Spinnaker中Orca模块SQL pipelineRef功能导致resolvedExpectedArtifacts字段未填充问题分析
在Spinnaker 1.35.4版本中,当使用Orca模块的SQL pipelineRef功能时,系统未能正确填充resolvedExpectedArtifacts字段,这直接影响了使用#triggerResolvedArtifact表达式的功能。本文将深入分析该问题的技术背景、影响范围以及解决方案。
问题背景
Spinnaker作为一款持续交付平台,其核心组件Orca负责编排和执行流水线。在1.35.4版本中,当启用SQL执行存储库功能(pipelineRef)时,系统在处理流水线触发器的预期工件解析时出现了异常。
技术细节
该问题主要涉及以下技术组件交互:
-
Orca的SQL执行存储库:当配置executionRepository.sql.enabled和executionRepository.sql.pipelineRef.enabled为true时,系统会使用SQL而非Redis来存储执行记录。
-
流水线触发器机制:Spinnaker允许一个流水线(PipelineB)通过触发器监听另一个流水线(PipelineA)的执行状态,并可以基于匹配的工件约束来触发下游流程。
-
工件解析流程:系统需要正确解析并填充resolvedExpectedArtifacts字段,以便后续阶段可以使用#triggerResolvedArtifact表达式访问这些工件信息。
问题表现
当PipelineB配置了基于PipelineA执行的触发器,并包含工件约束时,系统会出现以下异常:
- 触发器能够正常启动PipelineB
- 但在Evaluate Variables阶段尝试使用#triggerResolvedArtifact表达式时失败
- 错误信息显示"Cannot index into a null value",表明resolvedExpectedArtifacts字段未被正确填充
影响范围
该问题影响所有满足以下条件的Spinnaker部署:
- 运行1.35.4版本
- 启用了SQL执行存储库功能
- 使用流水线触发器并依赖工件解析功能
解决方案
Spinnaker团队已经识别并修复了该问题,主要修正点包括:
- 确保在使用SQL pipelineRef功能时正确序列化和反序列化执行记录
- 修复了工件解析逻辑,确保resolvedExpectedArtifacts字段被正确填充
该修复已被合并到主分支并向后移植,包含在1.35.5版本中发布。用户升级到该版本即可解决此问题。
最佳实践
对于依赖流水线触发和工件解析功能的用户,建议:
- 及时升级到包含修复的版本
- 在升级前测试关键流水线的兼容性
- 对于复杂的工件依赖关系,考虑添加适当的错误处理逻辑
通过理解这一问题的技术背景和解决方案,用户可以更好地规划和管理他们的Spinnaker部署,确保持续交付流程的稳定性。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00