乐趣区

关于开源:如何在15分钟内度量-DORA-指标

jiezi

在这篇文章中，咱们将介绍 DevOps 四个要害指标——DORA 指标，DORA 指标的度量难点，以及如何基于开源工具疾速实现 DORA 指标的度量和继续追踪。如果你相熟 DORA 指标，能够间接跳到本文第二局部。

什么是 DORA 指标？

DORA 的全称是 DevOps Research and Assessment，是一个致力于 DevOps 调研与钻研的组织，2018 年退出 Google Cloud。自 2014 年起，DORA 每年会公布一份行业报告，基于对数千名从业者的调研，剖析高效能团队与低效能团队在 DevOps 实际上的差别。

高效能团队如何定义？可能每个人、每个组织都有不同见解。DORA 的做法是将研发团队体现分为三个方面：软件交付体现、运行稳定性体现和组织业绩体现。在软件交付体现方面，提炼出四个要害的后果性指标进行概括，这就是驰名的 DORA 指标。DORA 指标包含

  • 部署频率（Deployment Frequency）：一段时间内应用程序部署到生产中的次数，代表研发团队交付价值的频率
  • 变更交付周期（Lead Time for Changes）：从代码提交到将代码部署到生产中的时长，代表团队进行代码评审、测试和部署的速度，也局部反映了团队响应用户需要的速度
  • 变更失败率（Change Failure Rate）：变更部署到生产后产生故障、导致服务降级的比例，代表团队交付稳固服务的能力
  • 服务复原工夫（Time to Restore Service）：生产环境中产生故障到服务复原的工夫，代表团队疾速监测、定位、诊断故障，并从故障中疾速复原的能力

在以上四个指标中，部署频率和变更交付周期指标次要度量的是 DevOps 交付体现中的 产能维度 （Throughput），而变更失败率和服务复原工夫指标次要度量的是 稳定性维度（Stablity）。

同时度量产能与稳定性，一方面能使二者互相制衡，防止大量低质量变更侵害用户体验，或防止严守品质连累交付效率；另一方面，验证优良的实际可能同时改善产能与稳定性，而不须要研发团队做出取舍，例如小批次的公布策略不仅间接进步部署频率，一旦故障产生也能疾速定位，有利于缩短服务复原工夫。

DORA 指标如何领导具体的实际改良？DORA 调研报告贴心地提供了一系列基准值，分为精英团队（Elite）、高效能团队（High）、中等效力团队（Medium）和低效能团队（Low）。研发团队能够参考业界程度对号入座，从而找到最要害的改良项，并在改良的同时继续度量 DORA 指标，验证改良措施的有效性。

2021 年 DORA 报告中的各级别团队体现

度量 DORA 指标，难在哪？

DORA 指标并不是什么陈腐事物，指标只有四个，公式也十分简单明了。但对于许多研发团队来说，要在日常工作中继续自动化地度量 DORA 指标，仍然难度不小。

艰难在于，DORA 指标度量依赖于变更、部署、故障等研发数据，而许多研发团队并没有获取研发数据的牢靠基础设施：

首先，研发过程自身是简单的，通常波及多个流程、流动和工具，研发过程数据也经常散落在简单的工具链中（包含代码托管、事务管理、CI/CD 工具等），导致数据难以提取，耗时费劲。如果研发团队同时应用同类型的多个研发工具，可能还须要解决不统一的数据概念，比方同一公司内局部团队应用 GitHub 局部团队应用 GitLab，就须要对立 Pull Request 和 Merge Request 两个概念。

其次，不同的组织和我的项目的研发和交付过程不同，可能会采纳不同的数据定义和计算方法。比方，有的团队应用 Git Tag 或某特定分支的合并来辨认一次部署，有的团队应用 CI/CD 工具中的事件来辨认一次部署。这样非标准化的定义与计算方法，也使得研发数据难以治理，进而给数据的可靠性打了一个问号。

市面上 DORA 指标工具之多，也从侧面印证了这仅仅四个指标的度量并非易事。如果某个团队思考度量 DORA 指标，他们可能须要比照市面上的数十个工具，目迷五色中找到恰好能接入以后研发工具链，恰好变更、部署、故障的定义均合乎团队实际的那一个。

不同工具所反对的数据源和指标计算形式各有差别

而这也正是咱们建设并开源了 研发数据平台 Apache DevLake 的起因。咱们认为，无论是研发工具链的接入以及研发数据的定义，都 该当保留肯定水平的凋谢和灵活性。团队依据理论需要收集并治理研发数据，保障数据牢靠，在此基础上度量 DORA 指标，并取得有价值的改良洞见。

开源的模式升高了研发数据的治理老本，同时也吸引更多团队参加建设，不断丰富可接入的数据源和数据计算方法，让平台越用越好用。

基于 Apache DevLake 疾速度量 DORA 指标

正如上文所说，度量 DORA 指标前，你须要先拿到三个研发数据：

  • 变更：大多数团队是通过 Pull Requet 来辨认一次变更，因而变更的数据将来自代码托管工具，DevLake 目前已反对 GitHub、GitLab 和 BitBucket
  • 部署：部署的数据来自 CI/CD 工具。DevLake 目前已反对 Jenkins、GitHub Actions 和 GitLab CI，CircleCI 正在开发中
  • 故障：故障的数据能够来自事务管理工具中的某类型事务，例如 Crash 或 Incident；也能够间接来自监控工具，DevLake 将很快反对 PagerDuty 和 Sentry。

除了手动触发数据收集，DevLake 也反对主动定时拉取研发数据，不便研发团队低门槛地应用 DORA 指标，继续追踪效力体现。

如果 DevLake 尚未反对你的研发工具，你仍然能够应用 webhook 将事件数据推送到 DevLake。

接下来，只需四步，就能够在 DevLake 中看到 DORA 指标和数据看板：

  1. 配置 DevLake：应用 Docker Compose、Kubernetes、Helm 或 Temporal
  2. 收集数据：借助 DevLake 插件接入研发工具链，不须要简单的集成与适配，就能够把需要、开发、测试、交付各个环节研发数据归于一处
  3. 数据看板开箱即用：DevLake 预置了许多指标和数据看板并通过 Grafana 来出现，其中包含 DORA 指标和相应看板
  4. 自定义：如果你还须要进一步剖析，例如探查某个 DORA 指标异样的起因，只须要几行 SQL 查问就能够创立新的指标或数据看板

👇👇点击文档，应用 DORA 指标给研发效力做个疾速体检！
https://devlake.apache.org/do…
👇👇拜访官网理解更多
https://devlake.apache.org/
👇👇欢送大家扫码退出 DevLake 用户群交换 ♥

退出移动版