node( 'master') { stage( 'Checkout') {…} stage( 'Code Analysis') {…} stage( 'Unit Test') {…} stage( 'Packing') {…} stage( 'Archive') {…} stage( 'DEV') {…} } stage( 'SIT') { timeout(time: 4, unit: 'HOURS') { input "Deploy to SIT?"} node( 'master') {…} } stage( 'Acceptance Test') { node( 'slave') {…} }

　　Jenkins2.0使用Groovy实现了一套描述流水线的DSL，我们即便不了解Groovy语言，只要对流水线稍微熟悉，就能按照编写出符合要求的代码。

　　类似的工具还有、(LambdaCD)等。

　　Concourse.ci使用了基于yaml的DSL，独立抽象出Resource（外部依赖，如：git repo）、Job（函数，对Resource进行get或put操作）以及Task（纯函数，必须明确定义Input/Output)模型。效果图如下：

　　而λCD则使用Clojure语言实现了DSL，抽象出Pipeline和Step模型，使用了Lisp特有的宏(macro)扩展和自定义普通函数，编写起来简单明了。如下：

　　(def pipeline-def `( (either manualtrigger/wait- for-manual-trigger wait- for-repo) ( with-workspace clone ( in-parallel run-some-tests run-smokeing-tests) run-package deploy)))

　　上述的pipeline-def就是这条流水线的定义，极为优雅得是，它的代码和UI事实上构成了——映射的关系，简单到极致。

　　值得一提的是，λCD有别于其它同类型的工具，它本身就是一份用Clojure写就的微服务。换句话说，其它的工具可能需要借助基础设施即代码完成自身的安装，但λCD不用，它完全可以采用其它微服务的部署方式，比如用λCD部署它自己，类似于编译器的自举(bootstraping)。这个时候，我们就需要两套λCD服务，一套用于部署λCD自身，另一套部署开发中的工程。

　　小结

　　流水线即代码是个新概念，也就意味着我们还需要花时间去探索与之相关的实践，比如，调试和测试（既然是代码就需要测试）。一旦有了这些实践，我们就可以把流水线本身作为产品放到流水线上运作起来，那时将会看到一种很好玩的现象——旧的流水线会构建并部署新流水线，发生上文所说自举(bootstraping)现象，这也表明流水线是不断进化的。

　　此外，当流水线成为代码，它在最终的交付物中必然占据一席之地，其潜在的价值还等待我们挖掘，至少从精益的角度，流水线能做的事情还有很多。