Asterinas项目版本发布流程优化方案
2025-06-28 09:10:46作者:伍霜盼Ellen
背景介绍
在Asterinas项目中,版本管理一直是一个痛点问题。项目采用单一VERSION文件来管理全局版本号,所有发布的crate和配套Docker镜像都共享这个版本号。这种设计虽然简化了版本匹配,但在实际发布过程中却带来了诸多不便。
现有问题分析
当前版本发布流程存在三个主要问题:
-
CI测试阻塞:当新版本发布时,由于需要同时生成Docker镜像和发布crate,CI测试会首先失败,导致主分支和所有待合并PR的CI状态显示为"失败",这种状态会持续较长时间。
-
未充分测试的版本发布:在Docker镜像生成完成后重新运行CI测试时,经常发现与新版本相关的代码变更存在问题,这降低了版本发布的信心。
-
不必要的crate发布:有时我们只需要生成新的Docker镜像(如添加新工具或测试套件),却不得不发布新的crate版本。
核心解决方案
为了解决这些问题,我们提出将当前的原子性版本发布PR拆分为三个独立的PR:
- Docker镜像版本更新PR:仅触发新Docker镜像的生成,不影响现有代码。
- 切换至最新Docker镜像PR:在所有代码位置更新Docker镜像引用。
- 项目版本更新PR:触发新版本crate的发布。
详细设计方案
引入DOCKER_IMAGE_VERSION文件
我们新增一个DOCKER_IMAGE_VERSION文件,其版本号格式为MAJOR.MINOR.PATCH+DATE,其中:
- MAJOR.MINOR.PATCH部分与对应crate版本一致
- +DATE部分表示Docker镜像生成日期(构建元数据)
这种设计既保持了crate与Docker镜像版本的直观对应关系,又允许在不改变crate版本的情况下生成新的Docker镜像。
版本文件关系
我们维护以下不变式:DOCKER_IMAGE_VERSION >= VERSION(比较时忽略DATE部分)。大多数情况下,两个版本号保持相同。
CI触发机制调整
- Docker镜像生成由DOCKER_IMAGE_VERSION变更触发
- Crate发布仍由VERSION变更触发
bump_version.sh工具改造
该工具将提供三个子命令:
--docker_version_file:仅更新DOCKER_IMAGE_VERSION文件--docker_version_refs:更新所有Docker镜像版本引用--version_file:更新VERSION文件以匹配DOCKER_IMAGE_VERSION
工具会确保不破坏两个版本文件间的不变式关系。
典型使用场景
场景1:对Docker镜像进行非破坏性变更
- PR1:更新DOCKER_IMAGE_VERSION(如0.13.1+20250318)
- PR2:更新所有Docker镜像引用
- 跳过PR3
场景2:对Docker镜像进行破坏性变更
- PR1:更新DOCKER_IMAGE_VERSION(如0.14.0+20250318)
- PR2:更新引用并修改不兼容代码
- PR3:更新VERSION以发布新crate版本
场景3:对已发布crate的API进行破坏性变更
- PR1:更新DOCKER_IMAGE_VERSION
- PR2:更新所有引用
- PR3:更新VERSION并可能合并其他功能/修复
方案优势
- 解耦发布流程:将Docker镜像生成和crate发布分离,避免相互阻塞。
- 提高发布质量:确保新版本经过充分测试后才发布。
- 灵活选择:可根据需要仅生成Docker镜像或同时发布crate。
- 保持版本对应:通过版本号设计保持crate与Docker镜像的直观对应关系。
这个优化方案显著改善了Asterinas项目的版本发布体验,使发布过程更加可靠和高效。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
246
暂无简介
Dart
672
157
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
663
313
React Native鸿蒙化仓库
JavaScript
262
324
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.2 K
655
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
330
137