Azure Pipelines Agent离线升级部署目标的技术方案
背景介绍
在企业级DevOps实践中,许多组织出于安全考虑会部署隔离环境。当使用Azure Pipelines Agent时,这些隔离环境中的部署目标(同时作为环境目标)的升级成为一个技术挑战。本文将详细介绍针对Windows Server环境下离线Agent的升级方案。
标准升级流程的问题
在标准配置下,Azure Pipelines Agent会通过SelfUpdater组件自动执行升级流程。该组件会尝试从微软官方资源服务器下载最新版本的Agent压缩包(如vsts-agent-win-x64-3.238.0.zip),然后执行更新操作。
然而,在隔离环境中,由于网络策略限制无法访问外部资源,这一自动升级流程会失败。虽然微软官方文档提到可以将Agent压缩包手动放置到特定目录(Windows系统为%ProgramData%\Microsoft\Azure DevOps\Agents)来实现离线升级,但实际测试发现当前版本的SelfUpdater并未实现这一检查逻辑。
可行的解决方案
方案一:手动替换升级(推荐)
- 从GitHub Releases页面下载对应版本的Agent压缩包
- 停止当前运行的Agent服务
- 将压缩包解压到现有Agent目录,覆盖现有文件
- 重新启动Agent服务
使用PowerShell的示例命令:
Add-Type -AssemblyName System.IO.Compression.FileSystem
[System.IO.Compression.ZipFile]::ExtractToDirectory("下载路径\vsts-agent-win-x64-agent-版本号.zip", "Agent安装目录", $true)
此方法会保留以下重要内容:
- 认证凭据文件
- 工作目录(_work)
- 诊断日志目录(_diag)
- 历史记录
方案二:网络访问例外配置
如果组织政策允许,可以配置网络策略,允许Agent服务器访问特定的微软资源服务器端点。这需要参考微软官方提供的IP地址和URL允许列表进行配置。
技术细节说明
-
目录结构保留:手动替换时,系统会保留所有运行时生成的目录和文件,仅替换核心可执行文件和库文件。
-
版本兼容性:建议在升级前检查版本变更说明,确保新版本与现有流水线配置兼容。
-
回滚机制:在执行升级前,建议备份整个Agent目录,以便在出现问题时快速回滚。
最佳实践建议
-
测试环境验证:先在测试环境验证升级流程,确认无误后再在生产环境执行。
-
维护窗口期:选择业务低峰期执行升级操作,减少对持续交付流程的影响。
-
版本管理:建立内部文档记录每个环境的Agent版本,便于问题排查和版本控制。
-
自动化脚本:对于多台离线Agent服务器,可以编写自动化部署脚本,提高升级效率和一致性。
通过以上方案,企业可以在保持隔离环境安全性的同时,确保Azure Pipelines Agent能够及时获得功能更新和安全补丁。
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