Bitbucket: conceptos clave, Pipelines y capacidades

¿Qué es Bitbucket?

Bitbucket es una plataforma web para alojar repositorios Git, desarrollada por Atlassian. Originalmente, Bitbucket solo admitía Mercurial (desde 2008), pero después de cerrar el soporte de Mercurial en 2020, migró completamente a Git. La plataforma está disponible en dos ediciones: Bitbucket Cloud (SaaS, alojamiento de Atlassian) y Bitbucket Data Center (versión autoalojada para empresas).

La principal ventaja de Bitbucket frente a sus competidores es su profunda integración con los productos de Atlassian. Jira vincula automáticamente los commits y Pull Requests a las tareas, Confluence permite incrustar fragmentos de código en la documentación, y Opsgenie conecta los despliegues con incidentes. Para los equipos que ya utilizan el ecosistema Atlassian, Bitbucket es una elección natural, ya que no requiere configuración adicional de integraciones.

Bitbucket Cloud ofrece varios niveles de alojamiento. El plan gratuito incluye un usuario y almacenamiento limitado (1 GB). El plan estándar cuesta $3 por usuario al mes con repositorios privados ilimitados y 2500 minutos de Pipelines al mes. Bitbucket utiliza un modelo de licencia por usuario: se factura a cada usuario que tiene acceso a un repositorio, incluidos los usuarios de solo lectura.

Bitbucket Pipelines: CI/CD listo para usar

Bitbucket Pipelines es un sistema CI/CD integrado que funciona con contenedores Docker. Pipelines está integrado directamente en Bitbucket Cloud y no requiere instalar ejecutores separados ni configurar webhooks. La configuración se describe en un archivo bitbucket-pipelines.yml ubicado en la raíz del repositorio. Cada pipeline consta de pasos combinados en secuencias.

Pipelines admite pasos paralelos, ejecución manual, activadores por push y programación, almacenamiento en caché de dependencias y artefactos. Cada paso se ejecuta en un contenedor Docker aislado, cuya imagen se especifica en la configuración. A continuación se muestra un ejemplo de pipeline para compilar una aplicación Android con pruebas y publicación en Firebase App Distribution:

# bitbucket-pipelines.yml
image: openjdk:17-jdk

pipelines:
  pull-requests:
    '**':
      - step:
          name: Build and Test
          caches:
            - gradle
          script:
            - ./gradlew assembleDebug testDebugUnitTest
          artifacts:
            - app/build/outputs/apk/debug/

  branches:
    main:
      - step:
          name: Deploy to Firebase
          script:
            - pipe: atlassian/firebase-distribution:1.0.0
              variables:
                APP_FILE: 'app/build/outputs/apk/debug/app-debug.apk'

Bitbucket Pipelines tiene un límite de 50 minutos por pipeline para la versión Cloud, suficiente para la mayoría de proyectos, pero puede ser un cuello de botella para grandes monorepositorios. Para Data Center, el límite se elimina por completo: la duración del pipeline solo está determinada por los recursos disponibles del servidor. Pipelines también admite imágenes Docker personalizadas, lo que permite utilizar cualquier herramienta de compilación y prueba.

Pull Request y revisión de código en Bitbucket

Pull Request en Bitbucket está diseñado con un enfoque en los procesos empresariales de revisión de código. Bitbucket ofrece: comentarios en línea en líneas específicas del diff, verificaciones obligatorias de Pipelines o servicios externos, número mínimo de aprobaciones para fusionar, bloqueo de merge hasta que se superen todas las verificaciones y declaración de conflicto de intereses (decline). La interfaz de PR está dividida en tres columnas: código fuente, diff y estructura de archivos.

Una función única de Bitbucket es Code Insights. Es una API para integrar herramientas externas de calidad de código (SonarQube, CodeScene, ESLint, Detekt) que muestran sus resultados directamente en la interfaz de Pull Request. El desarrollador puede ver: la cantidad de nuevos errores, cobertura de pruebas, code smells y duplicaciones. Code Insights permite tomar decisiones de merge basadas en métricas objetivas y no solo en la opinión subjetiva del revisor.

Bitbucket también admite permisos de rama: se puede prohibir la eliminación de ramas, exigir la creación de PR para ramas específicas y limitar la lista de usuarios con derechos de merge en la rama principal. Además, existen verificaciones de merge — una lista de condiciones obligatorias (Pipelines superado, mínimo N aprobaciones, sin comentarios sin resolver) que deben cumplirse antes de que el botón Merge esté disponible. Estas configuraciones protegen la rama de producción de cambios accidentales no verificados.

Integración de Bitbucket con Jira y Confluence

La integración de Bitbucket con Jira es una ventaja clave de la plataforma. Cuando un desarrollador incluye una clave de tarea en el mensaje de confirmación (por ejemplo, PROJ-123), Jira vincula automáticamente ese commit a la tarea. La interfaz de la tarea muestra una pestaña de Desarrollo con todos los commits, Pull Requests, ramas y despliegues relacionados con esa tarea. Los PR actualizan automáticamente el estado de la tarea en Jira al fusionarse (transición a Done).

Confluence también se integra con Bitbucket: se pueden incrustar fragmentos de código en vivo del repositorio en las páginas de Confluence mediante el macro Code Block. Los cambios en el código se sincronizan automáticamente con Confluence, lo que resulta útil para mantener la documentación arquitectónica. Además, Atlassian proporciona Smart Commits — gestión de tareas de Jira directamente desde los mensajes de commit: transiciones de estado, registro de tiempo y cambios de prioridad.

Para la automatización DevOps, Bitbucket admite Deployment Gates — vinculación del despliegue al estado de la tarea. Cuando un pipeline alcanza la etapa de despliegue, Jira verifica si todas las tareas de la versión tienen estado Aprobado. Si no, el despliegue se bloquea. Esto implementa el principio de Continuous Delivery con control de calidad a nivel de tarea, no solo de código.

Plantillas de repositorio

Bitbucket permite crear plantillas de repositorio para estandarizar las estructuras de proyectos. Para proyectos móviles, se puede crear una plantilla con archivos preconfigurados: configuración de Gradle, gitignore, ajustes de Detekt y Ktlint, pipeline de CI para Android y un README con instrucciones de compilación. Un nuevo proyecto se crea a partir de la plantilla en unos pocos clics, lo que acelera la incorporación de nuevos desarrolladores.

Bitbucket frente a GitHub y GitLab

La comparación de Bitbucket con GitHub y GitLab depende del ecosistema en el que opera el equipo. Bitbucket pierde frente a GitHub en tamaño de comunidad (10 millones frente a 100 millones de usuarios), pero gana en integraciones empresariales gracias al stack de Atlassian. Si un equipo ya utiliza Jira para la gestión de tareas y Confluence para la documentación, Bitbucket ofrece una integración perfecta sin configuración adicional.

En cuanto a CI/CD, Bitbucket Pipelines es inferior a GitLab CI/CD en escenarios avanzados (sin pipelines hijos, compilaciones matriciales, pipelines multinivel) y a GitHub Actions en cantidad de acciones listas (Marketplace Actions tiene más de 20.000 pasos frente a miles de pipes públicos en Bitbucket). Sin embargo, Pipelines es más fácil de configurar para escenarios comunes gracias a los componentes pipe listos de Atlassian.

Elegir Bitbucket se justifica en dos escenarios: el equipo ya utiliza el ecosistema Atlassian (Jira + Confluence + Opsgenie) u opera en un entorno corporativo donde Bitbucket Data Center ya está implementado como herramienta estándar. Para startups y proyectos de código abierto, GitHub ofrece una comunidad más rica y funciones gratuitas, mientras que GitLab ofrece el mejor CI/CD autoalojado.

Bitbucket Data Center para empresas

Bitbucket Data Center es la versión empresarial de la plataforma, diseñada para instalación en infraestructura propia. A diferencia de la versión Cloud, Data Center ofrece: clustering (modo activo-activo para múltiples nodos), Smart Mirroring (espejos geodistribuidos para clone/fetch más rápidos), alta disponibilidad (99,99% de uptime con clustering) y auditoría completa de acciones.

Data Center incluye todas las funciones de la versión Cloud, pero con extensiones empresariales. Smart Mirroring sincroniza automáticamente los repositorios entre servidores en diferentes centros de datos: los desarrolladores de Europa y Asia obtienen la misma velocidad de clone/fetch, ya que las operaciones Git se realizan a través del espejo más cercano. Los registros de auditoría guardan cada acción: quién, cuándo y desde qué IP creó una rama, hizo un push o fusionó un PR.

La licencia de Bitbucket Data Center se basa en la cantidad de usuarios (no de repositorios). La licencia mínima es para 50 usuarios desde $1.520 al año (nivel estándar). Data Center es obligatorio para organizaciones donde: se requieren SLA de disponibilidad, los datos no pueden salir del país (GDPR, 152-FZ), el número de desarrolladores supera los 500 o se necesita integración con un sistema LDAP/SAML corporativo.

Bitbucket Snippets para código compartido

Bitbucket Snippets es una herramienta para almacenar y compartir pequeños fragmentos de código. A diferencia de los repositorios, los Snippets no tienen un historial Git completo, pero admiten versionado, comentarios y forks. Los Snippets son útiles para configuraciones compartidas (docker-compose.yml para desarrollo local), scripts de migración SQL y ejemplos de código que no requieren un repositorio completo. Cada Snippet tiene una URL única y puede vincularse a un proyecto en Jira.

API de Bitbucket para automatización

Bitbucket REST API 2.0 permite la gestión programática de repositorios, Pull Requests, ramas y permisos. La API se utiliza para automatizar flujos de trabajo: crear un repositorio a partir de una plantilla, actualizar permisos de forma masiva, obtener estadísticas de Pull Request e integrarse con sistemas CI externos. El límite de tasa es de 1000 solicitudes por hora para usuarios autenticados. La API admite paginación mediante los parámetros Page y Pagelen para trabajar con grandes conjuntos de datos.