智汇 IT
城启新篇

容器化迁移中的镜像治理从一次拉取超时说起

晚上十一点,值班的手机响了。

一个做 SaaS 的团队在推容器化迁移,最后一批业务刚切进 K8s。新节点拉镜像超时。不是网络的事。他们的私有仓库正好在跑全量垃圾回收,把整个 blob 存储锁住了。

这种事我见得太多了。迁移方案书写满了网络规划、存储选型、流水线改造,唯独镜像治理,被塞在附录最后一页。

镜像不是文件 是供应链的账本

很多人对镜像的理解还停在打包好的程序。不对。它是分层的、带摘要的、可被继承和复用的供应链产物。

一个基础镜像被四十个业务镜像 FROM,这四十个镜像又被两百个 Deployment 引用。你以为你在 Dockerfile 里改的是一行 FROM,实际你动的是整条链。

麻烦在于,链上每一环都没有明确归属人。

基础镜像谁维护?安全组?平台组?还是那个三年前写了个 Dockerfile 就离职的人?这问题一问一个哑。我采访过的一个团队,最开始连自己有多少个镜像都说不清,只能靠翻仓库列表人工点。几千个。

容器镜像分层结构与manifest摘要关系示意图
容器镜像分层结构与manifest摘要关系示意图

标签的混乱比漏洞更早要命

我不太在意 latest。我在意的是有人拿 latest 上线。

tag 是个可变引用。今天的 v1.2 和下周的 v1.2 可以是两个完全不同的东西,只要有人重新 push 一次。那你回滚的时候回滚到哪去了?没人答得上来。

正经做法是用 digest。sha256 那一长串。丑,但确定。坑在于人手写不出来,得让流水线自己把 digest 写回部署清单里。这又牵扯到 GitOps 的写法,是把 digest 提交进仓库,还是让准入控制器在部署时去解析 tag。两条路都有人走,各有各的堵。

还有个更土的问题:命名。见过 test-2-final-真-final 这种吗。我见过。它现在还在生产环境跑着。

说白了,标签规范不是审美问题,是能不能审计的问题。什么时候构建的,谁构建的,基于哪个 commit。这些信息不该靠人记。

扫描和签名别做成仪式

CVE 扫描几乎是每个团队都会装的东西。装完之后呢?

扫出来三千个高危,没人看。时间一长就变成每周自动发一封邮件,收件人列表里一半已经离职了。这不叫治理,这叫心理安慰。

有效的做法很朴素。定一条基线,比如不允许某级别以上的漏洞进仓库。超了,就用准入控制卡下来。允许例外,但例外必须有到期时间,过期自动失效。否则例外会像藤蔓一样长满整个集群。

签名同理。cosign 接进去半天就能跑通,难的是让只允许拉取已签名镜像这条策略在集群里真的生效,而不是配了个开关,永远开着旁路白名单。

代价是什么?构建变慢,回滚手续变多,开发同学会骂人。这很正常。治理本质上是拿自由换可追溯,没人会为此鼓掌。

容器镜像CVE扫描与准入控制卡点流程图
容器镜像CVE扫描与准入控制卡点流程图

仓库的垃圾回收是最容易被忽略的账单

回到开头那个故事。

镜像仓库的存储不是无限的。每次 push 都产生 blob,删掉 tag 不等于删掉 blob,因为可能还有别的 manifest 引用着同一个层。跨仓库共享基础层的架构本来是为了省空间,结果一层没删干净,后面全是连环。

不做生命周期策略,两年下来一个中型团队能攒下几个 TB 的死数据。然后你去做 GC,GC 又要停写,停写又要发公告,公告发完运维还得蹲在机房里看日志。

务实一点。保留策略按 tag 规则走,最近三十天的构建产物留着,release tag 永久留,其余定期清无人引用的 manifest。GC 放低峰期,并且把耗时纳入监控。别等它超时了才想起来有个定时任务。

私有镜像仓库blob存储垃圾回收原理示意图
私有镜像仓库blob存储垃圾回收原理示意图

治理的落点在流程 不在工具

工具都够用。Harbor、Trivy、Cosign、Kyverno,开源生态不缺零件。

真正难的是三件事。基础镜像谁维护,多久重建一次。新镜像进来谁批,多久批完。出了问题,谁能查到这一层是从哪个 commit 来的。

没有 SBOM,没有构建元数据,没有 provenance,出事的时候只能干瞪眼。你会看到一群人在会议室里对着一个镜像 ID 面面相觑。

我的建议一直没变。迁移立项时就把镜像治理写成一条验收项,和网络、存储同级对待。别等仓库爆了、回滚失败了一次,才回过头来补课。那时候补的就不是技术债了,是信任。

免责声明:市场有风险,选择需谨慎!此文仅供参考,不作买卖依据。如有侵权请联系删除。
文章名称:容器化迁移中的镜像治理从一次拉取超时说起
文章链接:https://m.itcdj.com/news/995.html