深入理解 Harness
深入理解 Harness:下一代持续交付平台的架构与实践
本文将从理念、架构、核心组件、工作流和实际落地五个维度,全面剖析 Harness 这一现代化 CI/CD 平台。
目录
- 什么是 Harness?
- 核心理念:让交付变得简单而可靠
- 平台架构总览
- 核心组件详解
- Pipeline 即代码:声明式流水线
- 智能部署策略:Canary 与 Verification
- Feature Flags:渐进式交付的最后一公里
- Cloud Cost Management:从交付到 FinOps
- 与 Kubernetes 的深度集成
- 实战:构建一条完整交付流水线
- Harness vs. 其他 CI/CD 工具
- 总结与展望
1. 什么是 Harness?
Harness 是由 Jyoti Bansal(AppDynamics 创始人)于 2016 年创立的持续交付(Continuous Delivery)平台。它的核心使命是:将软件从构建到生产部署的全过程自动化、可视化、可验证化。
与传统的 CI/CD 工具(如 Jenkins、GitLab CI)不同,Harness 从一开始就以 CD(持续交付) 为核心,而非仅仅 CI。这意味着它关注的不仅是"代码能否编译通过",更是"代码能否安全、可控、可回滚地到达生产环境"。
关键数据
| 维度 | 数据 |
|---|---|
| 创立时间 | 2016 年 |
| 总部 | 旧金山 |
| 核心开源项目 | Drone CI、Gitness |
| 支持的部署目标 | Kubernetes、AWS、Azure、GCP、裸金属、VM 等 |
2. 核心理念:让交付变得简单而可靠
Harness 的设计哲学可以浓缩为三个关键词:
2.1 简单(Simplicity)
传统 CD 工具的一个痛点是:写一条部署流水线需要写几百行 YAML 或 Groovy 脚本,还要处理各种插件兼容性问题。Harness 通过 可视化 Pipeline 编辑器 + 声明式 YAML 的双模式,让开发者可以在 5 分钟内搭建一条基础的部署流水线。
2.2 可靠(Reliability)
Harness 内置了 部署验证(Deployment Verification) 机制——这是它区别于其他工具的最大杀手锏。部署完成后,Harness 会自动采集应用指标(CPU、内存、错误率、自定义指标),用机器学习模型判断部署是否健康。如果异常,自动回滚,不需要人工介入。
2.3 可治理(Governance)
企业级 CD 不仅仅是技术问题,更是流程问题。Harness 提供了:
- RBAC(基于角色的访问控制):精细到 Pipeline 级别的权限管理
- Approval Steps:在关键节点插入人工审批
- Audit Trail:完整的操作审计日志
- Policy as Code:用 OPA(Open Policy Agent)定义部署策略
3. 平台架构总览
Harness 平台采用 SaaS 优先 + 自托管可选 的架构模式。整体分为控制平面和数据平面:
┌─────────────────────────────────────────────────────────┐
│ Harness Platform │
│ │
│ ┌──────────────────────────────────────────────────┐ │
│ │ Control Plane (SaaS) │ │
│ │ │ │
│ │ ┌─────────┐ ┌─────────┐ ┌─────────────────┐ │ │
│ │ │ Pipeline │ │ Audit │ │ RBAC / Policy │ │ │
│ │ │ Engine │ │ & Log │ │ Engine │ │ │
│ │ └─────────┘ └─────────┘ └─────────────────┘ │ │
│ │ │ │
│ │ ┌─────────┐ ┌─────────┐ ┌─────────────────┐ │ │
│ │ │ Verify │ │ Feature │ │ Cost Mgmt │ │ │
│ │ │ Engine │ │ Flags │ │ (CCM) │ │ │
│ │ └─────────┘ └─────────┘ └─────────────────┘ │ │
│ └──────────────────────────────────────────────────┘ │
│ │ │
│ (Delegate 连接) │
│ ▼ │
│ ┌──────────────────────────────────────────────────┐ │
│ │ Data Plane (Your Infra) │ │
│ │ │ │
│ │ ┌──────────┐ ┌──────────┐ ┌───────────────┐ │ │
│ │ │ Delegate │ │ Delegate │ │ Delegate │ │ │
│ │ │ (K8s) │ │ (AWS) │ │ (On-Prem) │ │ │
│ │ └──────────┘ └──────────┘ └───────────────┘ │ │
│ └──────────────────────────────────────────────────┘ │
└─────────────────────────────────────────────────────────┘
3.1 控制平面(Control Plane)
托管在 Harness 的 SaaS 环境中,负责:
- Pipeline 的编排与调度
- 部署验证的机器学习推理
- 权限管理与策略评估
- UI 与 API 服务
3.2 数据平面(Data Plane)
运行在用户自己的基础设施中,核心组件是 Harness Delegate——一个轻量级代理,负责:
- 在你的集群中执行部署命令
- 采集指标数据回传给控制平面
- 与你的私有仓库、密钥管理服务通信
为什么这样设计? Delegate 模式意味着 Harness 永远不需要直接访问你的集群凭证。所有实际操作都在你的网络内完成,控制平面只接收脱敏后的状态和指标。这对安全合规要求高的企业(金融、医疗)非常友好。
4. 核心组件详解
Harness 平台由多个模块组成,每个模块解决交付链条上的一个具体问题:
4.1 CI(Continuous Integration)
Harness CI 基于 Drone(开源 CI 引擎)构建,支持:
- 云端 Runner 和本地 Runner
- Docker-in-Docker 的步骤执行
- 与 GitHub、GitLab、Bitbucket 的深度集成
- 并行步骤执行与缓存策略
# Harness CI Pipeline 示例
pipeline:
stages:
- stage:
name: "Build and Test"
steps:
- step:
type: CI
name: "Run Tests"
identifier: runTests
spec:
connectorRef: account.githubConnector
image: node:18
shell: Sh
commands:
- npm ci
- npm test
4.2 CD(Continuous Delivery)
这是 Harness 的核心。CD 模块支持多种部署策略:
| 策略 | 描述 | 适用场景 |
|---|---|---|
| Rolling | 逐步替换旧版本实例 | 无状态服务 |
| Canary | 先部署小流量比例,验证后扩大 | 高风险变更 |
| Blue-Green | 同时维护两套环境,切换流量 | 需要快速回滚 |
| Rolling with Barriers | Rolling + 自定义检查点 | 需要分阶段验证 |
4.3 Verification(部署验证)
这是 Harness 最具差异化的能力。部署完成后,Verification 引擎会:
- 采集指标:从 Prometheus、Datadog、AppDynamics、Splunk、ELK、Custom HTTP 等数据源拉取指标
- 基线对比:将部署后的指标与部署前的基线进行对比
- 异常检测:使用 24/7 Continuous Verification 的 ML 模型判断是否出现异常
- 自动决策:如果异常 → 触发回滚;如果正常 → 继续推进
部署前(基线) 部署后(验证)
┌──────────────┐ ┌──────────────┐
│ CPU: 45% │ │ CPU: 48% │ ✅ 正常
│ 错误率: 0.1% │ │ 错误率: 0.3% │ ✅ 正常
│ 延迟: 120ms │ │ 延迟: 350ms │ ❌ 异常!
└──────────────┘ └──────────────┘
│
▼
┌──────────────┐
│ 自动回滚 │
└──────────────┘
4.4 Feature Flags
Harness Feature Flags 模块支持 渐进式交付(Progressive Delivery):
- 开发者在代码中嵌入 Feature Flag,功能默认关闭
- 部署后通过 UI/API 远程开关功能,无需重新部署
- 支持 百分比灰度、目标用户灰度、A/B 测试
- 内置 SDK 支持 Java、Go、Python、Node.js、.NET、React 等
// Java SDK 示例
import io.harness.cf.client.CfClient;
CfClient client = new CfClient("your-sdk-key");
boolean showNewCheckout = client.boolEvaluate("new-checkout-ui", false);
if (showNewCheckout) {
renderNewCheckoutPage();
} else {
renderOldCheckoutPage();
}
4.5 Cloud Cost Management(CCM)
Harness CCM 模块将 FinOps 纳入交付流程:
- 成本可视化:按服务、团队、环境维度展示云成本
- 成本异常检测:自动发现成本突增
- 闲置资源识别:标记未使用的 EC2/ECS/Pod 并建议清理
- 成本优化建议:基于使用模式推荐 Reserved Instance 或 Savings Plan
- Pipeline 中的成本门禁:在部署前预估成本变化,超阈值则拦截
5. Pipeline 即代码:声明式流水线
Harness Pipeline 使用 YAML 描述,存储在 Git 仓库中(GitOps 模式),支持版本控制和 Code Review。
完整 Pipeline 结构
pipeline:
name: "Microservice Deploy Pipeline"
identifier: microservice_deploy
projectIdentifier: my_project
orgIdentifier: default
triggers:
- name: "Push to Main"
identifier: push_to_main
type: Webhook
spec:
type: Github
actions: [push]
stages:
- stage:
name: "Build"
identifier: build
type: CI
spec:
execution:
steps:
- step:
name: "Compile"
spec:
image: maven:3.9
commands:
- mvn clean package -DskipTests
- step:
name: "Unit Tests"
spec:
image: maven:3.9
commands:
- mvn test
- step:
name: "Build & Push Image"
spec:
type: BuildAndPushDockerRegistry
connectorRef: account.dockerhub
repo: myorg/microservice
tags:
- "<+pipeline.sequenceId>"
- stage:
name: "Deploy to Staging"
identifier: deploy_staging
type: Deployment
spec:
service:
serviceRef: microservice
environment:
environmentRef: staging
execution:
steps:
- step:
name: "Canary Deploy 20%"
spec:
type: K8sCanaryDeploy
weight: 20
- step:
name: "Verify Canary"
spec:
type: Verify
sensitivity: HIGH
duration: 5m
- step:
name: "Rollout to 100%"
spec:
type: K8sCanaryPromote
rollbackSteps:
- step:
name: "Rollback Canary"
spec:
type: K8sCanaryRollback
- stage:
name: "Deploy to Production"
identifier: deploy_prod
type: Deployment
spec:
execution:
steps:
- step:
name: "Approval"
spec:
type: Approval
approvers:
userGroups: [prod-release-managers]
- step:
name: "Blue-Green Deploy"
spec:
type: K8sBlueGreenDeploy
- step:
name: "Verify Production"
spec:
type: Verify
duration: 10m
sensitivity: HIGH
- step:
name: "Swap Traffic"
spec:
type: K8sBlueGreenSwap
Pipeline 的关键概念
| 概念 | 说明 |
|---|---|
| Stage | 流水线的顶层阶段,如 Build、Deploy、Verify |
| Step | 阶段内的具体步骤,如执行命令、部署、验证 |
| Service | 被部署的应用,包含镜像、配置、清单 |
| Environment | 部署目标,如 staging、production |
| Connector | 外部系统连接器,如 K8s 集群、Docker Registry、Prometheus |
| Variable | 可在 Pipeline 中引用的变量,支持表达式 <+...> |
6. 智能部署策略:Canary 与 Verification
6.1 Canary 部署的工作流
时间轴 ──────────────────────────────────────────►
T0: 100% v1 (旧版本)
T1: 80% v1 + 20% v2 (Canary)
│ │
│ ▼
│ ┌──────────┐
│ │ Verify │ ── 采集指标 5min
│ │ Engine │ ── ML 异常检测
│ └──────────┘
│ │
│ ┌────┴────┐
│ │ │
│ 正常 ↓ ↓ 异常
│ │ │
T2: 50% v1 + 50% v2 │ Rollback → 100% v1
│ │
▼ ▼
T3: 100% v2 (新版本) 100% v1 (回滚完成)
6.2 Verification 的数据源
Harness 支持以下验证数据源:
- Prometheus:最常用的开源监控方案
- Datadog:SaaS APM 平台
- AppDynamics:企业级 APM
- Splunk / ELK:日志分析
- Custom HTTP:任意可暴露指标的 HTTP 端点
- Health Source:自定义健康检查
6.3 异常检测算法
Harness 的 24/7 Continuous Verification 使用了多种时序异常检测算法:
- ARIMA(自回归积分滑动平均):适用于周期性指标
- Holt-Winters:适用于有趋势和季节性的指标
- Control Charts(控制图):适用于稳定指标的偏差检测
- 聚类分析:多指标联合异常检测
实践建议:Sensitivity 参数建议从
LOW开始,观察一周后逐步调高。过高的灵敏度会导致误报频繁,反而降低团队对自动回滚的信任度。
7. Feature Flags:渐进式交付的最后一公里
Feature Flags 与 CD Pipeline 的结合,让交付变得真正"解耦"——部署 ≠ 发布。
典型工作流
1. 开发者在代码中嵌入 Flag
↓
2. CI 构建包含 Flag 的代码
↓
3. CD 部署到生产(Flag 默认关闭,用户无感知)
↓
4. 内部测试人员通过 Flag 开启功能验证
↓
5. 逐步灰度:1% → 5% → 25% → 50% → 100%
↓
6. 全量发布后,清理 Flag 代码
Flag 配置示例
featureFlag:
name: "new-checkout-ui"
identifier: new_checkout_ui
kind: boolean
variations:
- identifier: true
value: "true"
- identifier: false
value: "false"
targets:
- identifier: internal-testers
variation: true
distribution:
- variation: true
percentage: 5
- variation: false
percentage: 95
核心理念:Feature Flags 将"部署"和"发布"解耦。代码可以安全地部署到生产环境,但功能对用户不可见。只有当 Flag 开启时,功能才"发布"。这极大地降低了发布的风险——出问题只需关闭 Flag,无需回滚部署。
8. Cloud Cost Management:从交付到 FinOps
Harness CCM 的独特之处在于它将成本管理嵌入到 CD 流程中,而非作为一个独立的事后分析工具。
三大能力
8.1 成本透视
┌─────────────────────────────────────────┐
│ 月度成本趋势(按团队) │
├──────────┬──────────┬──────────┬────────┤
│ 团队 │ 上月 │ 本月 │ 变化 │
├──────────┼──────────┼──────────┼────────┤
│ 支付团队 │ $12,000 │ $15,200 │ +27% ⚠│
│ 用户团队 │ $8,500 │ $8,700 │ +2% │
│ 平台团队 │ $20,000 │ $19,800 │ -1% │
└──────────┴──────────┴──────────┴────────┘
8.2 闲置资源自动识别
CCM 会持续扫描你的云资源,识别:
- CPU 利用率持续 < 5% 的 EC2/ECS 实例
- 没有流量进入的 Load Balancer
- 长时间未访问的 EBS 卷
- 处于 Pending 状态超过 24h 的 Pod
8.3 Pipeline 成本门禁
# 在部署前预估成本变化,超阈值拦截
- step:
name: "Cost Check"
spec:
type: Custom
spec:
commands:
- |
COST_DELTA=$(harness ccm estimate \
--service microservice \
--replicas 10 \
--instance-type c5.2xlarge)
if [ "$COST_DELTA" -gt 500 ]; then
echo "Monthly cost increase exceeds $500 budget"
exit 1
fi
9. 与 Kubernetes 的深度集成
Harness 对 Kubernetes 的支持是其 CD 能力的核心。它原生理解 Kubernetes 的资源模型,而非简单地执行 kubectl apply。
9.1 原生 K8s 资源管理
Harness 可以直接管理以下 K8s 资源:
- Deployment:Rolling、Canary、Blue-Green
- StatefulSet:有状态应用部署
- DaemonSet:节点级服务部署
- Service / Ingress:流量路由与切换
- ConfigMap / Secret:配置管理
- HorizontalPodAutoscaler:自动扩缩容
9.2 Helm 与 Kustomize 支持
Harness 原生支持 Helm Chart 和 Kustomize 作为部署清单:
service:
serviceDefinition:
type: Kubernetes
spec:
manifests:
- manifest:
identifier: helm-chart
type: Helm
spec:
store:
type: Harness
spec:
chartName: microservice
chartVersion: 1.2.0
values: |
replicaCount: 3
image:
tag: <+pipeline.sequenceId>
resources:
limits:
cpu: 500m
memory: 512Mi
9.3 GitOps 模式
Harness 支持 GitOps 部署模式——将期望的集群状态存储在 Git 仓库中,Harness Delegate 持续同步 Git 仓库与集群的实际状态。
Git 仓库(期望状态) Kubernetes 集群(实际状态)
┌──────────────────┐ ┌──────────────────┐
│ deployment.yaml │ ◄────► │ Deployment │
│ service.yaml │ sync │ Service │
│ configmap.yaml │ │ ConfigMap │
└──────────────────┘ └──────────────────┘
│ │
└───── Harness ────────────┘
(持续协调)
10. 实战:构建一条完整交付流水线
让我们用一个真实场景来串联前面所有的概念。
场景描述
一个微服务 payment-service,需要从代码提交到生产部署的完整流水线,包含:
- 代码构建与测试
- 镜像构建与推送
- 部署到 Staging 并验证
- 人工审批
- Canary 部署到生产
- 自动验证 + 全量发布或回滚
步骤 1:配置 Connector
首先需要在 Harness 中配置以下 Connector:
| Connector | 用途 |
|---|---|
| GitHub Connector | 拉取代码仓库 |
| Docker Registry Connector | 推送/拉取镜像 |
| K8s Cluster Connector (Staging) | 连接 Staging 集群 |
| K8s Cluster Connector (Prod) | 连接生产集群 |
| Prometheus Connector | 部署验证数据源 |
步骤 2:定义 Service 与 Environment
service:
name: payment-service
identifier: payment_service
serviceDefinition:
type: Kubernetes
spec:
manifests:
- manifest:
identifier: deployment
type: K8sManifest
spec:
store:
type: Git
spec:
connectorRef: account.githubConnector
paths:
- deploy/deployment.yaml
artifacts:
primary:
type: DockerRegistry
spec:
connectorRef: account.dockerhub
repo: myorg/payment-service
步骤 3:配置验证数据源
- step:
name: "Verify Deployment"
spec:
type: Verify
sensitivity: MEDIUM
duration: 10m
analysis:
type: Health
spec:
monitors:
- monitorRef: prometheus_prod
query: |
sum(rate(http_requests_total{
service="payment-service",
status=~"5.."
}[5m])) /
sum(rate(http_requests_total{
service="payment-service"
}[5m]))
threshold: 0.01
步骤 4:运行与观察
Pipeline 运行后,在 Harness UI 中可以看到:
✅ Build (3m 22s) ── 编译、测试、镜像推送
✅ Deploy Staging (8m 15s) ── Canary + Verify + Rollout
⏳ Approval (waiting) ── 等待生产发布经理审批
⬜ Deploy Prod (pending) ── 待审批后执行
11. Harness vs. 其他 CI/CD 工具
| 维度 | Harness | Jenkins | GitLab CI | Argo CD | Spinnaker |
|---|---|---|---|---|---|
| 核心定位 | CD + Verification | CI 通用 | CI/CD 一体 | GitOps CD | 多云 CD |
| 部署验证 | ✅ 内置 ML | ❌ 需插件 | ❌ 需集成 | ❌ 无 | ⚠️ 基础 |
| 自动回滚 | ✅ 原生 | ❌ 手动 | ❌ 手动 | ⚠️ 需配置 | ✅ 有 |
| Feature Flags | ✅ 内置 | ❌ 无 | ❌ 无 | ❌ 无 | ❌ 无 |
| 成本管理 | ✅ 内置 | ❌ 无 | ❌ 无 | ❌ 无 | ❌ 无 |
| K8s 原生 | ✅ 是 | ⚠️ 插件 | ⚠️ 插件 | ✅ 是 | ✅ 是 |
| 学习曲线 | 中等 | 低(但维护高) | 低 | 中 | 高 |
| SaaS | ✅ 是 | ❌ 自托管 | ✅ 可选 | ❌ 自托管 | ❌ 自托管 |
| 开源 | 部分(Drone) | ✅ 是 | ✅ 是 | ✅ 是 | ✅ 是 |
选型建议
- 选 Harness 如果:你需要部署验证、自动回滚、Feature Flags 一体化,且团队愿意使用 SaaS
- 选 Jenkins 如果:团队已有大量 Jenkins 插件生态,且 CI 是主要需求
- 选 Argo CD 如果:你已深度拥抱 GitOps 模式,且团队熟悉 K8s
- 选 Spinnaker 如果:你需要多云多目标部署,且有专职 DevOps 团队维护
12. 总结与展望
核心价值回顾
Harness 的差异化价值可以总结为一句话:
它不仅把代码送到生产,还确保代码在生产上是健康的。
具体体现在:
- Verification:部署后自动验证,ML 驱动的异常检测,这是其他工具没有的
- 自动回滚:验证失败自动回滚,将 MTTR(平均恢复时间)从分钟级降到秒级
- Feature Flags:部署与发布解耦,降低发布风险
- Delegate 架构:安全合规友好,不需要暴露集群凭证
- 一体化平台:CI + CD + Feature Flags + Cost Management,减少工具链碎片
展望
随着云原生和平台工程的兴起,CI/CD 工具正在从"流水线编排器"向"交付平台"演进。Harness 的方向是正确的——交付不仅仅是管道,更是一个包含验证、治理、成本、安全的完整闭环。
未来几个值得关注的趋势:
- AI 辅助 Pipeline 生成:用自然语言描述部署需求,自动生成 Pipeline YAML
- 更深入的 Verification:从指标级验证扩展到业务级验证(如订单成功率、支付转化率)
- Internal Developer Platform(IDP):Harness 正在向一站式开发者平台演进,整合 Backstage 等能力
- 多云抽象:统一 AWS、Azure、GCP、Huawei Cloud 等多云部署体验
给读者的建议
如果你正在评估 CI/CD 工具:
- 先明确痛点:是 CI 慢?部署不安全?回滚困难?还是工具链太碎?
- 小步验证:先用一个非核心服务试跑 Harness Pipeline,感受 Verification 的效果
- 关注 Delegate 资源消耗:Delegate 本身会占用集群资源,大规模场景下需要规划
- 拥抱 YAML:虽然 Harness 有可视化编辑器,但底层是 YAML。理解 YAML 结构是高级使用的前提
参考资源
本文撰写于 2026 年 11 月,部分功能可能随版本更新而变化。
- 点赞
- 收藏
- 关注作者
评论(0)