miles Chou 本文介绍了 Rancher 的使用和功能，包括如何使用 Docker 创建和管理容器、服务及堆栈。重点涉及 Rancher 的架构设计、自动部署、访问控制及具体示例，如通过 Web 界面和 Rancher Compose 创建 WordPress 和 Sentry。文档还提供了一些常见问题解答和建议，以改善 Rancher 的使用体验。
現代 IT 人一定要知道的 Ansible 自動化組態技巧
現代 IT 人一定要知道的 Ansible 自動化組態技巧Chu-Siang Lai 该文档介绍了自动化配置管理工具Ansible，包括其定义、部署和操作方法。它强调了自动化的优点，如减少服务中断和降低意外风险，并提供了详细的Ansible环境配置和使用示例。文档还包含了一些参考资料和相关链接，以进一步学习Ansible。
Continuous integration
Continuous integrationnetdbncku 本文件介绍了持续集成（CI）在大型软件开发中的重要性，包括其架构、流程和工具的结合。文中通过模拟开发场景，展示了CI如何解决常见问题，并介绍了具体工具如CruiseControl的安装和使用。最终强调持续集成对提升软件质量和降低风险的作用。
Git&Github Tutorial
Git&Github TutorialTing Wen Su 本文件是 Git 和 GitHub 的基础教学，介绍了版本控制工具的基本概念和操作方法。主要内容包括 Git 的安装、基本命令（如 init、add、commit、branch、merge）、冲突处理及 GitHub 的使用方法。文件还提到了使用 issue 跟踪问题和建议在 GitHub wiki 上维护文档。
More Related Content
What's hot (20)
DAE 新变化介绍
DAE 新变化介绍Tianwei Liu 本文介绍了 DAE 的新变化，包括多实例支持、自动缩放机制和 Docker 化进程。它详细描述了 DAE 的功能结构、应用部署流程和分级上线策略，以及在现有系统中优化的监控和管理工具。同时，文中讨论了 Docker 作为容器化技术的优势，并描述了如何实现和管理多实例及其面临的一些常见问题。
Deployment with Capistrano
Deployment with Capistrano旭 張 文档介绍了部署的基本概念和传统与现代的部署方法，重点强调了使用 Git 和 Capistrano 进行更高效的部署管理。它还详细说明了 Capistrano 的安装、配置和使用，以及其在不同环境下的工作方式和目录结构。最后，文档提供了执行部署和回滚的命令示例，便于用户快速参考。
Scrum gathering 2012 Shanghai_精益与持续改进分会场演讲话题： 大型企业ci平台建设和实施分享（陈小光）
Scrum gathering 2012 Shanghai_精益与持续改进分会场演讲话题： 大型企业ci平台建设和实施分享（陈小光）JoXuZi 该文档讨论了大型企业CI平台的建设与实施，提出了现状与挑战，包括项目依赖管理和构建效率问题。解决方案涵盖了平台设计思想、构建系统、环境管理与实施策略，致力于统一资源、提升构建效率和确保代码质量。总结强调了平台架构、脚本封装、环境管理和有效的推广策略。
Docker
Docker旭 張 Docker是一种将应用程序封装到隔离环境（容器）中以便运行的技术，具有高效的资源利用和轻量级特性。它允许用户通过简单的命令快速部署和管理多个服务，相当于虚拟主机，但更为灵活。Docker的使用涉及到映像、容器和注册表等概念，适用于微服务架构，并具有相关的风险和参考资料。
lua & ngx_lua 的介绍与应用
lua & ngx_lua 的介绍与应用hugo 该文档介绍了Lua和ngx_lua的基本知识以及在Nginx中的应用，强调了Lua作为嵌入式脚本语言的特点和优势，包括灵活性和小内存开销。此外，文中详细阐述了Nginx的架构、处理HTTP请求的过程，以及Lua与宿主语言的交互方式，特别是在高并发环境下如何通过协程提升性能。
Scrum gathering 2012 shanghai 精益与持续改进分会场演讲话题： 大型企业ci平台建设和实施分享（陈小光）
Scrum gathering 2012 shanghai 精益与持续改进分会场演讲话题： 大型企业ci平台建设和实施分享（陈小光）LetAgileFly 该文档讨论了大型企业CI平台的建设和实施，介绍了当前面临的挑战及解决方案，包括统一平台设计、优化构建系统和管理环境。实现持续集成的策略包括试点项目、制度化管理以及可视化进展监控。最终目的是提升开发效率、保证代码质量并促进团队合作。
NF core-workflow
NF core-workflow ChenzheLuo 文档详细描述了使用 nf-core 创建和优化生物信息学流程的步骤，包括环境配置、流程构建和参数设置。提供了如何运行生成的管道示例以及对变量和文件路径的处理技巧。最后提到了一些工具和资源，以支持用户在高性能计算环境下的工作。
JCConf2016 Jenkins Pipeline
JCConf2016 Jenkins PipelineChing Yi Chan 文档介绍了 Jenkins Pipeline 的基础知识，包括其结构、编写方法以及最佳实践。Pipeline 是一种可序列化的代码，旨在通过代码管理 Jenkins 作业和工作流。还讨论了如何使用共享库和通过 SCM 管理版本。
快速上手 Windows Containers 容器技術 (Docker Taipei)
快速上手 Windows Containers 容器技術 (Docker Taipei)Will Huang 本文件介紹了Windows容器技術，包括如何使用Docker管理容器，並詳細解釋了容器的創建、運行和管理方法。它還指出容器技術在開發效率和軟體部署方面的優勢，並提供了在Azure上建立虛擬機和容器的指導。最終包含了一些常用Docker和PowerShell命令，以及學習資源的鏈接。
前端工程師一定要知道的 Docker 虛擬化容器技巧
前端工程師一定要知道的 Docker 虛擬化容器技巧Chu-Siang Lai 凍仁翔是一位具有四年以上IT经验的工程师，专注于Docker技术并致力于分享相关图像和知识。文档提供了关于前端工程师的角色、虚拟化容器的优势、Docker的定义与使用方法，以及成为Docker专家的12个建议。内容包括Docker的安装、命令使用示例和常见操作，适合对Docker及其应用感兴趣的专业人士。
Visual Studio Code 快速上手指南
Visual Studio Code 快速上手指南Shengyou Fan 本文档是关于 Visual Studio Code 的快速上手指南，介绍了该编辑器的安装、基本操作、版本控制及与 PHP 的集成。Visual Studio Code 是由 Microsoft 开发的跨平台、开源且功能强大的代码编辑器，具备多种自定义选项和插件支持。用户可通过此指南快速掌握工具使用，提升编程效率。
從軟體開發角度
談 Docker 的應用
從軟體開發角度
談 Docker 的應用謝 宗穎 本文讨论了Docker在软件开发中的应用，强调版本控制和开发者之间的沟通。通过使用Docker和Fig，开发人员和运维人员可以实现统一的环境和明确的构建过程。文章还介绍了Docker的多种应用及其在环境管理中的便利性。
docker intro
docker introkoji lin 本文介绍了Docker的基本概念及其在虚拟化中的应用。Docker是一个基于容器的虚拟化框架，使用Golang开发，提供便捷的容器创建与管理方式。文中还探讨了Docker在开发、测试和云部署中的优势，以及如何在不同环境中安装和使用Docker。
基于OpenResty的百万级长连接推送
基于OpenResty的百万级长连接推送OpenRestyCon 该文档讨论了基于OpenResty的高并发长连接推送系统的设计与优化，介绍了实现过程中的关键技术、内存管理和流控策略。强调了OpenResty在开发效率与运行效率上的优势，并提供了内存优化和性能调优的具体建议。最后，分享了个人在测试驱动开发与动态追踪中的实际经验。
Docker應用
Docker應用Jui An Huang (黃瑞安) 本文档介绍了 Docker 的基础概念、架构和使用方法，包括 Docker 的核心组件（镜像、容器、注册表）以及如何通过命令行工具进行操作。还讨论了如何在 Docker 中部署 Rails 应用，并介绍了使用 Vagrant 和 Docker 搭建一致的开发环境。最后提供了管理操作指令和参考资料，帮助用户进一步了解和使用 Docker。
Ansible introduction
Ansible introductionChyi-Shian Jiang Ansible is an automation tool for deployment and management, governed under GPL 3.0 by Red Hat. It uses YAML for playbooks and modules to configure nodes over SSH, differentiating itself from other tools like Puppet and Chef by allowing any computer to act as a controller. The document provides a quick start guide, an overview of inventory and playbook structure, as well as details on roles and handlers for task management.
Apache Zookeeper 分布式服务框架
Apache Zookeeper 分布式服务框架Cabin WJ 该文档介绍了Apache ZooKeeper的分布式服务框架，包括其特性、原理和设计。ZooKeeper提供了强一致性的分布式应用支持，支持分布式锁、配置管理以及leader选举等功能。文档详细探讨了ZooKeeper的工作流程及其核心数据结构znode的操作。
Laravel - 系統全攻略（續）
Laravel - 系統全攻略（續）Vincent Chi 本文讨论了 Laravel 系统的中介层的使用，包括如何创建和注册中介层以控制页面访问权限。还介绍了数据库种子、前端开发工作流程以及相关工具的使用，如 Bower 和 Elixir。同时提到了一些在 Vagrant 上可能遇到的 bug 和请求验证的常见方法。
Rancher: 建立你的牧場艦隊
Rancher: 建立你的牧場艦隊Miles Chou 本文介绍了 Rancher 的使用和功能，包括如何使用 Docker 创建和管理容器、服务及堆栈。重点涉及 Rancher 的架构设计、自动部署、访问控制及具体示例，如通过 Web 界面和 Rancher Compose 创建 WordPress 和 Sentry。文档还提供了一些常见问题解答和建议，以改善 Rancher 的使用体验。
現代 IT 人一定要知道的 Ansible 自動化組態技巧
現代 IT 人一定要知道的 Ansible 自動化組態技巧Chu-Siang Lai 该文档介绍了自动化配置管理工具Ansible，包括其定义、部署和操作方法。它强调了自动化的优点，如减少服务中断和降低意外风险，并提供了详细的Ansible环境配置和使用示例。文档还包含了一些参考资料和相关链接，以进一步学习Ansible。
Similar to Continuous Delivery: automated testing, continuous integration and continuous deployment. (20)
Continuous integration
Continuous integrationnetdbncku 本文件介绍了持续集成（CI）在大型软件开发中的重要性，包括其架构、流程和工具的结合。文中通过模拟开发场景，展示了CI如何解决常见问题，并介绍了具体工具如CruiseControl的安装和使用。最终强调持续集成对提升软件质量和降低风险的作用。
Git&Github Tutorial
Git&Github TutorialTing Wen Su 本文件是 Git 和 GitHub 的基础教学，介绍了版本控制工具的基本概念和操作方法。主要内容包括 Git 的安装、基本命令（如 init、add、commit、branch、merge）、冲突处理及 GitHub 的使用方法。文件还提到了使用 issue 跟踪问题和建议在 GitHub wiki 上维护文档。
Git flow 與團隊合作
Git flow 與團隊合作Bo-Yi Wu 该文档讨论了团队合作中的Git工作流程，包括Git Flow和GitHub Flow的优缺点。Git Flow适用于复杂项目，但对开发者造成理解负担；而GitHub Flow简化了流程，使得版本管理更容易。文中还提供了Git使用法则和一些最佳实践，以提升团队开发效率。
把玩 Jenkins CI
把玩 Jenkins CIHao Lee 文档介绍了 Jenkins CI 的基本概念和安装步骤，强调它是一个开源持续集成工具，可以与版本管理服务器集成。初次启动时需要配置安全密码和管理者账户，并提供了配置插件和环境设置的指导。文档还涵盖了构建过程、报告生成以及通知功能等方面的内容。
使用 Pytest 進行單元測試 (PyCon TW 2021)
使用 Pytest 進行單元測試 (PyCon TW 2021)Max Lai 本文介绍了 Max Lai 使用 pytest 进行单元测试的经验，强调了编写测试的重要性以确保代码的正确性和可维护性。文章详细讲解了pytest的安装步骤、基本用法以及单元测试的最佳实践，包括如何创建测试文件、验证结果，并探讨了mock和fixture的使用场景。最终，文章还提到了一些pytest插件和代码覆盖率工具，以帮助提升测试质量和效果。
Version control0221
Version control0221jianhongciou 该文档详细介绍了版本控制的重要性和基本概念，主要包括版本控制工具（如Git和Gerrit）、分支管理策略和环境安装说明。文档还描述了开发者在项目管理中的角色和他们的权限，以及如何设置和使用Gerrit进行代码审查与版本控制。
Xpp
Xppdrewz lin 该文档讨论了极限编程实践（XPP）及其在快速交付高质量产品中的应用，强调了需求管理、测试驱动开发和持续集成的重要性。XPP通过自动化测试和发布流程的优化，提升了开发效率和代码质量，实现了持续、迅速的产品交付。文章还涉及了各阶段的发布频率、时长和线上问题的处理方式。
钱宝坤：多浏览器集成的JavaScript单元测试工具
钱宝坤：多浏览器集成的JavaScript单元测试工具taobao.com 本文介绍了一种多浏览器集成的JavaScript单元测试工具，专为微博基础框架STK开发，旨在分享开发经验并提供测试框架和内核集成的思路。文中详细讨论了不同浏览器的内核特性、测试目标及其优缺点，并探讨了未来的扩展可能性。通过自定义API和脚本注入，该工具能够处理跨浏览器的测试需求。
Git 經驗分享
Git 經驗分享Mu Chun Wang 本文档分享了Git的基本指令和分支策略，包括常用的指令如git checkout、git merge、git pull等，以及不同的工作模型，如分散式贡献者模型和共处一地贡献者模型。还介绍了各种分支策略，如主线开发和一功能一分支，并对各自的优缺点进行了讨论。最后，提到了GitHub Flow和GitLab Flow等现代开发流程的特点。
广告技术部自动化测试介绍.pdf
广告技术部自动化测试介绍.pdfbj_qa 本文档介绍了广告技术部的自动化测试和搜索前端的自动化实践，包括测试的概念、过程和工具。重点强调了广告部门的自动化测试方法和框架选型，以及如何通过持续集成和分布式测试提高效率。通过使用工具如Toast和Selenium，自动化能够快速处理大量测试案例，从而确保系统的稳定性。
Foundation of software development 1
Foundation of software development 1netdbncku 文档讨论了大型和开源项目的软件开发，重点介绍版本控制和单元测试的概念。它概述了版本控制系统的类型、方法以及单元测试的重要性和框架。文档还提到了一些流行的版本控制软件和构建自动化工具，强调了其在提高软件质量和开发效率方面的作用。
[2020 .NET Conf] 企業Azure DevOps Service 實際應用架構與秘辛
[2020 .NET Conf] 企業Azure DevOps Service 實際應用架構與秘辛Edward Kuo 该文档详细介绍了 Azure DevOps 服务的架构和实践，包括多云和混合云的趋势、组件化设计、代理池的配置以及CI/CD管道的最佳实践。此外，还讨论了如何利用 Azure DevOps API 和 CLI 扩展管理服务，强调了在企业级开发环境中减少集成复杂性和提高效率的重要性。文档提供了多个实用的示例和设计模式，以助于开发者和团队实施高效的 DevOps 解决方案。
Bitbucket pipeline CI
Bitbucket pipeline CIZero Huang 本文档介绍了Bitbucket Pipelines的持续集成（CI）和持续交付（CD）概念，强调敏捷开发的重要性及使用配套工具的必要性。它详细说明了如何使用YAML文件设置Bitbucket Pipelines，以实现自动化测试和部署。文档还讨论了环境构建、缓存机制及变量使用，提供了运行脚本的最佳实践。
該怎麼樣（認真的）部署你的 Python Web 應用程式?
該怎麼樣（認真的）部署你的 Python Web 應用程式?Andy Dai 本文件详细介绍了如何认真有效地部署 Python Web 应用程序。它强调了自动化部署、持续集成、基础设施即代码和版本控制的重要性，并提供了关于如何管理代码和部署环境的指导。文中还提到了一些监控和错误追踪工具，以确保系统的稳定性和可维护性。
持续交付最佳实践——百度技术沙龙201110
持续交付最佳实践——百度技术沙龙201110Qiao Liang 文档讨论了在复杂软件生态系统中实施持续交付和DevOps的经验，强调了自动化和版本控制的重要性。作者分享了从手动测试到自动化部署流程的转变，论述了小步增量发布和内建质量的关键原则。最终，文档指出为了保持软件发布的可重复性与可信赖性，团队需肩负共同的交付责任，且必须持续改进。
Git Flow 管理
Git Flow 管理Pu Lee 本文介绍了Git及其使用的Git Flow模型，包括版本管理、分支管理和团队协作。Git是一个跨平台的分布式版本控制工具，支持云端平台的代码管理。Git Flow提供了一种简化的开发流程与成熟的分支模型以提升团队开发效率。
Git & git flow
Git & git flowAmo Wu 文档讨论了版本控制系统的重要性，包括文件覆盖、版本恢复和多人协作的需求。介绍了 Git 和 Git Flow 的基本概念、操作以及其在开发中的应用，包括分支管理和发布流程。通过这些机制，开发者能够有效管理代码，保持项目的稳定性与可追溯性。
Angular 4 網站開發最佳實務 (Modern Web 2017)
Angular 4 網站開發最佳實務 (Modern Web 2017)Will Huang 此文档分享了Angular 4在网站开发的最佳实践，包括使用Visual Studio Code与Angular CLI、推荐的扩展以及如何优化Angular应用绩效。探讨了变更检测策略、模块化应用及延迟加载等主题，并提供了具体代码示例和指令。此外，强调了遵循Angular风格指南和使用工具如source-map-explorer来提高开发效率与代码质量。
Crashlytics 使用教學
Crashlytics 使用教學ShengWen Chiou 本文档详细介绍了如何使用Crashlytics平台记录崩溃日志信息，涉及申请使用、项目设置和代码编写的步骤。用户需在官网申请并按照指示注册和配置，成功后可在后台查看记录。高级功能包括分析设备平台及系统版本、添加协作人员、发布版本供测试等。
CICD Workshop 20180922
CICD Workshop 20180922Earou Huang 文档详细描述了一个密码生成服务项目的开发流程，包括环境设置、测试、版本控制和持续集成等环节。团队通过小组讨论和各类练习，旨在实现自动化构建和整合测试，以确保软件质量和交付的顺利进行。还强调了团队协作和透明的发布流程对项目成功的重要性。
Ad
More from Jimmy Lai (20)
[PyCon US 2025] Scaling the Mountain_ A Framework for Tackling Large-Scale Te...
[PyCon US 2025] Scaling the Mountain_ A Framework for Tackling Large-Scale Te...Jimmy Lai Managing tech debt in large legacy codebases isn’t just a challenge—it’s an ongoing battle that can drain developer productivity and morale. In this talk, I’ll introduce a Python-powered Tech Debt Framework bar-raiser designed to help teams tackle even the most daunting tech debt problems with 100,000+ violations. This open-source framework empowers developers and engineering leaders by: - Tracking Progress: Measure and visualize the state of tech debt and trends over time. - Recognizing Contributions: Celebrate developer efforts and foster accountability with contribution leaderboards and automated shoutouts. - Automating Fixes: Save countless hours with codemods that address repetitive debt patterns, allowing developers to focus on higher-priority work.
Through real-world case studies, I’ll showcase how we: - Reduced 70,000+ pyright-ignore annotations to boost type-checking coverage from 60% to 99.5%. - Converted a monolithic sync codebase to async, addressing blocking IO issues and adopting asyncio effectively.
Attendees will gain actionable strategies for scaling Python automation, fostering team buy-in, and systematically reducing tech debt across massive codebases. Whether you’re dealing with type errors, legacy dependencies, or async transitions, this talk provides a roadmap for creating cleaner, more maintainable code at scale.
PyCon JP 2024 Streamlining Testing in a Large Python Codebase .pdf
PyCon JP 2024 Streamlining Testing in a Large Python Codebase .pdfJimmy Lai The document discusses strategies for streamlining testing in a growing Python codebase at Zip, which has doubled to 2.5 million lines of code with 100 developers. Key strategies include parallel execution of tests, caching dependencies to save time, and skipping unnecessary tests to improve efficiency. The insights aim to enhance quality assurance and developer experience through optimized continuous integration practices.
EuroPython 2024 - Streamlining Testing in a Large Python Codebase
EuroPython 2024 - Streamlining Testing in a Large Python CodebaseJimmy Lai The document outlines strategies for optimizing testing in a large Python codebase at Zip, which consists of 2.5 million lines of code and over 100 developers. It emphasizes the need for quality assurance and efficient testing practices using tools like pytest and continuous integration workflows to handle challenges such as increasing test execution time and coverage. Key strategies discussed include parallel execution, caching dependencies, skipping unnecessary tests, and modernizing runner infrastructure for faster and cost-effective testing.
Python Linters at Scale.pdf
Python Linters at Scale.pdfJimmy Lai The document discusses the challenges and solutions for managing Python linters in large codebases, focusing on improving developer experience and scaling issues. It highlights various popular linters, their configurations, and practices for optimizing linting processes, including using caching, parallel execution, and custom auto-fixing tools. Additionally, it emphasizes the importance of tracking metrics and establishing consistent linting practices across multiple projects to enhance efficiency and reduce errors.
EuroPython 2022 - Automated Refactoring Large Python Codebases
EuroPython 2022 - Automated Refactoring Large Python CodebasesJimmy Lai Like many companies with multi-million-line Python codebases, Carta has struggled to adopt best practices like Black formatting and type annotation. The extra work needed to do the right thing competes with the almost overwhelming need for new development, and unclear code ownership and lack of insight into the size and scope of type problems add to the burden. We’ve greatly mitigated these problems by building an automated refactoring pipeline that applies Black formatting and backfills missing types via incremental Github pull requests. Our refactor applications use LibCST and MonkeyType to modify the Python syntax tree and use GitPython/PyGithub to create and manage pull requests. It divides changes into small, easily reviewed pull requests and assigns appropriate code owners to review them. After creating and merging more than 3,000 pull requests, we have fully converted our large codebase to Black format and have added type annotations to more than 50,000 functions. In this talk, you’ll learn to use LibCST to build automated refactoring tools that fix general Python code quality issues at scale and how to use GitPython/PyGithub to automate the code review process.
Annotate types in large codebase with automated refactoring
Annotate types in large codebase with automated refactoringJimmy Lai The document discusses an automated refactoring process for enhancing type annotations in a large Python codebase at Carta, which consists of 1.8 million lines and 120,000 functions. It highlights tools like libcst for modifying Python code and mentions strategies such as using static and runtime analysis to improve type coverage. Additionally, it encourages continuous improvement through automated weekly updates and the engagement of developers.
The journey of asyncio adoption in instagram
The journey of asyncio adoption in instagramJimmy Lai The document discusses the adoption of asyncio at Instagram, detailing its challenges and the subsequent benefits like improved API performance and reduced CPU idle time. It outlines key features of asyncio, common myths, and migration strategies from synchronous to asynchronous coding practices. The implementation insights share methods to optimize performance and achieve better concurrency, ultimately leading to enhanced user experience.
Data Analyst Nanodegree
Data Analyst NanodegreeJimmy Lai Hung-Che Lai successfully completed the Data Analyst Nanodegree program from Udacity in 2016. The certificate verifies that Hung-Che Lai learned data analysis skills and discovered insights from data. Sebastian Thrun, CEO of Udacity, certified that Hung-Che Lai completed the program on October 19, 2016.
Distributed system coordination by zookeeper and introduction to kazoo python...
Distributed system coordination by zookeeper and introduction to kazoo python...Jimmy Lai The document provides an overview of Apache ZooKeeper, a coordination service for distributed systems, and introduces the Kazoo Python library for interacting with it. It details common tasks that ZooKeeper simplifies, such as leader election and configuration management, and explains concepts like znodes and session states. Additionally, practical examples demonstrate how to implement distributed coordination patterns like locks and master-worker relationships using ZooKeeper.
Build a Searchable Knowledge Base
Build a Searchable Knowledge BaseJimmy Lai The document outlines the construction and search capabilities of a searchable knowledge base, emphasizing the importance of efficient interfaces for data navigation. It discusses specific technologies such as Python, Solr, and DBpedia for data aggregation and search functionalities including string matching, synonym search, and geo search. It concludes with potential applications of such a knowledge base in personal assistants and question answering systems.
[LDSP] Solr Usage
[LDSP] Solr UsageJimmy Lai The document outlines a backend API solution for fast prototyping using Solr, detailing steps for adding a new core, defining the schema, feeding and updating data, and performing queries. Key instructions include creating a core, editing schema.xml, and using JSON format for data updates and queries. The next steps involve understanding Solr's mechanisms and integrating with Django Rest Framework for further development.
[LDSP] Search Engine Back End API Solution for Fast Prototyping
[LDSP] Search Engine Back End API Solution for Fast PrototypingJimmy Lai The document outlines a backend API solution for rapid prototyping of a search engine using Linux, Django, Solr, and Python. It includes installation instructions, data preprocessing steps, and details for creating a geo search API for a Taiwan movie dataset. Further steps for understanding Solr and Django REST framework functionalities are also suggested.
Text classification in scikit-learn
Text classification in scikit-learnJimmy Lai This document provides an overview of text classification in Scikit-learn. It discusses setting up necessary packages in Ubuntu, loading and preprocessing text data from the 20 newsgroups dataset, extracting features from text using CountVectorizer and TfidfVectorizer, performing feature selection, training classification models, evaluating performance through cross-validation, and visualizing results. The goal is to classify newsgroup posts by topic using machine learning techniques in Scikit-learn.
Big data analysis in python @ PyCon.tw 2013
Big data analysis in python @ PyCon.tw 2013Jimmy Lai The document outlines the use of Python for big data analysis, covering key tools and frameworks such as Scrapy for web scraping, MongoDB for database management, and Scikit-learn for machine learning. It discusses the advantages of Python including its readability and productivity, as well as practical examples for data collection, analysis, and visualization. The presentation also provides references and resources for further learning in big data applications with Python.
Text Classification in Python – using Pandas, scikit-learn, IPython Notebook ...
Text Classification in Python – using Pandas, scikit-learn, IPython Notebook ...Jimmy Lai The document discusses text classification in Python utilizing libraries such as pandas, scikit-learn, and matplotlib. It covers the entire process from data collection and feature extraction to classification model training and performance evaluation using iPython notebooks for fast prototyping. Additionally, it includes practical examples, demo code, and references for further learning.
Software development practices in python
Software development practices in pythonJimmy Lai The document outlines software development practices in Python, focusing on runtime environments, source code management, unit testing, coding conventions, documentation, and automation. Key tools discussed include virtualenv, Mercurial for version control, and Sphinx for documentation. The document emphasizes the importance of test coverage, coding standards (PEP 8), and automation through Fabric to enhance development efficiency.
Fast data mining flow prototyping using IPython Notebook
Fast data mining flow prototyping using IPython NotebookJimmy Lai The document discusses a workflow for fast data mining prototyping using IPython Notebook, highlighting its features such as interactive web IDE, code execution flexibility, and data visualization capabilities. It exemplifies text classification using a newsgroup dataset and details various stages involved in data mining along with a demo code for practical application. The goal is to classify articles according to their newsgroup, showcasing results and observations from experiments with feature extraction.
Documentation with sphinx @ PyHug
Documentation with sphinx @ PyHugJimmy Lai The document provides a comprehensive guide on using Sphinx for Python documentation, covering setup, document types, reStructuredText syntax, and autodoc features. It includes instructions for installing Sphinx, configuring Apache, and generating PDF documentation. Key topics include documenting system architecture, usage, classes, modules, and functions.
Apache thrift-RPC service cross languages
Apache thrift-RPC service cross languagesJimmy Lai The document describes the Apache Thrift framework, which enables cross-language RPC services, supporting multiple programming languages such as C++, Java, and Python. It outlines the steps for defining data structures and service interfaces using IDL, generating language bindings, and writing server and client scripts for a machine learning prediction service. An example is provided, demonstrating the process of predicting outcomes using a pre-trained model in a server-client architecture.
NetworkX - python graph analysis and visualization @ PyHug
NetworkX - python graph analysis and visualization @ PyHugJimmy Lai NetworkX is a Python package for analyzing and visualizing graphs and networks. It allows users to construct graphs from data, model network topology and examine properties like centrality and connectivity. The document provides instructions on installing NetworkX and links to tutorials, demonstrates analyzing a social network from a PTT bulletin board, and lists the top users by PageRank centrality.
Ad
Continuous Delivery: automated testing, continuous integration and continuous deployment.
- 1. Continuous Delivery: automated testing, continuous integration and continuous deployment. 持續發佈：利⽤用⾃自動化測試與持續 集成來持續發佈⾼高品質的軟體 Jimmy Lai 2014.10.15 ! Jimmy Lai是⾃自然語⾔言處理與機器學習領域的 Python愛好者。 更多他的分享: http://www.slideshare.net/jimmy_lai/
- 2. Outline 1. 持續發佈的概念 2. 持續發佈的⼯工具 3. 以Python專案為範例建構部署流⽔水 線 2
- 3. Continuous Delivery 持續發佈 • 軟體發佈了才算做完了 • 只有commit程式碼還不算完成 • 提交程式碼到軟體發佈的過程必須完全⾃自動 化 • 可重複使⽤用的發佈與部署流程，以確保軟體 品質 • 程式碼與設定檔等產出必須要進⾏行版本控 制，以便快速的追蹤與回復 3
- 4. Version Control 版本控制 • 需要版本控制的項⺫⽬目 • 原始碼 • 套件相依管理 • 系統參數設定 • 主流⼯工具: Git 4
- 5. Continuous Integration 持續整合 • 在合作開發的團隊中，持續地將每個⼈人的變 更整合在⼀一起，越頻繁地整合就可以減少嚴 重的衝突發⽣生 • 要件: • 頻繁的commit原始碼 • ⾃自動化的測試 • 簡短的建置與測試週期，以及早獲得回饋 • 主流⼯工具: Jenkins 5
- 6. Testing 測試 • ⾃自動化測試 • 單元測試: 針對function/class • 功能測試: 針對客⼾戶端需求 • 系統整合測試: 針對⼦子系統的整合 • 效能與覆載測試 • 安全性測試 • ⼿手動測試 • 探索性測試、使⽤用者接受度測試 • Python測試⼯工具: nosetests 6
- 7. 部署流⽔水線 1. 建置與單元測試(當commit程式碼時) 2. ⾃自動化的功能測試 3. 使⽤用者接受度測試(測試⼯工程師) 4. 發佈 過程中有任何錯誤即⾃自動通知開發者， 開發者應優先修復部署流⽔水線後再繼續 開發新功能 7
- 8. Git版本控制 • 分散式版本控制 • 每⼀一台機器都有⼯工作⺫⽬目錄和版本資料 庫 • 每⼀一台機器的版本資料庫都可以與任 意機器同步 • 開發時先對本地資料庫進⾏行commit, 不需要網路連線 http://git-scm.com/ 8
- 9. Git實務 • ⼯工作⺫⽬目錄 <-> 暫存區 <-> 版本資料庫 • ⼯工作⺫⽬目錄為某個版本分⽀支的狀態加上新的修改 • git add: 將檔案當前的狀態加⼊入暫存區 • git commit -m “commit message”: 將⺫⽬目前暫存區 當中的所有檔案更改儲存到版本資料庫 • git push origin master: 將當前分⽀支的本機更新推送 到遠端(origin)版本資料庫的master分⽀支 • git pull origin master: 將遠端(origin)版本資料庫的 master分⽀支的更新下載到當前⼯工作⺫⽬目錄分⽀支 http://git-scm.com/docs/gittutorial 9
- 10. Git Code Review • 透過Github的code review來確保軟體品質: 1. git checkout -b branch: 在本地建⽴立分⽀支並切換到該分⽀支 2. git commit: 在本地分⽀支提交變更 3. git push origin branch_a: 將變更推送到Github 4. 在Github建⽴立pull request 5. Reviewer進⾏行審查 6. 審查修改完善後將branch merge回master • master branch⽤用來發佈軟體，新的修改都先在其他分⽀支 進⾏行，經過審查後才merge • Code Review有助於團隊成員互相學習並提⾼高程式碼品質 http://nvie.com/posts/a-successful-git-branching-model/ 10
- 11. Git Code Review Demo https://github.com/jimmylai/continuous_delivery_demo
- 12. Git Code Review 範例 • 需求: 撰寫設定系統套件的Makefile， 並進⾏行Code Review • 步驟: 1. 於git建⽴立新分⽀支 2. 在新分⽀支提交修改 3. 更新到github後，建⽴立pull request 4. Review確認後merge 12
- 13. 13 Committed Changes Create a pull request
- 15. Post Review Message 15
- 16. Update According to the Comments 16 Merge
- 17. 17 Merged
- 18. 單元測試 • 單元測試: 對程式碼單元(funtion, class)進 ⾏行撰寫測試案例 • 被測試的程式碼必須要減少與其他程式碼 的相依性才容易測試，通常可以透過適當 的封裝函數來達成。必要時必須要利⽤用 Mock技術來隔離相依性，例如呼叫資料 庫連線、外部IO. • Python測試⼯工具nosetest 18
- 19. Unit Test with nosetests https://github.com/jimmylai/continuous_delivery_demo/tree/ master/web/calculator
- 20. Unit Test with nosetests範例 • 需求: 撰寫⼀一個函式，有兩個整數作為 參數，回傳兩個參數相加之和 • 步驟: 1. 撰寫函式 2. 利⽤用doctest做為說明及測試 3. 撰寫測試函數 20
- 21. Unit test with Nosetest doctest: 作為函式說明範例，也是單元測試 21
- 22. 將測試檔案以xxx_test.py命名, 測試函式以! test_xxx()命名, nosetests就會找出來執⾏行 22
- 23. 功能測試 • 針對客⼾戶端要求的功能進⾏行驗證，測試 的對象可能是由數個元件組成的系統 • 針對不同界⾯面的系統需要使⽤用不同的⽅方 式來測試，例如網⾴頁就必須以瀏覽器來 測試才完整 • 範例: 基於先前的add( ), 提供⼀一個⽤用來 進⾏行加法RESTful API, 針對輸⼊入進⾏行檢 查，計算後回傳結果 23
- 24. Functional Test of RESTful API https://github.com/jimmylai/continuous_delivery_demo/tree/ master/functional_tests
- 25. Functional Test of RESTful API 範例 • 需求: 實作⼀一個Restful API, 透過HTTP GET 輸⼊入兩個參數, 呼叫前⼀一範例的add( )進⾏行加 總, 以json格式回傳結果 • 步驟: 1. 使⽤用Django rest framework撰寫API 2. 驗證輸⼊入的兩個參數存在且為整數 3. 將運算結果回傳 4. 測試客⼾戶端送出HTTP GET request來 進⾏行測試 25
- 26. Django RESTful API - View 26
- 28. 28 start web server functional test test successfully
- 29. Jenkins • 廣受歡迎的持續整合軟體 • 根據設定的條件(如提交程式碼時、定 時排程)觸發建置，如建置發⽣生錯誤便 ⽴立即通知開發者，建置順利可繼續下⼀一 階段建制或⾃自動發佈 • 建置的結果報表以網⾴頁的⽅方式呈現 • 建置的過程與產出皆有存檔，⽅方便回溯 http://jenkins-ci.org/ 29
- 30. Unitest when Commits with Jenkins
- 31. Unitest when Commits with Jenkins範例 • 需求:透過Jenkins Job, 當有新的程式 碼被提交時, 便⾃自動運⾏行unit test, 輸出 測試結果報表 • 步驟: 1. 設定Jenkins Job與Github的授權 2. 設定當有新的change時, 由Github 觸發Jenkins 3. 設定測試結果報表資訊 31
- 32. Github access with ssh key auth 32
- 33. Jenkins settings build when new changes come in Github settings 33
- 34. Unit test coverage Unit test report 34
- 35. 35
- 36. ⾃自動部署 • ⾃自動將建置好的軟體安裝與設定到不 同的環境，進⾏行後續的測試、交付產 品 • 不同的環境可能有不同的系統相依套 件、不同的設定 • 設定檔與部署程式都應進⾏行版本控制 36
- 37. Deploy after Unit Tests Success
- 38. Deploy after Unit Tests Success範例 • 需求: 使⽤用Apache作為Web server, 設 定Jenkins Job當unit test完成後, 發佈 到Apache Server • 步驟: 1. 準備Apache設定檔 2. 準備deploy scripts 3. 設定Jenkins job 38
- 39. Apache Config 39
- 40. Jenkins Setting 40 Deploy script
- 41. 部署流⽔水線 1. unittest: 由⼯工程師提交程式碼觸發 2. deploy 3. functional test 4. release, … 過程中有任何錯誤即⾃自動通知開發者， 開發者應優先修復部署流⽔水線後再繼續 開發新功能 41
- 42. 42
- 43. 43