継続的インテグレーションとデリバリー（CI/CD）

エージェントの精度向上とトークンコストの削減
セキュリティを犠牲にすることなく、ソフトウェアファクトリーを強化し、自律的なAIエージェントを実現する方法をご覧ください。
最新の機能と改善点に関する情報をお届けします。
ひとつのプラットフォームでビルド、テスト、パッケージ、デプロイすることで、コントロールを失わずにスピードアップ。
GitLab CIで素晴らしいデジタル体験を提供
人間のペースでのコミット向けに構築されたパイプラインでは、エージェントが機械のスピードでコードをプッシュし始めると歪みが生じます。
コーディングはAIのおかげでスピードアップしましたが、ビルド、テスト、デプロイがそれに追いつかないと、そのスピードはコミットで止まってしまい、デリバリーされません。コミットから本番環境へのデプロイまでのビルド、テスト、パッケージ化、デプロイを自動化し、IDEで得たスピードを最後まで維持しましょう。
どのチームも、機能するものが見つからないため、セキュリティスキャン、ビルドパターン、デプロイフローといった同じパイプラインステップを再構築することになります。CI/CDカタログは、テスト済みコンポーネントを共有およびバージョン管理できる場所を提供します。そのため、新しいプロジェクトは、コピー＆ペーストされた.gitlab-ci.ymlからではなく、実績のある構成要素で始めることができます。
コンポーネントを一度公開したからといって、実際に使用されている、あるいは正しく使用されているわけではありません。CI/CD分析は、コンポーネントが採用された場所、チームが独自にフォークした場所、そして「標準」が静かに「提案」になっている場所を正確に示します。これにより、ガバナンスは希望ではなく証拠に基づくものになります。
手動でのハンドオフやコピー＆ペーストされたパイプラインのステップは、チームが本当に重要な仕事に費やしていない時間です。CIエキスパートエージェントのような自動化およびAIツールが反復的な部分を引き受けることで、デベロッパーは自分たちだけが解決できる問題に集中できます。
コピー＆ペーストされた設定、いつも不安定なmainブランチ、迅速なフィードバックができないスピードに欠けたパイプライン―それらは避けられないものでも、成長の代償であるわけでもありません。
CI/CDパイプラインをスケールするための機能：
CI/CDカタログ： 新しいプロジェクトごとに同じパイプライン設定をコピー＆ペーストする手間はもうありません。バージョン管理された再利用可能なコンポーネントを一度公開するだけです。
コンポーネント分析： 共有CI/CDコンポーネントがどのように採用されているか、またどのプロジェクトが古いバージョンを実行しているかを確認します。
マージトレイン： 競合するマージが連続したためにmainブランチに発生した問題に対応する必要がなくなります。
親子パイプライン + DAG実行： 成長しているパイプラインを独立したサブパイプラインに分割し、依存関係が解消した瞬間にテストが開始されるようにします。
クロスプロジェクトパイプライン: リリース前にバックエンドに問題を発生させるフロントエンドの変更を検出します。
ホスト型Runner： 独自のインフラストラクチャをプロビジョニングしたり維持したりすることなく、CI/CDジョブを実行します。
コードがまだパイプラインにある際に脆弱性を検出し、コンプライアンスエビデンスを生成します。本番環境では遅すぎます。
パイプラインにセキュリティとガバナンスを組み込むための機能：
継続的脆弱性スキャン： 数か月も触れていない依存関係に予期しない脆弱性が見つかることはもうありません。
SAST： 顧客や監査担当者が見つける前に、自身のコード内の脆弱性をデプロイ前に検出します。
パイプラインインプット： トリガーアクセスを持つすべてのユーザーにパイプラインのカスタマイズを可能にするのではなく、デフォルトで変数インジェクションをオフにします。
コンプライアンスパイプライン： 速度とコンプライアンスのどちらかを選ぶ必要はありません。コードとして適用されるポリシーは、パイプラインと同じ速度で実行されます。
エンタープライズレベルのデリバリーツールを用いて、自信を持って一貫したソフトウェアリリースを行います。
段階的デリバリー： 本番環境で一部のユーザーベースを対象に、テストを行います。
カナリアデプロイ： 問題の影響範囲がまだ小さいうちに早期に発見しましょう。すべてのユーザーに波及してからでは遅すぎます。
デプロイの柔軟性： パイプラインを各ターゲットに合わせて再設計することなく、複数のクラウドから仮想マシン、Kubernetesクラスター、またはFaaSへデプロイできます。
コンポーネントやパイプラインテンプレートがリリースされると、それが実行されている場所、どのバージョンか、あるいは知らぬ間に性能が低下していないかといった状況を把握しづらくなります。つまり、何か問題が起きて初めて、原因を突き止めるためにリポジトリを一つずつ確認することになるのです。
コンポーネント分析による導入状況の概要： どのコンポーネントが広く採用されているか、あるいは使用されなくなっているかを把握することで、メンテナンスの優先順位を決定し、投資の妥当性を立証します。詳細はこちら。
コンポーネント分析によるコンポーネント使用状況詳細ビュー： 1週間もかけて手動で監査を行う代わりに、古いバージョンのコンポーネントを即座に見つけて修正します。詳細はこちら。
ソフトウェアのライフサイクル全体を理解するAIを活用して、より多くの負荷を減らします。
パイプラインのトラブルシューティングと自動化のための機能：
セキュリティ脆弱性の説明： 脆弱性に関する情報、悪用される可能性、修正方法を１か所で手に入れます。
根本原因分析： AIにパイプラインが失敗した原因を特定させましょう。ログを細かく調べる必要はありません。
CIエキスパートエージェント： 組織の標準に従うパイプラインを最初から生成します。
ソフトウェア戦略ディレクター, Lockheed Martin社
モノレポ、マイクロサービス、マルチ環境へのデプロイ、そしてガバナンスに関する課題は、それを作成するパターンで解決します。
共有パイプライン標準が実際に順守されているかを確認します。推測する必要はありません。
世界最大の求人サイトが数千のプロジェクトをGitLab CIに移行し、生産性向上とコスト削減を同時に実現した事例をご覧ください。