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
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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
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
最新内容推荐
IEC61850建模工具及示例资源:智能电网自动化配置的完整指南 TextAnimator for Unity:打造专业级文字动画效果的终极解决方案 全球GEOJSON地理数据资源下载指南 - 高效获取地理空间数据的完整解决方案 全球36个生物多样性热点地区KML矢量图资源详解与应用指南 PANTONE潘通AI色板库:设计师必备的色彩管理利器 OMNeT++中文使用手册:网络仿真的终极指南与实用教程 深入解析Windows内核模式驱动管理器:系统驱动管理的终极利器 咖啡豆识别数据集:AI目标检测在咖啡质量控制中的革命性应用 LabVIEW串口通信开发全攻略:从入门到精通的完整解决方案 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
项目优选
收起
deepin linux kernel
C
24
9
暂无简介
Dart
646
149
Ascend Extension for PyTorch
Python
207
220
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++
653
286
React Native鸿蒙化仓库
JavaScript
250
318
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🎉 (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
1.13 K
637
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,提供Transformer定制化场景的高性能融合算子。
C++
78
101
仓颉编译器源码及 cjdb 调试工具。
C++
130
861
仓颉编程语言运行时与标准库。
Cangjie
134
873