{"id":169888,"date":"2023-03-06T15:46:00","date_gmt":"2023-03-06T14:46:00","guid":{"rendered":"https:\/\/liora.io\/de\/?p=169888"},"modified":"2026-02-06T07:02:05","modified_gmt":"2026-02-06T06:02:05","slug":"continuous-integration-ci-und-continuous-delivery-cd","status":"publish","type":"post","link":"https:\/\/liora.io\/de\/continuous-integration-ci-und-continuous-delivery-cd","title":{"rendered":"Continuous Integration (CI) und Continuous Delivery (CD)"},"content":{"rendered":"

Continuous Integration (CI) und Continuous Delivery (CD): Erkl\u00e4rung<\/h3>\nKontinuierliche Integration<\/strong> ist eine Philosophie und eine Reihe von Praktiken, bei denen Entwicklungsteams \u00c4nderungen schrittweise implementieren und den Code vor einer Erg\u00e4nzung h\u00e4ufig \u00fcberpr\u00fcfen.\n\nModerne Anwendungen<\/strong> basieren auf verschiedenen Tools und Code-Plattformen. Daher ben\u00f6tigen die Teams einen Mechanismus, um \u00c4nderungen zu integrieren und zu validieren.\n\nDas Ziel der kontinuierlichen Integration ist es, einen automatisierten Weg einzurichten, um Anwendungen zu bauen und zu testen. Die Best\u00e4ndigkeit des Integrationsprozesses erm\u00f6glicht es den Teams, h\u00e4ufiger \u00c4nderungen am Code vorzunehmen. Dadurch wird die Zusammenarbeit verbessert und die Qualit\u00e4t der Software erh\u00f6ht.\n\nContinuous Delivery oder CD ist der n\u00e4chste Schritt. Sie automatisiert die Auslieferung von Anwendungen an ausgew\u00e4hlte Infrastrukturumgebungen.\n\nAuch hier geht es darum, die Lieferung des Codes zwischen den verschiedenen Produktions-, Entwicklungs- und Testumgebungen zu harmonisieren, an denen die meisten Entwicklungsteams gleichzeitig arbeiten.\n\nMit CI\/CD-Tools k\u00f6nnen die spezifischen Parameter jeder Umgebung gespeichert werden, und die Automatisierung erm\u00f6glicht es dann, die notwendigen Aufrufe an Webserver, Datenbanken und andere Dienste durchzuf\u00fchren, die Verfahren wie einen Neustart bei der Bereitstellung von Anwendungen erfordern.\n\nContinuous Integration und Continuous Delivery<\/strong> erfordern Continuous Testing<\/strong>. Dadurch wird sichergestellt, dass die Qualit\u00e4t des Codes und der Anwendung aufrechterhalten wird.\n

Continuous Integration: Wie funktioniert sie?<\/h3>\nDie Philosophie der kontinuierlichen Integration<\/strong> beruht auf Mechanismen und Automatisierung. Entwickler legen ihren Code h\u00e4ufig in einem Versionskontrollordner<\/strong> ab, um das Aufsp\u00fcren von Fehlern und anderen Qualit\u00e4tsproblemen bei kleinen Codeteilen zu vereinfachen. Dieser Ansatz verringert auch das Risiko, dass mehrere Entwickler denselben Code gleichzeitig bearbeiten.\n\nVerschiedene Techniken werden von CI-Entwicklungsteams<\/strong> verwendet, um den Code und die Funktionen zu kontrollieren. Dazu geh\u00f6ren die Technik der Feature Flags oder die des Version Control Branching. Nach dieser Validierungsphase wird der Code in die Produktion geschickt.\n\nDer Build-Prozess<\/strong> wird durch das Verpacken der gesamten Software, der Datenbanken und anderer Komponenten automatisiert. Auch die Durchf\u00fchrung von Tests wird automatisiert, um den Entwicklern ein Feedback \u00fcber \u00c4nderungen am Code zu geben.\n\nViele CI\/CD-Tools<\/strong> erm\u00f6glichen es den Entwicklern, Builds auf Anfrage zu erstellen, indem sie den Code in den Versionskontrollordner<\/strong> oder zu einem bestimmten Zeitpunkt einreichen.\n\nDie Integrationsstrategie<\/strong>\"\"\n

Continous Delivery: Wie funktioniert sie ?<\/h3>\nContinuous Delivery<\/strong> automatisiert das „Push“ von Anwendungen an die Lieferumgebungen. Tools wie Jenkins, CircleCI, AWS CodeBuild, Azure DevOps oder Atlassian Bamboo<\/strong> automatisieren das Testen und Bewerten von \u00c4nderungen an Anwendungen.\n\n\u00dcblicherweise wird die Pipeline f\u00fcr die kontinuierliche Lieferung in die Schritte Build, Test und Deployment unterteilt. Zus\u00e4tzliche Schritte k\u00f6nnen hinzugef\u00fcgt werden, wie z. B. die Extraktion des Codes aus dem Versionskontrollordner, die \u00dcbertragung des Codes, das Pushen von Anwendungskomponenten an die entsprechenden Dienste oder das kontinuierliche Testen.\n\nInnerhalb von Cloud-Umgebungen nutzen CI\/CD-Pipelines auch Software-Container wie Docker und Orchestrierungssysteme<\/strong> wie Kubernetes. Auch serverlose Architekturen werden h\u00e4ufig eingesetzt, bei denen der Cloud<\/a>-Dienstleister die Infrastruktur verwaltet. Die Anwendung verbraucht die Ressourcen je nach Bedarf.\n

Was sind Vorteile von CI \/ CD ?<\/h3>\nDie kontinuierliche Integration<\/strong> und Lieferung erm\u00f6glicht eine bessere Zusammenarbeit und eine h\u00f6here Produktivit\u00e4t<\/strong>. Die Qualit\u00e4t des Codes wird durch eine bessere Kontrolle erh\u00f6ht und auch die Qualit\u00e4t der fertigen Software wird gesteigert.\n\nDar\u00fcber hinaus erm\u00f6glichen CI\/CD-Pipelines Unternehmen, ihre Anwendungen h\u00e4ufig zu verbessern und sich dabei auf einen zuverl\u00e4ssigen Lieferprozess zu verlassen. Durch die Standardisierung von Builds, Tests und die Automatisierung der Bereitstellung k\u00f6nnen sich die Teams auf die Verbesserung der Anwendungen konzentrieren, anstatt sich mit technischen Details zu besch\u00e4ftigen.\n\nDiese Art zu arbeiten ist ideal f\u00fcr DevOps<\/a>, da sie eine schlechte Abstimmung zwischen Entwicklern, die den Code zu h\u00e4ufig pushen wollen, und Ops-Teams<\/strong>, die nach stabilen Anwendungen suchen, verhindert. Automatisierung erm\u00f6glicht es, Code\u00e4nderungen<\/strong> h\u00e4ufiger zu pushen, w\u00e4hrend standardisierte Konfigurationen und kontinuierliches Testen die Stabilit\u00e4t verbessern.\n

CI \/ CD und Data Science<\/h3>\nWie in der Softwareentwicklung wird CI\/CD auch im Bereich der Data Science<\/strong> verwendet, um Daten in die Produktion zu \u00fcberf\u00fchren. Dieser Ansatz erm\u00f6glicht eine automatische Bereitstellung.\n\nData-Science-Prozesse werden von verschiedenen Experten in Zusammenarbeit aufgebaut, z. B. Data Engineers, Machine-Learning<\/a>-Experten und Visualisierungsspezialisten. Sie bestehen darin, Machine-Learning-Algorithmen auf Daten anzuwenden.\n\nIn diesem Bereich besteht die Integration in der Regel darin, die zugrunde liegenden Teile zusammenzusetzen. So wird sichergestellt, dass die Bibliotheken eines bestimmten Toolkits oder die richtigen Versionen eines Moduls im endg\u00fcltigen Data-Science-Prozess enthalten sind.\n\nW\u00e4hrend der Entwicklung werden die Funktionen generiert und das Modell trainiert. W\u00e4hrend der Integration wird der Prozess der Generierung von optimierten Funktionen mit dem trainierten Modell kombiniert. Die Integration<\/strong> umfasst auch den Produktionsprozess.\n\nDie kontinuierliche Bereitstellung in der Data Science \u00e4hnelt der Softwareentwicklung und beinhaltet das automatische Ersetzen einer bestehenden Anwendung oder einer API.<\/strong> Die F\u00e4higkeit, eine fr\u00fchere Version wiederherzustellen, falls w\u00e4hrend der Produktion Probleme auftreten, ist ebenfalls vorhanden.\n\nW\u00e4hrend des Produktionsprozesses von Data Science muss die Leistung des Modells kontinuierlich \u00fcberwacht werden. Die Erkennung von \u00c4nderungen ist entscheidend und muss durch Mechanismen sichergestellt werden.\n\nModelle k\u00f6nnen dann automatisch neu trainiert und bereitgestellt werden, w\u00e4hrend das Data Science-Team alarmiert werden kann, um einen neuen Prozess zu erstellen.<\/strong>\n\n\"\"\n

Git und GitHub<\/h3>\nDie Versionskontrolle ist das Herzst\u00fcck des CI\/CD-Ansatzes.<\/strong> Dabei werden alle \u00c4nderungen an einem Softwareentwicklungs- oder Data-Science-Projekt<\/a> gespeichert, um im Falle eines Fehlers oder Problems zur\u00fcckgehen zu k\u00f6nnen. Es ist immer m\u00f6glich, eine fr\u00fchere Version wiederherzustellen.\n\nGit wurde 2005 entwickelt und ist ein \u00e4u\u00dferst beliebtes Versionskontrollsystem. Wenn es auf einem lokalen System installiert und gepflegt wird, erm\u00f6glicht es die Sicherung von Versionen, ohne dass ein Internetzugang erforderlich ist.\n\nDas System zeichnet sich durch seine Reaktionsf\u00e4higkeit, seine einfache Handhabung und seine Kostenlosigkeit aus. Es funktioniert besonders gut mit Textdateien wie Computercode. Seine wahre St\u00e4rke ist jedoch das Branching-Modell, das es erm\u00f6glicht, unabh\u00e4ngige lokale Zweige innerhalb des Codes zu erstellen. Dies erm\u00f6glicht es, neue Ideen zu testen, ohne sie unbedingt in Produktion zu bringen.\n\nDer Hosting- und Code-Repository-Dienst GitHub<\/a> erm\u00f6glicht es, Git-Versionskontrollprojekte online \u00fcber den lokalen Computer oder Server hinaus zu teilen. Dieser Dienst ist vollst\u00e4ndig cloudbasiert.<\/a>\n\nDie grafische Benutzeroberfl\u00e4che von GitHub<\/strong> ist \u00e4u\u00dferst intuitiv und bietet native Tools zur Aufgabenverwaltung und Kontrolle f\u00fcr Programmierer.\n\n\u00dcber einen Marketplace k\u00f6nnen zus\u00e4tzliche Funktionen implementiert werden.\n\nSo erm\u00f6glicht es der GitHub-Dienst<\/strong>, Code zu teilen und mit anderen Nutzern an einem Software- oder Data-Science-Projekt zusammenzuarbeiten. Jede eingef\u00fchrte \u00c4nderung schafft einen neuen Zweig, so dass jedes Teammitglied gleichzeitig arbeiten kann, ohne den Fortschritt der anderen zu st\u00f6ren.\n

Wie lernt man CI \/ CD ?<\/h3>\nContinuous Integration und Continuous Delivery<\/strong> werden mittlerweile h\u00e4ufig in Unternehmen, bei der Softwareentwicklung oder im Bereich Data Science eingesetzt. Es handelt sich dabei um eine F\u00e4higkeit, die in Unternehmen sehr gefragt ist. Um CI \/ CD zu beherrschen, entscheide Dich f\u00fcr Liora.\n\nUnser Data Engineer-Fernkurs beinhaltet ein CI \/ CD-Modul, in dem unter anderem Git, GitHub und Qualit\u00e4tssicherung<\/strong> behandelt werden. Die anderen Module des Programms umfassen unter anderem Python-Programmierung, Datenbanken, Data Science, Big Data, Automatisierung und Einsatz.\n\nNach Abschluss des Kurses wirst Du \u00fcber alle F\u00e4higkeiten verf\u00fcgen, die du als Data Engineer<\/strong> ben\u00f6tigst. Du wirst in der Lage sein, gro\u00dfe Datenmengen zu speichern, umzuwandeln und zu \u00fcbertragen, Machine-Learning-Modelle<\/a> f\u00fcr die Produktion einzusetzen und Pipelines f\u00fcr die Verarbeitung von gestreamten Daten zu erstellen.\n\nDieser Fernkurs kann als 9-monatige Weiterbildung oder als 11-w\u00f6chiges intensives BootCamp absolviert werden. Unser Blended-Learning-Ansatz kombiniert individuelles Coaching auf unserer Online-Plattform und Masterclasses.\n\nDer Abschluss dieses Programms erm\u00f6glicht es dir, ein Zertifikat zu erhalten, das von MINES ParisTech \/ PSL Executive Education<\/strong> im Rahmen unserer Partnerschaft ausgestellt wird. Von unseren Alumni haben 80 % sofort einen Job gefunden.\n\nDieser Fernkurs kann man mit einem Bachelor Mathematik oder einem Master in Naturwissenschaften sowie einem Verst\u00e4ndnis der Programmiersprache SQL<\/a> und von Linux-Systemen absolvieren.\n\nWarte nicht l\u00e4nger und entdecke die Ausbildung zum Data Engineer!<\/a>\n\nDu wei\u00dft jetzt alles \u00fcber CI \/ CD.<\/strong> Weitere Informationen findest du in unserem ausf\u00fchrlichen Dossier \u00fcber Git und unserem Dossier \u00fcber DevOps<\/a><\/strong>.\n\n\n
Data Engineer Fernkurs – Mehr erfahren<\/a><\/div><\/div>\n","protected":false},"excerpt":{"rendered":"

Continuous Integration (CI) und Continuous Delivery (CD): Erkl\u00e4rung Kontinuierliche Integration ist eine Philosophie und eine Reihe von Praktiken, bei denen Entwicklungsteams \u00c4nderungen schrittweise implementieren und den Code vor einer Erg\u00e4nzung h\u00e4ufig \u00fcberpr\u00fcfen. Moderne Anwendungen basieren auf verschiedenen Tools und Code-Plattformen. Daher ben\u00f6tigen die Teams einen Mechanismus, um \u00c4nderungen zu integrieren und zu validieren. Das Ziel […]<\/p>\n","protected":false},"author":74,"featured_media":169889,"comment_status":"open","ping_status":"open","sticky":false,"template":"elementor_theme","format":"standard","meta":{"_acf_changed":false,"editor_notices":[],"footnotes":""},"categories":[2476],"class_list":["post-169888","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-cloud-dev"],"acf":[],"_links":{"self":[{"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/posts\/169888","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/users\/74"}],"replies":[{"embeddable":true,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/comments?post=169888"}],"version-history":[{"count":1,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/posts\/169888\/revisions"}],"predecessor-version":[{"id":217701,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/posts\/169888\/revisions\/217701"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/media\/169889"}],"wp:attachment":[{"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/media?parent=169888"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/categories?post=169888"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}