OSSF Scorecard项目从Container Registry迁移到Artifact Registry的技术实践
Google Cloud宣布将于2025年逐步淘汰Container Registry服务,全面转向Artifact Registry。作为依赖Google Cloud容器服务的开源项目,OSSF Scorecard团队面临着从Container Registry(gcr.io)迁移到Artifact Registry的重要任务。本文将详细介绍这一迁移过程的技术细节、挑战和解决方案。
迁移背景与时间节点
Google Cloud Container Registry的淘汰计划分为三个阶段:
- 2025年3月18日起,禁止向Container Registry写入新镜像
- 2025年5月20日起,禁止从Container Registry读取镜像
- 2025年7月17日起,所有gcr.io端点将完全由Artifact Registry提供服务
对于OSSF Scorecard项目而言,这意味着需要在此之前完成所有容器镜像的迁移工作,确保CI/CD流程和用户使用不受影响。
项目容器镜像现状分析
OSSF Scorecard项目在Container Registry中维护了多个关键镜像,主要分为两类:
面向用户的公共镜像
- scorecard:核心评分工具镜像
- scorecard-action:GitHub Action使用的镜像
- scorecard-attestor:认证相关镜像(可能)
内部基础设施镜像
- scorecard-batch-controller
- scorecard-batch-worker
- scorecard-bq-transfer
- scorecard-cii-worker
- scorecard-github-server
- scorecard-webhook-releasetest
经过分析,项目积累了约18,000个镜像,总存储量约350GB。按照Artifact Registry的定价模型,这将产生每月约35美元的费用。
迁移策略与技术实现
团队制定了以下迁移策略:
1. 镜像筛选与保留
考虑到历史镜像数量庞大,团队决定:
- 保留所有带有语义版本标签的公共镜像(如v1.0.0、v2.1.3等)
- 保留latest和stable等关键标签
- 使用Google提供的迁移工具配合--recent-images参数,仅迁移最近30-180天内被拉取过的镜像
2. 镜像拉取与标记
为确保关键镜像被识别为"最近使用",团队编写了自动化脚本批量拉取所有带标签的镜像。例如对于scorecard镜像:
versions=(
latest
stable
v5.1.1
v5.1.0
# 其他版本...
)
for i in "${versions[@]}"; do
docker pull gcr.io/openssf/scorecard:$i
done
3. 镜像存储优化
为减少未来存储开销,团队实施了以下优化措施:
- 将Scorecard主镜像发布到GitHub Container Registry(GHCR)
- 为Scorecard Action添加定期清理未标记镜像的工作流
- 评估将cron基础设施迁移到GHCR的可行性
迁移过程中的技术挑战
在迁移过程中,团队遇到了几个技术问题:
1. 镜像写入异常
尽管官方文档称Container Registry已停止写入,但实际上仍能间歇性工作。这导致团队需要同时处理迁移和日常构建任务。
2. 稳定版本更新中断
团队发现最新的stable镜像已三周未更新。经排查,这是由于间接依赖的GCS存储库更新导致的错误处理变化。具体来说:
- Google Cloud Go库更新开始包装某些错误
- 直接依赖的gocloud.dev因需要Go 1.24而被Dependabot忽略更新
- 错误处理逻辑变化导致shard处理失败
解决方案有两种:
- 提前升级到Go 1.24以兼容最新gocloud.dev
- 修改错误检查逻辑,显式处理storage.ErrObjectNotExist错误
团队选择了第二种方案作为临时修复:
ret, err := bucket.Exists(ctx, key)
if err != nil && !errors.Is(err, storage.ErrObjectNotExist) {
return ret, fmt.Errorf("error during bucket.Exists: %w", err)
}
迁移后的验证与监控
完成迁移后,团队进行了全面验证:
- 确认所有带标签的镜像已成功迁移
- 验证CI/CD流程在新registry下的工作状态
- 监控stable标签的自动更新机制
- 确保用户-facing的镜像(latest/stable)保持可用性
经验总结与最佳实践
通过这次迁移,OSSF Scorecard团队总结了以下经验:
- 尽早规划迁移:在服务淘汰前留出充足时间处理意外问题
- 镜像分类管理:区分用户-facing和内部镜像,制定不同的保留策略
- 自动化验证:编写脚本验证关键镜像的可用性
- 依赖管理:密切监控间接依赖的变更可能带来的影响
- 多registry策略:考虑使用GHCR等替代方案分散风险
这次迁移不仅解决了服务淘汰带来的挑战,也为项目未来的容器镜像管理奠定了更可持续的基础。通过优化存储策略和引入多registry支持,OSSF Scorecard项目在保证服务连续性的同时,也提升了基础设施的健壮性。
- 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~044CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode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!C0300- 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









