4 道数学题，求出极狐GitLab CI 流水线之最优解｜第 1 题：有向无环图流水线

极狐 GitLab CI 依靠其一体化、轻量化、声明式、开箱即用的特性，在开发者群体中的使用率越来越高，在国内企业中仅次于 Jenkins ，排在第二位。

极狐 GitLab 流水线有 4 种不同类型，分别是：

• 有向无环图流水线
• 父子流水线
• 多项目流水线
• 合并列车

事实上，仅靠这些流水线类型名称和官方描述，我们很难理解其意义和用途。

因此，作者结合众多用户反馈和自身实践，简明扼要 “重新定义” 了这些流水线类型：

• 有向无环流水线，是一个数学题；
• 父子流水线，是一个判断题+选择题；
• 多项目流水线，是一个排列组合题；
• 合并列车，需要追溯其起源，弄清楚合并请求流水线、合并结果流水线和合并列车。

何以言之？接下来，我们将通过 3 篇连载文章为您解答，帮助您掌握极狐 GitLab CI 流水线。

本文为第 1 篇——有向无环图流水线 ，enjoy～

有向无环图流水线 DAG Pipelines

1. 官方定义

DAG Pipelines 全称是 Directed Acyclic Graph Pipelines，即有向无环图流水线，官方定义和介绍如下：

有向无环图可以在 CI/CD 流水线上下文中，用于在作业之间建立关系，以便以最快的方式执行，无论阶段如何设置；

例如，您可能拥有作为主要项目的一部分而构建的特定工具或单独网站。使用 DAG，您可以指定这些作业之间的关系，系统会尽快执行作业，而不是等待每个阶段完成。

并附上了一个不明觉厉的图：

相信这段介绍已经击败了 95% 的初学者，那 DAG 流水线到底是什么？它用在什么场景解决什么样的问题？

2. 重新定义

DAG 流水线解决一个数学题。

 

主要功能：

消除木桶效应，降低构建时间，提高构建效率；

对流水线 Job 进行编排。

这段介绍相对比较简洁了，但要理解 DAG 流水线，还需要展开来看看这个数学题是什么，以及 DAG 是怎么解决问题的。

展开这个问题前，有些基础概念比如 Runner、Stage、Job 就不再复述了，如果对这些概念不了解，建议先学习极狐 GitLab CI 入门知识，可以参考：

GitLab CI/CD 入门 | 极狐GitLab
 

CI/CD从入门到实践：yml语法、常用变量、Runner安装配置
 

3. 问题解答

问题 1-1

假设有一个跨平台项目，它通过极狐 GitLab CI 分别完成 Android、iOS、PC 三个平台的构建、测试和打包。流水线的 Stage 和 Job 如下所示，Job 中标识了该 Job 执行所需时间。忽略所有 Job 的启动时间，问 PC 平台打包需多长时间？Android 平台打包需多长时间？

需要注意，极狐 GitLab CI 中，默认每个 Stage 中，所有 Job 都执行完成才能执行下一个 Stage。即 build 需要等这个 Stage 中用时最久的 Job 即 build_ios 执行完成后才能执行 test，也就是需要 60s。

所以：

PC 平台打包用时=60s+30s+40s=130s；

Android 平台打包用时=60s+30s+40s=130s。

这就是所谓 “木桶效应”，理论上 PC 平台的打包与 iOS 和 Android 平台没有关系，但却要等待它们相关 Job 执行，被严重拖了后腿。

为了解决这个问题，就可以使用 DAG 流水线。它的原理和使用方式非常简单，通过给 Job 加上 needs 关键字，将 Job 的依赖关系进行编排，比如：

build_pc_dll
    stage: build
    script:
        - echo 'pc dll building'
        
build_pc
    stage: build
    script:
        - echo 'pc building'

build_android
    stage: build
    script:
        - echo 'android building'

test_pc:
    stage: test
    needs: [build_pc, build_pc_dll]
    script:
        - echo 'pc testing'
        
test_android:
    stage: test
    needs: [build_android]
    script:
        - echo 'android testing'
        
pkg_pc:
    stage: package
    needs: [test_pc]
    script:
        - echo 'pc packaging'

pkg_android:
    stage: package
    needs: [test_android]
    script:
        - echo 'android packaging'

这样 PC 平台打包就仅与 PC 平台的构建和测试 Job 相关，与其他 Job 无关了，也不需要等待其他 Job 执行。当然，这个例子为了更丰富的体现 DAG 流水线的特性，又增加了一个 build_pc_dll Job，并且让 test_pc 同时依赖 build_pc 和 build_pc_dll 。

问题 1-2

使用 DAG 流水线后，PC 平台打包需多长时间？Android 平台打包需多长时间？

解答：

• PC 平台打包用时=40s+30s+30s=100s；
• Android 平台打包用时=30s+20s+40s=90s；
• iOS 平台打包用时=60+15+20=95s；
• 流水线总用时=Max(100, 90, 95)=100s。

可以看到，不论是各平台最终 Job 的用时还是流水线的总用时都降低了，这也就是为什么说 DAG 流水线是解决一个数学题，以及它是如何消除木桶效应、降低构建时间、提高构建效率以及如何实现对流水线 Job 进行编排的。

最后，我们可以在极狐 GitLab 的 “CI/CD 流水线”，选择指定流水线，然后点击 “依赖关系图”，就可以看到上文中这张不明觉厉的图了。这时候相信大家也能更好的理解这张图，更好的理解 DAG 流水线了。

4. 总结 DAG 流水线使用场景

1.  流水线中有多个并行业务逻辑：比如 Monorepo（一个代码仓库中有多个模块/包）中多个模块同时构建、测试、打包，或类似上文中的跨平台编译打包，这些业务彼此之间相对独立。可以使用 DAG 流水线降低构建时间，提高构建效率。

2.  流水线 Job 有依赖关系：比如 Monorepo 中构建模块 C 需要模块 A 和模块 B 的构建产物，可以使用 DAG 流水线的 needs 关键字对这些 Job 进行编排。

🌟 极狐 GitLab 4 种流水线之 “有向无环图流水线” 暂且搁笔，希望以上内容对您有帮助！接下来我们的连载内容是：

 

父子流水线 + 多项目流水线；

合并列车。