CI 流水线的长期维护：升级、备份与迁移的顺序

构建产物不保留，出问题时无法复现当时那一版二进制

把升级、备份、迁移这三件事流程化，才敢长期用。

先说结论

升级前先备份，备份后先演练恢复；不能回滚的升级不做。

• 固定版本，改动前记录当前版本号
• 升级前：备份数据 + 备份配置
• 升级后：验证核心功能，不只看进程
• 迁移：先迁数据，再迁流量
• 回滚方案写在纸上，别只存在脑子里

升级策略

测试按文件切成 4 片并行，总时长接近原来的三分之一，不是四分之一。

备份的三层

三层分别是：数据备份、配置备份、以及「能重建这台机器」的文档。缺第三层，前两层迟早用不上。

这个服务的几个维护事实

和它自身机制相关的几条：

• 依赖缓存命中率从 0 提到 80%，安装阶段通常能省 60-70% 的时间
• 测试按文件切成 4 片并行，总时长接近原来的三分之一，不是四分之一
• PR 跑全量、主干只跑增量，是最省机器的一种分工
• 缓存 key 带上锁文件哈希，锁一改就自动失效，比手动清缓存可靠

迁移的步骤

缓存 key 带上锁文件哈希，锁一改就自动失效，比手动清缓存可靠。

• 新机器按文档重建环境，验证空跑
• 同步数据，做一次一致性校验（条数、校验和）
• 切换前用 hosts 指向新机器验证
• 切换 DNS 或反代，保留旧机器一周
• 观察日志与错误率，再决定是否下线旧机

维护日历

每月：看磁盘与日志；每季：升级 + 备份校验；每半年：恢复演练一次；每年：清理不再需要的服务。

还有几处容易忽略的

都是小地方，但出问题时往往就卡在这里。

• CI 时间超过 15 分钟后，开发者开始绕过它，直接在本地合并
• 所有任务串行跑，一次 CI 40 分钟，最后没人等结果
• 缓存 key 用固定字符串，依赖升级后还在用旧缓存
• 失败自动重试三次，把不稳定的测试掩盖成偶发

长期维护的秘诀很土：每次只改一件事，改完就验证。