BK-CI流水线批量取消运行中构建的技术实现
在持续集成与持续交付(CI/CD)系统中,流水线的构建管理是一个核心功能。TencentBlueKing的BK-CI项目近期实现了一个重要功能:支持批量取消运行中的流水线构建。这一功能特别适用于"取消所有前序构建"这样的并发控制场景。
功能背景
在CI/CD实践中,当开发者向代码库推送新的提交时,通常会触发新的流水线构建。在某些配置下,系统可能允许同时运行多个构建(例如分支构建)。然而,在某些情况下,用户可能希望取消之前所有正在运行的构建,只保留最新的构建继续执行,以确保资源的高效利用和构建结果的相关性。
技术实现要点
BK-CI通过以下技术方案实现了这一功能:
-
批量操作接口设计:后端提供了专门的批量取消接口,接收构建ID列表作为参数,而不是传统的单个构建操作。
-
状态一致性处理:系统需要确保在批量取消过程中,所有目标构建都能被正确标记为取消状态,避免部分成功部分失败的情况。
-
异步处理机制:考虑到批量操作可能涉及大量构建,系统采用异步处理方式,避免阻塞主线程和影响用户体验。
-
并发控制:在批量取消过程中,系统需要处理好与其他可能同时发生的构建状态更新操作的并发控制。
-
事件通知:批量取消完成后,系统需要正确触发相关的事件通知,确保前端和其他订阅服务能够及时获取状态变更。
实现细节
在具体实现上,BK-CI的后端服务主要做了以下工作:
-
构建状态机增强:扩展了构建状态转换逻辑,支持批量状态变更操作。
-
数据库操作优化:使用批量更新语句替代循环单条更新,显著提高了数据库操作效率。
-
事务处理:确保批量取消操作的事务性,要么全部成功,要么全部回滚。
-
资源清理:在取消构建后,正确释放相关的计算资源(如构建机、存储等)。
-
日志记录:完善了批量操作的审计日志,便于问题排查和操作追溯。
应用场景
这一功能特别适用于以下场景:
-
并发构建控制:当配置了"取消前序构建"选项时,新构建触发后自动取消所有正在运行的旧构建。
-
手动批量管理:用户可以在流水线历史页面手动选择多个运行中的构建进行批量取消。
-
自动化流程:与其他自动化工具集成,根据特定条件批量终止不符合要求的构建。
性能考量
在实现批量取消功能时,BK-CI团队特别考虑了性能因素:
-
批量操作而非循环:避免对每个构建单独发起取消请求,减少网络和数据库开销。
-
延迟处理:对于大量构建的取消操作,采用队列机制分批处理。
-
缓存一致性:确保构建状态的变更能够及时反映在各类缓存中。
这一功能的实现显著提升了BK-CI在大规模构建场景下的管理效率,为用户提供了更灵活的流水线控制能力。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00