Übersicht
Diese Lösung automatisiert den Prozess der Aufnahme, Analyse und Visualisierung von CI/CD-Metriken (Continuous Integration/Continuous Delivery). Diese Metriken werden in Amazon-QuickSight-Dashboards angezeigt, um DevOps-Führungskräfte dabei zu unterstützen, die Auswirkungen ihrer DevOps-Initiativen zu messen und datengesteuerte Entscheidungen zu treffen, um kontinuierliche Verbesserungen in ihren Entwicklungsteams voranzutreiben.
Vorteile
Automatisieren Sie die Aufnahme und Analyse von Streamingdaten mit Leistungs- und Betriebsmetriken in Ihrer CI/CD-Pipeline in nahezu Echtzeit. Berechnen Sie wichtige DevOps-Metriken, um die Aktivitäten Ihrer Entwicklungsteams nachzuverfolgen und zu messen.
Automatisieren Sie den Start von vorgefertigten Amazon-QuickSight-Dashboards zur Visualisierung der Analysen der Lösung. Gewinnen Sie Einblicke in Ihre CI/CD-Aktivitäten, um Ihre DevOps-Initiativen besser zu verstehen und datengestützte Entscheidungen zu treffen, die eine kontinuierliche Verbesserung Ihres Softwarebereitstellungsprozesses ermöglichen.
Sie können diese Lösung anpassen, um Business Intelligence (BI)-Tools von Drittanbietern zu verwenden, damit Sie angepasste Visualisierungen aus der Amazon-Athena-Datenbank erstellen können.
Streamen Sie Daten von mehreren AWS-Konten und AWS-Regionen in einen zentralen Amazon Simple Storage Service (Amazon S3)-Bucket, wo die Daten über ein einziges Dashboard analysiert und überwacht werden.
Technische Details
Sie können diese Architektur mit dem Implementierungsleitfaden und der dazugehörigen Vorlage für AWS CloudFormation automatisch bereitstellen.
Schritt 1
Ein Entwickler initiiert eine Aktivität in einer AWS-CI/CD-Pipeline, z. B. das Pushen einer Codeänderung an AWS CodeCommit oder die Bereitstellung einer Anwendung mit AWS CodeDeploy. Diese Aktivitäten erstellen Ereignisse. Wenn eine Funktion für mehrere Konten und Regionen aktiviert ist, können die Ereignisse von mehreren AWS-Konten und mehreren AWS-Regionen erzeugt werden. Für die Entwicklung mit dem GitHub-Repository werden Git-Push-Ereignisse generiert.
Schritt 2
Eine Amazon-EventBridge-Ereignisregel erkennt die Ereignisse anhand von vordefinierten Ereignismustern und sendet dann die Ereignisdaten an einen Bereitstellungsdatenstrom von Amazon Kinesis Data Firehose. Pro Ereignisquelle wird eine Ereignisregel erstellt.
Für Aktivitäten in AWS CodeBuild wird ein Amazon-CloudWatch-Metrik-Stream eingerichtet, um CloudWatch-Metriken zu erfassen und sie an einen Bereitstellungsdatenstrom von Kinesis Data Firehose zu liefern. Für GitHub-Push-Ereignisse wird ein Endpunkt von Amazon API Gateway erstellt, um diese Ereignisse zu veröffentlichen und sie an einen Bereitstellungsdatenstrom von Kinesis Data Firehose zu liefern.
Schritt 3
Es wird auch eine Amazon-EventBridge-Ereignisregel erstellt, um Ereignisse von einem CloudWatch-Alarm zu erfassen, der den Status eines CloudWatch-Synthetics-Canary oder Amazon CodePipeline überwacht, wenn Sie den Alarm für den Canary bzw. die Pipeline in Ihrem Konto eingerichtet haben. Dieser Alarm wird benötigt, um Daten für die Berechnung der Metriken der Mean Time to Recovery (MTTR) zu sammeln.
Schritt 4
Kinesis Data Firehose verwendet eine AWS-Lambda-Funktion zur Datentransformation. Die Lambda-Funktion extrahiert relevante Daten zu jeder Metrik und sendet sie an einen Amazon Simple Storage Service-Bucket (Amazon S3) zur nachgelagerten Verarbeitung.
Schritt 5
Die Daten im Amazon Simple Storage Service (Amazon S3) sind mit einer Amazon-Athena-Datenbank verknüpft, die Abfragen für diese Daten ausführt und Abfrageergebnisse an Amazon QuickSight zurückgibt.
Schritt 6
QuickSight ruft die Abfrageergebnisse ab und erstellt Dashboard-Visualisierungen für Ihr Managementteam.
Schritt 1
Ein Entwickler initiiert eine Aktivität in einer AWS-CI/CD-Pipeline, z. B. das Pushen einer Codeänderung an AWS CodeCommit oder die Bereitstellung einer Anwendung mit AWS CodeDeploy. Diese Aktivitäten erstellen Ereignisse. Wenn eine Funktion für mehrere Konten und Regionen aktiviert ist, können die Ereignisse von mehreren AWS-Konten und mehreren AWS-Regionen erzeugt werden. Für die Entwicklung mit dem GitHub-Repository werden Git-Push-Ereignisse generiert.
Schritt 2
Eine Amazon-EventBridge-Ereignisregel erkennt die Ereignisse anhand von vordefinierten Ereignismustern und sendet dann die Ereignisdaten an einen Bereitstellungsdatenstrom von Amazon Kinesis Data Firehose. Pro Ereignisquelle wird eine Ereignisregel erstellt.
Für Aktivitäten in AWS CodeBuild wird ein Amazon-CloudWatch-Metrik-Stream eingerichtet, um CloudWatch-Metriken zu erfassen und sie an einen Bereitstellungsdatenstrom von Kinesis Data Firehose zu liefern. Für GitHub-Push-Ereignisse wird ein Endpunkt von Amazon API Gateway erstellt, um diese Ereignisse zu veröffentlichen und sie an einen Bereitstellungsdatenstrom von Kinesis Data Firehose zu liefern.
Schritt 3
Es wird auch eine Amazon-EventBridge-Ereignisregel erstellt, um Ereignisse von einem CloudWatch-Alarm zu erfassen, der den Status eines CloudWatch-Synthetics-Canary oder Amazon CodePipeline überwacht, wenn Sie den Alarm für den Canary bzw. die Pipeline in Ihrem Konto eingerichtet haben. Dieser Alarm wird benötigt, um Daten für die Berechnung der Metriken der Mean Time to Recovery (MTTR) zu sammeln.
Schritt 4
Kinesis Data Firehose verwendet eine AWS-Lambda-Funktion zur Datentransformation. Die Lambda-Funktion extrahiert relevante Daten zu jeder Metrik und sendet sie an einen Amazon Simple Storage Service-Bucket (Amazon S3) zur nachgelagerten Verarbeitung.
Schritt 5
Die Daten im Amazon Simple Storage Service (Amazon S3) sind mit einer Amazon-Athena-Datenbank verknüpft, die Abfragen für diese Daten ausführt und Abfrageergebnisse an Amazon QuickSight zurückgibt.
Schritt 6
QuickSight ruft die Abfrageergebnisse ab und erstellt Dashboard-Visualisierungen für Ihr Managementteam.
- Datum der Veröffentlichung
„Mphasis ist ein führendes Service-Unternehmen für angewandte Technologie, das es Unternehmen ermöglicht, ihren Weg der digitalen Transformation zu beschleunigen. Durch die Verwendung von DevOps Monitoring Dashboard zusammen mit anderen AWS-Lösungen konnten wir die Zeit zwischen Ideenfindung und Bereitstellung um 30 % verkürzen. Wir sind in der Lage, den Einrichtungsprozess zum Sammeln und Visualisieren unserer DevOps-Betriebsmetriken zu automatisieren, was es uns ermöglicht hat, auf einfache Weise intelligentere Entscheidungen zu treffen und festzustellen, wo Verbesserungen in unseren Bereitstellungsteams vorgenommen werden können.“
Verwandte Inhalte
In diesem Blogbeitrag zeigen wir Ihnen, wie Sie mit der AWS-DevOps-Monitoring-Dashboard-Lösung Zeit und Aufwand sparen können, um den Einrichtungsprozess zum Entnehmen und Visualisieren von DevOps-Metriken zu automatisieren. Bei dieser Lösung handelt es sich um eine Referenzimplementierung, die es Unternehmen jeder Größe erleichtert, wichtige Betriebskennzahlen im Softwarebereitstellungsprozess zu entnehmen, zu analysieren und zu visualisieren.