testssl.sh 项目中的 Docker 构建优化探讨
在 testssl.sh 项目的 Docker 构建过程中,开发者们正在讨论如何优化最终的镜像构建阶段。目前 Dockerfile 中包含了两个最终构建阶段:dist-local 和 dist-git,这引发了一些关于最佳实践的思考。
当前构建阶段分析
testssl.sh 的 Docker 构建流程目前提供了两种最终镜像构建方式:
-
dist-local 阶段:这是更传统的构建方式,假设用户已经将代码克隆到本地,然后基于本地文件系统构建镜像。这种方式允许使用
.dockerignore文件来排除不必要的文件,从而减小最终镜像的体积。 -
dist-git 阶段:这个阶段设计用于直接从 Git 仓库构建镜像,无需事先克隆代码到本地。虽然提供了便利性,但实际上这种构建方式在功能上是冗余的,因为同样的效果可以通过调整构建参数来实现。
优化建议
技术讨论中提出了几个优化方向:
-
调整阶段顺序:建议将
dist-local阶段作为默认构建目标,这可以通过简单地调整 Dockerfile 中多阶段构建的顺序来实现。按照 Docker 的惯例,最后一个定义的阶段会自动成为默认构建目标。 -
简化构建流程:考虑到
dist-git阶段的功能可以通过其他方式实现,建议移除这个专门的构建阶段,转而使用更标准的 Docker 构建参数来实现相同的功能。 -
构建体验优化:对于希望直接从 Git 构建的用户,可以提供更简洁的命令行示例,使用标准的 Docker 远程构建功能,而不需要专门的构建阶段。
技术实现细节
如果保留 dist-git 阶段作为可选构建目标,用户可以通过以下方式使用:
docker build \
--tag localhost/testssl.sh:版本号 \
--target dist-git \
--build-arg GIT_BRANCH=分支名 \
.
而如果采用更简化的方案,用户可以直接从远程仓库构建:
docker build --tag localhost/testssl.sh:版本号 https://github.com/testssl/testssl.sh.git#分支名
对于 Alpine 变体,由于需要使用不同的 Dockerfile,命令会稍复杂一些:
docker build \
--tag localhost/testssl.sh:版本号-alpine \
--file https://raw.githubusercontent.com/testssl/testssl.sh/分支名/Dockerfile-alpine \
https://github.com/testssl/testssl.sh.git#分支名
性能与便利性权衡
讨论中也提到了性能与便利性之间的权衡:
- 镜像体积:使用
dist-local方式配合.dockerignore可以最小化镜像体积,大约能节省 8MB 空间。 - 构建便利性:直接从 Git 构建提供了更好的用户体验,特别是对于自动化脚本和 CI/CD 流水线。
- 维护成本:减少特殊的构建阶段可以简化 Dockerfile 的维护工作。
结论
对于大多数用户来说,优先使用 dist-local 阶段作为默认构建目标是一个合理的选择。这不仅符合 Docker 的最佳实践,还能提供更好的构建灵活性。对于那些需要直接从 Git 仓库构建的特殊用例,可以通过标准的 Docker 远程构建功能来实现,而不需要维护专门的构建阶段。这种优化将使项目的 Docker 构建配置更加简洁和易于维护。
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- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00