Microcks项目原生镜像安全优化实践:从安全修复到镜像瘦身
背景与问题发现
在云原生应用开发领域,容器镜像的安全性和轻量化一直是开发者关注的重点。Microcks作为一款开源的API模拟和测试工具,其原生编译镜像(microcks-uber:nightly-native)在arm64架构上的安全扫描结果暴露出重要问题。安全扫描报告显示该镜像存在大量需要关注的安全问题,这主要源于构建过程中使用了基于Ubuntu Jammy的旧版基础镜像(docker.io/dmikusa/run-jammy-base:0.0.2),该镜像已有两年未更新。
技术挑战分析
最初引入原生编译时,Spring生态尚未提供完善的多架构镜像支持。虽然最新版本的Spring已经发布了基于paketo-buildpacks/builder-jammy-java-tiny的多架构镜像,但该镜像缺少关键的libc++6库,而这是Microcks实现gRPC/protobuffer功能所必需的依赖。这种技术债导致项目不得不继续使用存在安全风险的旧版构建方案。
解决方案探索
技术团队尝试了两种改进路径:
-
自定义基础镜像方案:基于更新的Ubuntu Jammy创建了lbroudoux/run-jammy-tiny镜像,虽然解决了安全问题,但镜像体积增加了70MB,这与云原生应用追求轻量化的目标相悖。
-
定制化构建包方案:最终团队决定基于paketo-buildpacks/builder-jammy-java-tiny构建专属的构建包,仅添加必要的gRPC依赖库。这种方法既保持了镜像的轻量化,又能确保安全性。
实施成果
经过技术攻关,团队成功创建了microcks/builder-noble-java-tiny构建包,并取得了显著成效:
- 安全性提升:安全问题数量大幅减少,关键安全问题基本消除
- 镜像瘦身:镜像体积从112MB降至86MB,缩减约23%
- 功能完整性:完整保留了gRPC/protobuffer等关键功能支持
最佳实践建议
对于面临类似问题的开发者,建议:
- 定期扫描容器镜像安全问题,建立持续监控机制
- 优先选择官方维护的多架构基础镜像
- 对于特殊依赖需求,考虑定制最小化的构建方案而非全量基础镜像
- 在安全性和轻量化之间寻找平衡点,避免过度妥协任一方面
未来展望
随着云原生技术的演进,Microcks团队将持续优化容器化方案,探索更先进的构建技术如Distroless镜像等,在确保安全性的同时追求极致的运行时效率。这次安全优化实践不仅解决了当前问题,也为后续的架构演进积累了宝贵经验。
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