哈囉大家好，歡迎來到 CI/CD 自動化的第三天！

在昨天的 Day 19，我們成功地在 Kubernetes 叢集中，部署並註冊了一位隨時待命的 GitLab Runner。它現在正等待著，準備接收來自 GitLab 的任何指令。

今天，我們的任務就是為它提供一份清晰的工作指示。這份指示，就是我們專案中最重要的自動化藍圖 —— .gitlab-ci.yml 檔案。

我們今天會學習設定檔內的語法，先專注於實現 CI (持續整合) 的部分：

1. Test Stage：自動為前端和後端執行測試與檢查。
2. Build Stage：自動將前端和後端的程式碼，建置成標準化的 Docker Image。

Part 1：.gitlab-ci.yml 的基本結構

.gitlab-ci.yml 是一個放置在你專案根目錄下的 YAML 檔案。GitLab 會在每一次 git push 時，自動讀取這個檔案，並根據裡面的內容來執行 CI/CD 流程。

我們先來看看這份設定檔的整體結構與一些重要的「全域設定」。

# .gitlab-ci.yml

# --- 全域變數定義 ---
variables:
  # Harbor Registry 設定
  HARBOR_REGISTRY: "harbor.rehearaudio.com"
  HARBOR_PROJECT: "rehear-dev"

  # Docker Image 名稱模板
  BACKEND_IMAGE: "${HARBOR_REGISTRY}/${HARBOR_PROJECT}/ota-backend"
  FRONTEND_IMAGE: "${HARBOR_REGISTRY}/${HARBOR_PROJECT}/ota-frontend"

  # 使用 GitLab 預定義變數，讓每個 commit 都有唯一的 Image Tag
  IMAGE_TAG: "${CI_COMMIT_SHORT_SHA}"

# --- Pipeline 階段定義 ---
stages:
  - test
  - build
  - deploy:dev
  - deploy:staging
  - deploy:prod
# ... 後續是各個 Job 的定義 ...

• variables：定義了可以在所有 Job 中共用的全域變數。這讓我們可以集中管理 Image 名稱、倉庫位址等資訊，非常方便。$CI_COMMIT_SHORT_SHA 是 GitLab 提供的預定義變數，代表當次 commit 的前 8 位 hash 值。
• stages：我們定義了 test, build, deploy:dev 等多個階段，並規定了它們的執行順序。今天，我們將專注於前兩個階段。

Part 2：第一階段：撰寫 Test Jobs

現在，我們在 stages 定義的下方，加入我們的 test 任務。一個好的 CI 流程，第一步永遠是確保程式碼的品質。

# .gitlab-ci.yml (接續)

# --- 測試階段 ---
test:backend:
  stage: test
  image: golang:1.21 # 為 Go 專案選擇合適的執行環境
  tags:
    - docker # 選擇我們在 K8s 中設定的 Runner
  before_script: # 在主要 script 執行前的前置作業
    - cd backend
  script:
    - go mod download
    - go test -v ./...
  rules: # 定義此 Job 何時被觸發
    - if: $CI_COMMIT_REF_NAME == "main" || $CI_COMMIT_REF_NAME == "develop"

test:frontend:
  stage: test
  image: node:18-alpine
  tags:
    - docker
  before_script:
    - cd frontend
  script:
    - npm ci
    - npm run lint
    - npm run type-check
  rules:
    - if: $CI_COMMIT_REF_NAME == "main" || $CI_COMMIT_REF_NAME == "develop"

這段設定很直觀：

• image: 我們為不同任務選擇了最合適的 Docker Image 作為執行環境 (golang vs. node)。
• script: 定義了該任務需要執行的核心指令，例如跑測試或語法檢查。
• rules: 讓我們可以精確控制 Job 的觸發時機。這裡我們設定為：只有當程式碼被推送到 main 或 develop 分支時，才執行這些任務。如果測試失敗，Pipeline 就會中止，確保有問題的程式碼不會被建置。

Part 3：第二階段：撰寫 Build Jobs 與 Kaniko

當所有測試都通過後，下一步就是將我們的程式碼，建置成可部署的 Docker Image。

YAML

`# .gitlab-ci.yml (接續)

# --- 建置階段 ---
build:backend:
  stage: build
  image:
    name: gcr.io/kaniko-project/executor:v1.19.0-debug # 使用 Kaniko 來建置 Image
    entrypoint: [""] # 覆寫預設的 entrypoint
  tags:
    - docker
  script:
    # 準備 Kaniko 需要的 Docker 認證檔，指向我們的 Harbor
    - mkdir -p /kaniko/.docker
    - echo "{\"auths\":{\"${HARBOR_REGISTRY}\":{\"auth\":\"$(echo -n ${HARBOR_USERNAME}:${HARBOR_PASSWORD} | base64)\"}}}" > /kaniko/.docker/config.json
    # 執行 Kaniko executor
    - /kaniko/executor
      --context ${CI_PROJECT_DIR}/backend
      --dockerfile ${CI_PROJECT_DIR}/backend/Dockerfile
      --destination ${BACKEND_IMAGE}:${IMAGE_TAG} # 推送到 Harbor
      --cache=true # 啟用快取
  rules:
    - if: $CI_COMMIT_REF_NAME == "main" || $CI_COMMIT_REF_NAME == "develop"`

build:frontend 的任務與此類似，只是 context 和 destination 不同。

為什麼要用 Kaniko？

你可能會問，為什麼不直接用 docker build 指令？

• 問題：在 K8s Pod 中執行 docker build，會涉及到複雜的 Docker-in-Docker (dind) 設定，既不安全也不高效。
• Kaniko，是一個由 Google 開發的、專門用來在非特權容器（例如 K8s Pod）中安全、高效地建置 Docker Image 的工具。
• script：我們不再執行 docker build，而是執行 Kaniko 的 /kaniko/executor。我們透過參數告訴它 Dockerfile 的位置 (-dockerfile)、建置上下文 (-context)，以及最重要的——建置完成後要將 Image 推送到哪裡 (-destination)。
• 認證：echo "..." > /kaniko/.docker/config.json 這一長串指令，其實只是在動態地產生一個讓 Kaniko 可以登入我們私有 Harbor 倉庫的認證檔案。$HARBOR_USERNAME 和 $HARBOR_PASSWORD 是我們需要在 GitLab 專案中設定的受保護的 CI/CD 變數。

Part 4：觸發你的第一條 Pipeline

設定檔寫好了，現在就是見證奇蹟的時刻！

1. 設定 CI/CD 變數：
   • 前往 GitLab 專案的 Settings > CI/CD > Variables。
   • 新增兩個變數：HARBOR_USERNAME 和 HARBOR_PASSWORD，並填入你登入 Harbor 的帳號密碼。建議將它們設定為 Protected 和 Masked，增加安全性。
2. Commit & Push：
   • 將 .gitlab-ci.yml 檔案 commit 並 push 到 develop 或 main 分支。
3. 前往 GitLab UI：
   • 打開 GitLab 專案，點擊 Build > Pipelines，會看到一條新的 Pipeline 已經被觸發！

結論

我們的自動化生產線，現在已經成功地將我們的程式碼，轉化成了存放在 Harbor 倉庫中的、可隨時部署的 Docker Images。

我們已經完成了 CI 的部分。在接下來的文章中，我們就要來完成 CD 的最後一哩路：學習如何撰寫 deploy 階段的 Job，讓 GitLab Runner 自動地使用 Helm，將這些熱騰騰的新版 Image，部署到我們的 Kubernetes 叢集中！ 明天見！