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。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-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。00