MongoDB libmongocrypt 项目发布流程详解
2025-06-24 17:21:00作者:凌朦慧Richard
前言
MongoDB libmongocrypt 是一个用于客户端字段级加密(CSFLE)的 C 语言库,它为 MongoDB 驱动程序提供了加密功能。本文将详细介绍 libmongocrypt 项目的发布流程,帮助开发者理解如何规范地发布新版本。
版本号规范
libmongocrypt 采用严格的版本号命名规则:
- 正式版本:格式为
1.[0-9].[0-9](例如 1.5.2) - 预发布版本:格式为
1.[0-9].[0-9]-(alpha|beta|rc)[0-9](例如 1.5.2-rc1)
这种规范确保了 Linux 发行版包能够被正确发布到指定位置。
发布前安全检查
漏洞扫描
在发布前必须使用 Snyk 和 Silk 工具进行漏洞扫描,确保符合安全开发生命周期(SDLC)的要求。
Snyk 检查步骤
- 访问 Snyk 平台并选择
dev-prod组织 - 检查名为
mongodb/libmongocrypt的 CLI 目标 - 更新与即将发布分支对应的参考目标
更新 Snyk 参考目标的详细命令:
# 确保生成源文件存在
cmake -S. -Bcmake-build -D BUILD_TESTING=OFF
cmake --build cmake-build --target mongocrypt
# 打印依赖路径并验证 libbson
snyk test --unmanaged --print-dep-paths
# 创建新的 Snyk 参考目标
snyk auth
snyk monitor \
--org=$ORGANIZATION_ID \
--target-reference="<rx.y或master>" \
--unmanaged \
--remote-repo-url=https://github.com/mongodb/libmongocrypt.git
增强型 SBOM 检查
检查最近构建中 sbom 任务生成的增强型软件物料清单(SBOM),特别注意其中的"vulnerabilities"字段。
正式发布流程
准备工作
- 如果是功能版本发布(x.y.0),需先完成静态分析报告
- 检出发布分支:
- 补丁版本:检出现有
rx.y分支 - 新功能版本:创建新的
rx.y分支
- 补丁版本:检出现有
- 更新相关文档:
- CHANGELOG.md
- etc/purls.txt
- etc/third_party_vulnerabilities.md
非补丁版本的特殊处理
如果是 x.y.0 版本发布:
- 更新 README.md 中的 Linux 包安装指令
- 更新持续集成系统中的分支设置
提交和打标签
- 提交变更到
rx.y分支,消息格式为"Release x.y.z" - 创建并推送标签:
git tag -a <tag> git push origin master 1.8.0-alpha0 # 新功能版本示例 git push origin r1.8 1.8.4 # 补丁版本示例
构建验证
确保持续集成系统中基于标签提交的版本已调度,以下任务必须成功:
upload-allwindows-upload-release- 所有
publish-packages任务
如果 publish-packages 任务失败,可能需要联系发布基础设施团队创建发布路径。
创建正式发布
- 在发布页面基于新标签创建发布
- 附加以下文件:
- 从
windows-upload-release任务获取的 tarball 和签名文件 - 增强型 SBOM 文件(cyclonedx.augmented.sbom.json)
etc/third_party_vulnerabilities.mdetc/ssdlc_compliance_report.md
- 从
后续工作
- 为下一个补丁版本生成新的 SBOM 序列号:
./.evergreen/earthly.sh +sbom-generate-new-serial-number - 如果是新功能版本:
- 提交文档更新请求
- 创建新的 Snyk 参考目标
- 更新 Webhook 设置包含新分支
- 向主分支提交 PR 包含发布变更
- 更新 Jira 发布页面
- 记录发布信息到 C/C++ 发布信息表
- 添加安全测试摘要链接
包管理器发布
Homebrew 发布
提交 PR 更新 Homebrew 公式文件,需要 macOS 环境或请求团队成员协助。
Debian 发布
如果是新功能版本发布,需要 Debian 维护者提交合并请求更新 PPA 配置。
最佳实践建议
- 版本规划:提前规划版本路线图,明确功能版本和补丁版本的发布计划
- 自动化检查:尽可能将安全检查步骤自动化,减少人为遗漏
- 文档同步:确保所有相关文档与代码同步更新
- 回滚计划:准备发布失败时的回滚方案
- 跨平台验证:在所有支持平台上验证发布包的功能完整性
通过遵循这些严格的发布流程,可以确保 libmongocrypt 的每个版本都达到 MongoDB 项目的高质量标准,为用户提供安全可靠的加密功能。
登录后查看全文
热门项目推荐
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-7BSpark-Prover-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-7BSpark-Formalizer-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile015
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
最新内容推荐
SteamVR 1.2.3 Unity插件:兼容Unity 2019及更低版本的VR开发终极解决方案 32位ECC纠错Verilog代码:提升FPGA系统可靠性的关键技术方案 ZLIB 1.3 静态库 Windows x64 版本:高效数据压缩解决方案完全指南 2023年最新HTMLCSSJS组件库:提升前端开发效率的必备资源 Qt控件CSS样式实例大全 - 打造现代化GUI界面的终极指南 Photoshop作业资源文件下载指南:全面提升设计学习效率的必备素材库 STDF-View解析查看软件:半导体测试数据分析的终极工具指南 PADS元器件位号居中脚本:提升PCB设计效率的自动化利器 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 海康威视DS-7800N-K1固件升级包全面解析:提升安防设备性能的关键资源
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
306
2.69 K
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
136
165
React Native鸿蒙化仓库
JavaScript
233
309
暂无简介
Dart
596
130
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
630
228
仓颉编译器源码及 cjdb 调试工具。
C++
123
664
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.06 K
615
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
195
72
仓颉编程语言测试用例。
Cangjie
36
665