当前位置:首页 > 文章列表 > 科技周边 > 业界新闻 > Cloud Native Buildpacks 怎样把运行时与源码构建分离

Cloud Native Buildpacks 怎样把运行时与源码构建分离

来源:17golang原创 2026-11-14 05:04:12 0浏览 收藏

Cloud Native Buildpacks 把源码如何变成应用层、构建时需要什么环境、应用运行时依赖什么基础镜像分成不同对象。buildpack 负责识别与构建,builder 汇集构建所需组件,run image 提供最终应用镜像的运行基础。满足兼容条件时,可以通过 rebase 更新运行基础层,而不完整重建应用。

但“运行时与源码构建分离”不能理解成所有语言运行时都在 run image 中。某些 JRE、Node 或其他启动依赖可能由 buildpack 放入应用镜像的依赖层;这部分更新通常仍需重新构建,不能指望替换基础层自动修复。

官方地址:https://buildpacks.io/

Cloud Native Buildpacks 已是 CNCF 毕业项目。本文讨论其现有架构与供应链取舍,不把该状态或基础能力包装成刚发布的新消息。

从一项基础镜像修复说起

假设应用源码没变,平台团队发布了修复系统库的运行基础镜像。团队面临两个选择:从源码再构建一遍,或者在符合条件时更新已有应用镜像的基础层。前者能同时重新解析构建输入,后者则将更新范围集中在运行基础层。

这个场景最需要保护的是对象关系:原应用使用的基础镜像是什么,修复进入了哪一层,新的基础镜像是否适合这些应用层。若只看到“存在漏洞”就统一执行 rebase,可能根本没有碰到有问题的 buildpack 依赖层。

三个对象分别负责什么

builder 本身是 OCI 镜像,包含有序的 buildpacks、build image 和 lifecycle,并带有 run image 引用。build image 提供构建环境;run image 提供应用镜像运行基础,两者不是同一个角色。

buildpack 根据源码和依赖描述识别适用任务,执行相应构建,并提供应用需要的层与启动配置。最终应用镜像并不是把整个 builder 原样作为运行环境。构建时工具和运行时必要内容有了分开的组织方式,但最终包含什么,仍取决于具体 buildpack 与平台配置。

原创结构图展示builder组件与最终应用镜像分组
原创结构说明图:builder 提供构建环境,最终应用镜像以 run image 为基础并包含应用相关层。
对象主要职责维护时关注
buildpack识别源码并构建相关层依赖获取、版本约束与构建行为
builder组合构建环境和构建组件来源、组件组合与权限边界
run image提供应用运行基础层系统依赖、兼容性和基础层更新
应用镜像交付可运行制品实际层组成与最终摘要

rebase 更新的是哪一层

官方文档把 rebase 描述为更新应用镜像的基础层引用,避免完整重建应用。应用相关层可以保留,但这不是任意更换发行版、体系结构或系统接口的通用许可;兼容性条件与具体工具版本应一起考虑。

如果修复位于 run image,可以评估 rebase。如果修复位于源码依赖、buildpack 提供的语言运行时或其他应用相关层,应更新对应输入并重新构建。无法确认层归属时,先查看制品元数据与组件信息,不要用更新命令是否成功来代替范围判断。

原创关系图展示基础层更新与应用依赖重建范围
原创说明图:rebase 面向兼容的运行基础层更新,应用与依赖层的改变仍需对应构建。

下面只展示读取 builder 信息的入口,不对任何实际镜像执行更新。使用时将变量设为团队批准的 builder 引用。

# 查看builder声明的组件与run image信息,用于确认构建输入
: "${BUILDER_REF:?请提供批准的builder引用}"
pack builder inspect "$BUILDER_REF"

这类信息能帮助确定配置来源,却不能单独保证某次应用发布的所有输入都已固定。项目配置、构建环境变量、额外 buildpack 或平台覆盖项也可能改变结果,应与最终构建记录一起保存。

自动化构建仍有需要管理的信任入口

buildpack 会处理源码并可能下载依赖,因此它本身属于有执行能力的供应链组件。减少 Dockerfile 的手工维护,不等于不再需要控制构建输入。来源未知的 builder 或临时加入的 buildpack,可能改变下载对象和构建行为。

平台可以维护批准的 builder 与 run image 清单,记录实际解析的摘要,并限制非必要构建权限。依赖版本与下载源也应受控;不应将部署凭据不加区分地作为普通构建变量传给所有组件。具体秘密传递机制需使用平台和 buildpack 明确支持的方式。

缓存有助于复用构建内容,但缓存存在不是新输入可信的证明。若某个组件版本发生变化,仍应能知道实际使用了什么。这里的关键不是把所有更新禁止掉,而是让更新由哪个维护方发起、影响哪些层、形成了哪个新制品都有明确记录。

基础层更新后,发布记录也要更新

rebase 即使保留应用层,也会形成新的应用镜像对象,其最终摘要不能继续沿用旧制品的记录。与摘要绑定的签名和来源材料应按工具链实际支持重新处理,不能把旧制品的放行结论直接改个标签后搬到新对象。

记录至少包含源码版本、builder 引用与实际摘要、buildpack 组合、原 run image 与新 run image、操作类型及最终应用摘要。若需要回滚,应保留明确的旧制品引用,并按当前发布策略处理,不应只依赖会继续变化的标签。

在进入运行环境前,团队需要确认启动行为、必要系统库与目标平台匹配。本文没有运行应用、生成性能指标或宣称更新成功;这里描述的是使用 Buildpacks 时应安排的工程职责,而不是本次文章发布的校验步骤。

更新 builder 会自动修复已部署应用吗

不会自动成立。builder 影响后续构建;已有应用需要通过相应的重建或基础层更新流程形成新制品,再由部署系统采用。

rebase 能升级所有语言依赖吗

不能。位于应用或 buildpack 依赖层的内容,不会因为更新 run image 就自动替换。

是否还需要维护运行基础镜像

需要,只是维护职责可以集中到平台侧。分离解决的是组件组织和更新边界,不是取消基础镜像的生命周期管理。

参考:Builder 的组成;基础镜像概念;Rebase 的更新范围。

版本声明
本文转载于:17golang原创 如有侵犯,请联系study_golang@163.com删除
Kubernetes Sidecar 生命周期变化后怎样安排应用启动顺序Kubernetes Sidecar 生命周期变化后怎样安排应用启动顺序
上一篇
Kubernetes Sidecar 生命周期变化后怎样安排应用启动顺序
Kubernetes 资源配额怎样避免命名空间之间互相争抢
下一篇
Kubernetes 资源配额怎样避免命名空间之间互相争抢
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    1018次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    1020次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    1155次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    1121次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    962次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码