Importante: il pannello di controllo per il monitoraggio di DevOps su AWS verrà ritirato il 3 dicembre 2024. È possibile esplorare altre alternative offerte dai partner AWS, come CI Visibility di Datadog che fornisce una dashboard di monitoraggio per AWS CodePipeline.
Panoramica
Questa soluzione automatizza il processo di importazione, analisi e visualizzazione dei parametri di integrazione continua/distribuzione continua (CI/CD). Questi parametri vengono visualizzati nei pannelli di controllo di Amazon QuickSight per aiutare i leader DevOps a misurare l'impatto delle loro iniziative e a prendere decisioni basate sui dati per promuovere il miglioramento continuo nei loro team di sviluppo.
Vantaggi
Automatizza l'importazione e l'analisi dei dati in streaming contenenti parametri operativi e prestazionali nella tua pipeline CI/CD quasi in tempo reale. Calcola i parametri DevOps chiave per monitorare e misurare le attività dei team di sviluppo.
Automatizza l'avvio di pannelli di controllo Amazon QuickSight predefiniti per visualizzare le analisi della soluzione. Identifica approfondimenti sulle attività CI/CD per comprendere meglio le iniziative DevOps e prendere decisioni basate sui dati per promuovere il miglioramento continuo del processo di distribuzione del software.
Puoi personalizzare questa soluzione per utilizzare strumenti di business intelligence (BI) di terze parti in modo da creare visualizzazioni personalizzate dal database Amazon Athena.
Trasmetti i dati da più account e regioni AWS in un bucket Amazon Simple Storage Service (Amazon S3) centrale in cui i dati vengono analizzati e monitorati utilizzando un unico pannello di controllo.
Dettagli tecnici
È possibile implementare automaticamente questa architettura utilizzando la Guida all'implementazione.
Fase 1
Uno sviluppatore avvia un'attività in una pipeline AWS CI/CD, come l'invio di una modifica al codice in AWS CodeCommit o l'implementazione di un'applicazione utilizzando AWS CodeDeploy. Queste attività creano eventi. Se viene attivata una funzionalità multi-account e multi-regione, gli eventi possono essere generati da più account e più regioni AWS. Per lo sviluppo tramite il repository GitHub, vengono generati eventi git push.
Fase 2
Una regola degli eventi di Amazon EventBridge rileva gli eventi in base a modelli di eventi predefiniti e quindi invia tali dati a un flusso di distribuzione Amazon Kinesis Data Firehose. Viene creata una regola per origine evento.
Per le attività in AWS CodeBuild, è impostato un flusso di parametri Amazon CloudWatch per acquisire i parametri di CloudWatch e distribuirli a un flusso di distribuzione Kinesis Data Firehose. Per gli eventi push di GitHub, viene creato un endpoint Gateway Amazon API per pubblicare questi eventi e inviarli a un flusso di distribuzione Kinesis Data Firehose.
Fase 3
Viene inoltre creata una regola per gli eventi di EventBridge per acquisire eventi da un allarme CloudWatch che monitora lo stato di canary synthetics di CloudWatch o Amazon CodePipeline, se hai impostato l'allarme rispettivamente per il canary o la pipeline nel tuo account. Questo allarme è necessario per raccogliere dati per il calcolo dei parametri Mean Time to Recovery (MTTR).
Fase 4
Kinesis Data Firehose utilizza una funzione AWS Lambda per la trasformazione dei dati. La funzione Lambda estrae i dati rilevanti per ciascun parametro e li invia a un bucket Amazon Simple Storage Service (Amazon S3) nell'account di monitoraggio per l'elaborazione a valle.
Fase 5
I dati in Amazon Simple Storage Service (Amazon S3) sono collegati a un database Amazon Athena, che esegue query su questi dati e restituisce i relativi risultati ad Amazon QuickSight.
Fase 6
QuickSight ottiene i risultati delle query e crea visualizzazioni di pannelli di controllo per il team di gestione.
Fase 1
Uno sviluppatore avvia un'attività in una pipeline AWS CI/CD, come l'invio di una modifica al codice in AWS CodeCommit o l'implementazione di un'applicazione utilizzando AWS CodeDeploy. Queste attività creano eventi. Se viene attivata una funzionalità multi-account e multi-regione, gli eventi possono essere generati da più account e più regioni AWS. Per lo sviluppo tramite il repository GitHub, vengono generati eventi git push.
Fase 2
Una regola degli eventi di Amazon EventBridge rileva gli eventi in base a modelli di eventi predefiniti e quindi invia tali dati a un flusso di distribuzione Amazon Kinesis Data Firehose. Viene creata una regola per origine evento.
Per le attività in AWS CodeBuild, è impostato un flusso di parametri Amazon CloudWatch per acquisire i parametri di CloudWatch e distribuirli a un flusso di distribuzione Kinesis Data Firehose. Per gli eventi push di GitHub, viene creato un endpoint Gateway Amazon API per pubblicare questi eventi e inviarli a un flusso di distribuzione Kinesis Data Firehose.
Fase 3
Viene inoltre creata una regola per gli eventi di EventBridge per acquisire eventi da un allarme CloudWatch che monitora lo stato di canary synthetics di CloudWatch o Amazon CodePipeline, se hai impostato l'allarme rispettivamente per il canary o la pipeline nel tuo account. Questo allarme è necessario per raccogliere dati per il calcolo dei parametri Mean Time to Recovery (MTTR).
Fase 4
Kinesis Data Firehose utilizza una funzione AWS Lambda per la trasformazione dei dati. La funzione Lambda estrae i dati rilevanti per ciascun parametro e li invia a un bucket Amazon Simple Storage Service (Amazon S3) nell'account di monitoraggio per l'elaborazione a valle.
Fase 5
I dati in Amazon Simple Storage Service (Amazon S3) sono collegati a un database Amazon Athena, che esegue query su questi dati e restituisce i relativi risultati ad Amazon QuickSight.
Fase 6
QuickSight ottiene i risultati delle query e crea visualizzazioni di pannelli di controllo per il team di gestione.
- Data di pubblicazione
"Mphasis è una delle principali società di servizi tecnologici applicati che consente alle aziende di accelerare il loro percorso di trasformazione digitale. Utilizzando Pannello di controllo di monitoraggio DevOps insieme ad altre soluzioni AWS, siamo riusciti a ridurre del 30% il tempo tra l'ideazione e l'implementazione. Siamo in grado di automatizzare il processo di configurazione di raccolta e visualizzazione dei parametri operativi DevOps, il che ci ha consentito di prendere facilmente decisioni più intelligenti e individuare dove è possibile apportare miglioramenti tra i nostri team di implementazione."
Contenuto correlato
In questo post del blog, illustreremo come risparmiare tempo e fatica utilizzando la soluzione Pannello di controllo di monitoraggio AWS DevOps per automatizzare il processo di configurazione per raccogliere e visualizzare i parametri DevOps. Questa soluzione è un'implementazione di riferimento che rende più facile per le organizzazioni di tutte le dimensioni raccogliere, analizzare e visualizzare i parametri operativi chiave nel processo di distribuzione del software.