بررسی آمادگی انتشار با هوش مصنوعی در Rootly
شواهد انتشار یک تغییر رو کنار سیاست تیم، وضعیت تست، رخدادهای فعال و راه برگشت بذارید. گزارش روشن میکنه کجا میشه جلو رفت و کدوم پیششرط هنوز مدرک نداره.
بررسی آمادگی انتشار با هوش مصنوعی در Rootly برای وقتیه که تغییر آماده به نظر میرسه ولی سوال تیم اینه که آیا همین حالا باید وارد محیط هدف بشه. اسکیل deploy-check دامنه تغییر، سرویسهای وابسته، نتیجه تستها، بازبینی انسانی و وضعیت عملیاتی رو کنار هم میذاره. مثلا سبز بودن تست یک برنامه به تنهایی چیزی درباره ارتقای همزمان دیتابیس مشترک یا توقف موقت انتشار در کل شرکت نمیگه.
فرض کنید تغییر کوچکی برای پرداخت دارید و میخواید اول برای گروه محدودی فعالش کنید. ایجنت میتونه بررسی کنه برای همین نسخه مدرک تست پیش از انتشار وجود داره، روش خاموش کردن قابلیت مشخصه و در سرویس وابسته رخداد بازی هست یا نه. اگر سیاست شرکت تایید خاصی میخواد و مدرکش در اختیار نیست، اون مورد باز میمونه. خروجی یک پیشنهاد مستدله و تصمیم نهایی با کسیه که اختیار انتشار داره.
کاربردها
- برای بررسی ریسک انتشار، سرویسهای درگیر و تغییرهای همزمان رو کنار هم ببینید.
- در چکلیست انتشار نرمافزار، نتیجه تست و بازبینی انسانی رو به نسخه درست وصل کنید.
- برای ارزیابی محیط مقصد، رخداد فعال یا محدودیت زمانی انتشار رو پیدا کنید.
- مسیر بازگشت نسخه و روش محدود کردن انتشار رو با مدرک بررسی کنید.
- مواردی رو که پیش از تصمیم به تایید یا تست بیشتر نیاز دارن جدا بگیرید.
نصب و استفاده
- اسکیل رو در ایجنتتون نصب کنید و نسخه پیشنهادی، محیط هدف و سیاست انتشار رو بدید. برای داده زنده از اتصال رسمی فقطخواندنی Rootly استفاده کنید. دسترسی به کد یا نتیجه تست هم باید مجاز باشه.
- بگید «تغییر پرداخت رو برای انتشار مرحلهای بررسی کن. اثر ارتقای مشترک و نتیجه تست محیط آزمایشی رو کنار سیاست تیم بذار و مدرک نداشته رو مشخص کن.»
- محدوده پیشنهاد، زمان شواهد و شرطهای باقیمونده رو بخونید. اجرای انتشار در مسیر معمول تیم و با تایید فرد مجاز انجام میشه.
سوالات متداول
منبع
ساخته Rootly. نام اصلی: deploy-check، منتشرشده در GitHub با مجوز Apache-2.0.
مشاهده در GitHub