使用这些DevOps流水线降低自动化工具成本

通过集成 GitHub Actions 进行自动化测试来减少许可证依赖。

译自 Use These DevOps Pipelines To Cut Automation Tool Costs，作者 Gaurav Mittal。

许多IT组织使用许可的自动化工具，但为所有QA和开发人员提供许可证是不切实际的。通常，许可证分配给指定的自动化工程师，他们根据需要创建和运行测试。这给任何团队成员按需执行测试带来了挑战。由于大多数自动化工程师都在海外，因此需要额外的许可证用于本地测试执行，这可能非常昂贵。此外，确保高质量的代码、足够的覆盖率、没有代码异味以及彻底的安全扫描至关重要。

我的组织规模庞大，业务涉及多个领域，例如ERP、数据、实验室信息管理系统(LIMS)、自动化和机器人软件、生物生产以及细胞/基因治疗软件。每个领域都使用其自身的内部DevOps解决方案，主要是Jenkins，这会产生月度成本。为了在整个组织中拥有一个统一的DevOps框架，我研究了几种DevOps工具，以确定最具成本效益的解决方案。目的是拥有一个可以在不同领域的不同项目中使用的单一框架。

作为回报，此DevOps解决方案降低了不同项目使用的第三方自动化工具的许可证成本。一旦此CI流水线准备就绪，任何拥有DevOps工具访问权限的人都可以调用自动化测试，而无需担心需要自动化测试工具许可证。

因此，我开始联系几家供应商，最终列出了Jenkins、GitHub Actions(GHA)和Gearset作为可在多个领域使用的常用工具。通过与我的团队进一步分析，我们发现GHA在成本和易于在流水线中加入安全检查和单元测试方面是最佳选择。

在本文中，我将演示GitHub Actions (GHA)作为CI工具的优势。GHA是开源的，但会根据运行器使用情况产生成本。我还提出了一种创新的解决方案来消除运行器成本。将SonarQube和CodeQL等代码质量工具集成到流水线中还可以确保安全扫描并突出显示部署前的問題。

1. 无需自动化工具用户访问即可调用测试

需要许可证的自动化工具只能由获得许可证的个人使用。但是，当与CI流水线集成时，任何具有CI访问权限的用户都可以启动作业，而无需直接许可证。这种方法优化了许可证池的管理，降低了成本，并扩展了工具在测试自动化方面的效用。例如，所有具有GitHub Actions (GHA)访问权限的开发人员现在都可以调用自动化工具，而无需单独的许可证。

2. 消除对QA资源的需求

某些自动化工具会阻止测试人员/开发人员在UI测试执行期间离开UI屏幕，从而阻止他们在计算机上执行其他任务。利用GitHub Actions (GHA)流水线调用自动化工具消除了此限制，允许开发人员和测试人员处理其他任务，而自动化则在后台运行。执行后，将发送包含详细、用户友好的PDF测试结果报告的电子邮件。

图 – 描绘自动化有助于减少人工工作

CI流水线之前 — 手动测试执行设置已将我们的时间从XXX小时有效减少到XX小时，但我们仍然需要分配XX小时，因为QA资源必须在测试执行期间监控屏幕。

图 – 描绘GitHub Actions 将自动化工作进一步减少到零

自动CI/CD集成 — 将这XX小时减少到零，因为CI流水线管理会话，无需在测试执行期间进行手动监控。

1. 使用用户GitHub帐户即可免费访问GHA

GitHub Actions是GitHub的一个默认启用的功能；因此，不需要显式访问GHA。它直接在您的存储库中支持CI/CD工作流。

2. 节省成本—消除AWS基础设施成本

对于CI/CD流水线，我们需要集成一个运行器（运行CI作业所需的虚拟机），通常在AWS等云中进行配置，会产生额外成本，并且随着负载的增加而增长。然而，通过此方案，我们利用组织提供的Win365机器作为运行器，从而消除了使用云服务时产生的额外基础设施运行器成本。所有自动化工程师都配备了Win365机器用于安装和执行自动化脚本。

图 – Microsoft Win365 vs AWS EC2 实例

如果提供与其桌面镜像相同的虚拟机，自动化团队成员需要安装自动化工具。此云实例会产生固定费用。QA资源仅在工作时间使用此云实例，其余每天16个小时空闲。我们可以通过在空闲时间将这些虚拟机用作CI流水线运行器来显著减少AWS的使用，从而无需启动新的EC2实例。

下图显示了成本节省情况。在这里，我们每月产生55美元的固定虚拟机成本；因此，使用这些虚拟机的流水线将产生0美元的运行器成本，但如果使用新的AWS实例作为运行器，我们可能会产生80美元的月度成本。

图 – 成本节省计算

3. 防火墙限制和自动化工具配置

由于GitHub在组织内部网络中进行管理，我们可以避免任何安全系统和自动化工具API权限问题，而这是外部托管CI/CD工具面临的挑战。

4. 代码质量检查实施

在CI流水线本身中，我们可以实现CodeQL和SonarQube代码质量工具，避免单独进行测试的需要。CodeQL是一个时间开销很大的工具。它需要大量时间才能执行流水线，因此建议在单独的流水线中触发CodeQL，结果可以在GitHub中查看。

图 - 流水线运行后，可以查看CodeQL突出显示的任何错误。

最后，用于部署代码并针对新发布的分支运行自动化测试的DevOps流水线如下所示：

图 – 部署代码、运行代码质量检查并最终运行自动化测试的DevOps流水线

将GitHub Actions作为各种领域的CICD工具的决定对我的组织来说是富有成效的。我们消除了额外自动化工具许可证的成本，并利用内部可用的虚拟机作为流水线运行器，降低了云实例成本。此外，GHA轻松集成SonarQube和CodeQL等代码质量工具，也有利于维护编码标准。

在当今组织面临预算挑战的世界中，此类技术可能具有重大影响。我们应该创造性地思考如何利用我们周围现有的解决方案，并寻找开源工具来提供安全且经济高效的自动化解决方案。