Sistema di autoscaling per runner self-hosted GitHub Actions su Proxmox con fallback su runner GitHub-hosted

Nello sviluppo software, l’esigenza di superare i rigidi processi sequenziali tradizionali ha portato all’affermazione della metodologia Agile e, successivamente, della filosofia DevOps, volta a integrare sviluppo e operazioni IT. Un pilastro di questo approccio è la Continuous Integration, che prevede la frequente integrazione del codice attraverso verifiche automatizzate racchiuse in una pipeline. Eseguire queste pipeline in cloud o on-premise comporta una serie di trade-off: un’infrastruttura on-premise offre maggiore controllo, prestazioni più stabili e un potenziale risparmio sui costi, ma può comportare spreco di risorse fisiche e maggiore latenza. Il presente progetto di tesi si colloca in questo contesto, ponendosi l'obiettivo di utilizzare per le pipeline di CI un’infrastruttura on-premise basata su Proxmox, ottimizzando la gestione delle risorse e minimizzando la latenza. La piattaforma utilizzata, GitHub Actions, esegue i workflow su risorse computazionali dette runner, fornite dalla piattaforma stessa (GitHub-hosted) o gestite dall’utente (self-hosted). Il sistema progettato comprende due componenti: un meccanismo di autoscaling dei runner self-hosted, lato infrastruttura, e un fallback sui runner GitHub-hosted, lato workflow. Per la gestione dell’infrastruttura, dopo aver valutato una soluzione custom, è stato scelto Actions Runner Controller, installato su un cluster Kubernetes statico. Lato workflow, è stato aggiunto un job probe, dal cui output dipende l’esecuzione del job di CI, per rilevare la presenza di un runner self-hosted immediatamente disponibile. Il sistema è stato testato in un contesto reale, applicandolo al repository Protelis-demo. In questa fase è stato verificato che il sistema soddisfacesse i requisiti funzionali definiti, ed è stato osservato come limite di questa validazione la mancanza di una misurazione quantitativa di parametri quali l’utilizzo delle risorse fisiche e la latenza di esecuzione.