Zadig和ChatOps能不能擦出火花_编程技术

背景介绍

Zadig 是目前很火的云原生持续交付平台，具备灵活易用的高并发工作流、面向开发者的云原生环境、高效协同的测试管理、强大免运维的模板库、客观精确的效能洞察以及云原生 IDE 插件等重要特性，为工程师提供统一的协作平面，可以满足大部分的企业交付场景。

但是，大家有没有遇到过以下情况：

当你在”带薪拉屎“的时候，叫你发流水线
当你在”聆听会议精神“的时候，叫你发流水线
当你身边只有手机的时候，叫你发流水线
......

总之，随时随地都可能叫你发流水线，对于这种无聊而又频繁的操作，有没有更好的解决办法呢？

Zadig 在1.15.0版本的时候，已经很友好的支持手机端了，按理说应该能满足平时的工作需求。但是，作为一个爱折腾的运维，并不满足于此，我希望能够通过机器人的方式来完成某些运维工作，比如合并分支、发流水线、执行脚本等，这样做主要有以下两个好处：

移动化：随时随地能够通过移动 APP 和机器人沟通，让机器人完成本来在命令行，或者是 web 端才能完成的任务。
共享化：机器人所在群里的成员都能看到群聊信息，能够收到任务的处理结果，极大的提高了信息沟通的效率。

这其实就是 ChatOps 的实现，但是这只是初级阶段——也就是字符串匹配的方式进行操作，但是随着人工智能、机器学习等技术不断成熟，ChatOps 的交付性体验会越来越好。

当然，我还停留在初级阶段，本文也是带大家通过钉钉机器人的方式发布 Zadig 流水线。

架构解析

ChatOps 的核心在于把 WEB 端或者命令行下的人工操作，转换能通过聊天工具机器人来完成，所以整体的架构并不会很复杂，如下：

Zadig和ChatOps能不能擦出火花

整体流程如下：

技术人员在聊天群里@机器人，发送需要执行的指令
机器人接收到指令，对指令进行判断
根据指令执行相关操作，并将结果反馈到聊天群

要想接入到 ChatOps，需要服务有对应的开放 API。所幸，Zadig 提供了一些 API【1】，可以到文档中进行查看学习。

开发阶段

为了不重复造轮子，我使用的是 Github 上一个 ChatOps bot 框架

【2】，该框架已经实现了命令行、微信网页版、企业微信、钉钉等聊天机器人，我们只需要在此基础上实现具体的业务即可。

封装 Zadig 请求

要实现对 Zadig 进行 API 操作，就需要我们封装 HTTP 请求，为了便于操作，我将 Zadig 的一些 API 封装了一个 SDK【3】，该 SDK 简单实现了 Zadig 开发 API 的功能（没仔细调试，也许有 Bug），如下：

Zadig和ChatOps能不能擦出火花

现在我们只需要在项目中实现自己需要的功能即可。

首先，需要创建 Zadig 请求，创建一个zadig/zadig.go文件，实现 Zadig 初始化，代码如下：

package zadig

import ( "errors" "log" "github.com/joker-bai/go-zadig" ) var MyZadig myZadig

type myZadig struct { client *zadig.Client } var ( token = "x.x.x" baseURL = "http://xxx/" ) func Setup() *myZadig { client, err := zadig.NewClient(token, zadig.WithBaseURL(baseURL)) if err != nil { log.Fatalf("Failed to create client: %v", err) } return &myZadig{client: client} }

!! PS：token、url 这些配置其实是可以放到配置文件中，这里为了便于演示，就放在代码文件中了。

其中：

token 是用户认证使用，在 WEB 端右上角用户->账号设置中获取
baseURL 是 zadig 的地址

然后再在该文件中实现CreateWorkflowTask方法，该方法用于执行工作流，如下：

package zadig

var ( callbackURL="xxx" ) ......

func (m *myZadig) CreateWorkflowTask(workfolwName, envName, serviceName, serviceType, repoName, branch string) error { _, _, err := m.client.Workflow.CreateWorkflowTask(&zadig.CreateWorkflowTaskOptions{ WorkflowName: workfolwName, EnvName: envName, Targets: []zadig.TargetArgs{ { Name: serviceName, ServiceType: serviceType, Build: zadig.BuildArgs{ Repos: []zadig.Repository{ { RepoName: repoName, Branch: branch, }, }, }, }, }, Callback: zadig.Callback{ CallbackUrl: callbackURL, }, }) if err != nil { return errors.New("执行工作流失败") } return nil }

该方法接收执行工作流所需的参数，然后调用 SDK 完成执行。由于我这里都是构建部署的方式，所以只写了Targets实现。

注册 Zadig 插件

上面简单的把 Zadig 执行工作流的请求封装了，接下来就注册 Zadig 插件了。

rboot 项目【2】采用插件的方式注册新的指令，系统会自动把这些指令加载到应用中，并且可以通过使用help命令查看运行规则。

在robot/plugins中创建zadig/zadig.go文件，用来注册 zadig 执行流水线指令，内容如下：

package zadig

import ( "fmt" "regexp" "strings" "github.com/sirupsen/logrus" "devops-chatops/rboot" "devops-chatops/zadig" ) var zadigInfo = map[string]map[string]string{ "dev": { "branch": "dev", "workflow": "devops-dev", "serviceType": "helm", "env": "dev", }, "test": { "branch": "test", "workflow": "devops-qa", "serviceType": "helm", "env": "qa", }, "uat": { "branch": "uat", "workflow": "devops-uat", "serviceType": "helm", "env": "uat", }, "prod": { "branch": "master", "workflow": "devops-prod", "serviceType": "helm", "env": "prod", }, "yamldev": { "branch": "master", "workflow": "chatops-dev", "serviceType": "k8s", "env": "dev", }, } func init() { // 注册脚本
 rboot.RegisterPlugin(`pipeline`, rboot.Plugin{ // 脚本处理函数
  Action: func(bot *rboot.Robot, incoming *rboot.Message) []*rboot.Message { // 去除空格
   content := strings.Replace(incoming.Content, " ", "", -1) res := createWorkflowTask(content) return rboot.NewMessages(res) }, Ruleset: map[string]string{`pipeline`: `执行[\w ]+环境[\w- ]+流水线`}, // 脚本规则集
  Usage: map[string]string{ "pipeline": "执行dev环境devops-chatops流水线", }, Description: `example '执行dev环境devops-chatops流水线'`, }) } func createWorkflowTask(content string) string { res := regexp.MustCompile(`[\w-/]+流水线`) s := res.FindStringSubmatch(content) sp := strings.Split(s[0], "流水线") pipelineName := sp[0] br := regexp.MustCompile(`[\w]+环境`) tb := br.FindStringSubmatch(content) env := strings.Split(tb[0], "环境")[0] workflow := zadigInfo[env]["workflow"] repoName := pipelineName
 branch := zadigInfo[env]["branch"] envName := zadigInfo[env]["env"] serviceName := pipelineName
 serviceType := zadigInfo[env]["serviceType"] logrus.Debugf("工作流：%v 流水线: %v 环境: %v 服务：%v 服务类型：%v 分支：%v\n", workflow, pipelineName, envName, serviceName, serviceType, branch, ) zd := zadig.Setup() err := zd.CreateWorkflowTask(workflow, envName, serviceName, serviceType, repoName, branch) if err != nil { return fmt.Sprintf("执行%s环境的流水线%s失败", env, pipelineName) } return fmt.Sprintf("执行%s环境的流水线%s成功", env, pipelineName) }

其中：

init 方法就是插件注册的实现

Action 脚本的处理函数

Ruleset 是指令规则

Usage 使用方式

Description 描述信息

createWorkflowTask 执行工作流方法，主要用来获取指令的关键词，然后调用 zadig.CreateWorkflowTask 执行工作流
zadigInfo 用来定义 zadig 的环境信息

workflow 是工作流名称

branch 是分支名

serviceType 是服务类型，有 k8s 和 helm 服务

env 部署环境信息

上面的匹配规则、环境信息等比较简单粗暴，最好是把这些数据存到数据库里，我这里为了不引入额外的组件就直接放代码中了。

业务代码开发完，我们需要把 zadig 插件引入，在 robot/plugins/plugins.go 中 import 即可，如下：

package plugins

import ( _ "github.com/ghaoo/rboot/robot/plugins/hello" _ "github.com/ghaoo/rboot/robot/plugins/ping" _ "github.com/ghaoo/rboot/robot/plugins/vote" _ "devops-chatops/robot/plugins/zadig" )

至此，执行流水线业务开发完成。

部署 ChatOps

开发完成就要部署，部署要分几个阶段：

创建聊天机器人
部署应用

创建聊天机器人

该聊天机器人不是钉钉的普通自定义机器人，而是需要在钉钉开发者后台【4】创建机器人，具体操作见文档【5】，这里不再赘述。

创建到内部机器人过后，就会在钉钉上生成一个测试群并创建了一个机器人，如下：

Zadig和ChatOps能不能擦出火花

该机器人和普通机器人的不同之处在于多了一个 POST 地址，该地址是我们创建机器人的时候配置的，也是应用的访问地址。

随着机器人的不断开发，关键词会越来越多，所以我这里选择的是加签校验。

部署应用

（1）修改配置文件，为了简单，我直接将配置文件放到代码仓库，推到镜像中。在代码根目录下创建.env 文件，内容如下：

# 机器人名称
ROBOT_NAME=DEVOPS-CHATOPS
# 聊天转接器名称
ROBOT_ADAPTER="dingtalk" # 缓存器名称
ROBOT_BRAIN=bolt
# 消息秘钥
ROBOT_SECRET= # 是否开启DEBUG
DEBUG=false # 缓存位置
DATA_PATH=.data # bolt数据保存地址
BOLT_DB_FILE=db/rboot.db # web 服务监听端口
WEB_SERVER_PORT=9000 # 是否启用TSL
WEB_SERVER_TLS=false # CA证书位置
WEB_SERVER_CERT= # CA秘钥位置
WEB_SERVER_CERT_KEY= # 钉钉机器人秘钥
DING_ROBOT_SECRET="xxxx" # 钉钉webhook机器人access_token
DING_ROBOT_HOOK_ACCESS_TOKEN="xxxx" # 钉钉webhook机器人秘钥
DING_ROBOT_HOOK_SECRET="xxxx"

配置转接器名称以及钉钉机器人相关信息。

（2）添加 Dockerfile，用于制作应用镜像，如下：

FROM golang:1.19.1 AS build-env
ENV GOPROXY https://goproxy.cn ADD . /go/src/app
WORKDIR /go/src/app
RUN go mod tidy
RUN GOOS=linux GOARCH=386 go build -v -o /go/src/app/app-server FROM alpine
RUN sed -i 's/dl-cdn.alpinelinux.org/mirrors.ustc.edu.cn/g' /etc/apk/repositories && \
    apk add -U tzdata
RUN ln -sf /usr/share/zoneinfo/Asia/Shanghai /etc/localtime
COPY --from=build-env /go/src/app/app-server /app/app-server COPY --from=build-env /go/src/app/.env /app/.env WORKDIR /app
EXPOSE 9000 CMD [ "./app-server" ]

（3）添加应用 K8S YAML 配置清单，主要有 deployment、service、ingress 资源，如下：

apiVersion: apps/v1
kind: Deployment
metadata: labels: app: devops-chatops
  name: devops-chatops
spec: replicas: 1 selector: matchLabels: app.kubernetes.io/instance: devops-chatops
      app.kubernetes.io/name: devops-chatops
  template: metadata: labels: app.kubernetes.io/instance: devops-chatops
        app.kubernetes.io/name: devops-chatops
    spec: containers: - image: registry.cn-hangzhou.aliyuncs.com/coolops/devops-chatops:1c5e4c9274959c8efcecfb286103b052abb44d27
          imagePullPolicy: IfNotPresent
          name: devops-chatops
          ports: - containerPort: 9000 name: http
              protocol: TCP --- apiVersion: v1
kind: Service
metadata: labels: app.kubernetes.io/instance: devops-chatops
    app.kubernetes.io/name: devops-chatops
  name: devops-chatops
spec: ports: - name: http
      port: 80 protocol: TCP
      targetPort: http
  selector: app.kubernetes.io/instance: devops-chatops
    app.kubernetes.io/name: devops-chatops
  sessionAffinity: None
  type: ClusterIP --- apiVersion: extensions/v1beta1
kind: Ingress
metadata: name: devops-chatops
spec: rules: - host: chatops.jokerbai.com http: paths: - backend: serviceName: devops-chatops
              servicePort: 80 path: /