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。
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~042CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava03GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0289- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选









