CI/CDDevOps【免费下载链接】woodpeckerWoodpecker is a simple, yet powerful CI/CD engine with great extensibility.项目地址https://gitcode.com/gh_mirrors/wo/woodpecker点击查看免费下载本篇指南围绕 Woodpecker CI/CD 引擎的官方支持平台清单展开系统说明woodpecker-server、woodpecker-agent、woodpecker-cli与plugin-git四大组件的发布形态容器镜像 / 预编译二进制、操作系统与架构覆盖范围以及 Docker、Kubernetes、Local 三种执行后端在不同主机平台上的可用性。读完本文你将能根据自有服务器与 Agent 主机的操作系统快速确定应下载哪种安装包、选择哪个执行后端并理解底层构建与自动探测机制。发布形态容器镜像与预编译二进制Woodpecker 的每个组件都以两种形态对外发布容器镜像Image推送到 DockerHub 与 Quay 两个镜像仓库适用于 Docker、Kubernetes 等容器化部署场景预编译二进制Binary以.tar.gz压缩包或 Windows 下的.exe形式附加在官方 release 页面适用于直接安装到宿主机的场景。并非每个组件在所有平台上都可用。整体上server 与 Docker/Kubernetes 后端是 Linux 为中心的——server 依赖 Linux 运行时而两种容器后端依赖 Linux 容器运行时agent 与 CLI 则通过 Local 后端覆盖更广的操作系统集合包括 Windows、macOS、FreeBSD、OpenBSD。这一点在仓库的镜像构建文件中也能得到印证server 镜像如 docker/Dockerfile.server.multiarch.rootless只针对dist/server/${TARGETOS}_${TARGETARCH}/woodpecker-server打包而 agent 镜像docker/Dockerfile.agent.multiarch与 CLI 镜像docker/Dockerfile.cli.multiarch.rootless的构建方式与之类似均以 scratch 或 alpine 为基础镜像、以非 root 用户运行并统一暴露健康检查端点。四大组件与各自职责组件用途woodpecker-serverWeb UI、API、webhook 接收器、流水线调度器。woodpecker-agent通过执行后端Docker、Kubernetes、Local运行流水线工作流。woodpecker-cli用于与 server 交互的命令行工具。plugin-git默认的克隆插件每个工作流开始时由 agent 自动调用。默认以容器镜像形式分发同时也发布二进制供 Local 后端使用。从代码结构看woodpecker-server、woodpecker-agent、woodpecker-cli的入口分别位于仓库的 cmd/server、cmd/agent 与 cmd/cli 目录其中 agent 通过 agent/runner.go 将后端抽象与工作流执行逻辑解耦是后端可插拔设计的核心载体。组件 / 平台矩阵下表列出 Woodpecker 项目官方构建并发布的平台组合。其中Image表示容器镜像已推送到 DockerHub 与 QuayBinary表示预编译的.tar.gz压缩包或.exe已附加到官方 release。OS / 架构serveragentcliplugin-gitlinux / amd64Image BinaryImage BinaryImage BinaryImage Binarylinux / arm64 (arm64/v8)Image BinaryImage BinaryImage BinaryImage Binarylinux / arm/v7ImageImage BinaryImage BinaryImage Binarylinux / arm/v6ImageImageImageImagelinux / 386ImageImageImageImagelinux / ppc64leImageImageImageImagelinux / riscv64Image BinaryImage BinaryImage BinaryImagelinux / s390xImageImageImageImagewindows / amd64BinaryBinaryBinaryBinarywindows / arm64–––Binarydarwin / amd64 (macOS Intel)–BinaryBinaryBinarydarwin / arm64 (macOS Apple Silicon)–BinaryBinaryBinaryfreebsd / amd64Image BinaryImage BinaryImage BinaryBinaryfreebsd / arm64–Image BinaryImage BinaryBinaryopenbsd / amd64–BinaryBinaryBinaryopenbsd / arm64–BinaryBinaryBinary这张矩阵与仓库 Makefile 中的发布目标一一对应。例如release-agent目标逐条列出linux/amd64、linux/arm64、linux/riscv64、linux/arm、windows/amd64、darwin/amd64、darwin/arm64、freebsd/amd64、freebsd/arm64、openbsd/amd64、openbsd/arm64的交叉编译与打包命令release-cli目标同样覆盖除windows/arm64之外的全部平台release-server则通过 xgo 或原生交叉编译产出多平台二进制再打包为.tar.gz或.zip。因此上表Binary列的内容都可以视为源码构建配置的直接产物。发行版软件包DEB / RPM针对linux/amd64与linux/arm64项目还额外产出 DEB 与 RPM 软件包下载链接与 systemd 单元示例详见 Distribution packages 页面。该页面同时给出了基于 apt/dnf 的安装命令、/etc/woodpecker/woodpecker-server.env与woodpecker-agent.env环境文件模板以及 server/agent 两个 systemd 服务的完整单元配置适合直接以发行版原生方式托管服务的用户。对于其他架构则需要回到上表改用二进制压缩包或容器镜像。执行后端与平台支持agent 可以运行在上表列出的任何平台之上但实际可用的执行后端取决于 agent 宿主机的操作系统后端LinuxWindowsmacOSFreeBSDOpenBSDDockerSupportedSupported1–[WIP][^freebsd-docker]–KubernetesSupported––––LocalSupportedSupportedSupportedSupportedSupported围绕这张矩阵有几条关键结论值得展开Docker 与 Kubernetes 后端依赖 Linux 容器运行时因此通常要求 agent 运行在 Linux 主机上。Windows 上可通过 WSL2 或 Windows 容器获得 Docker 能力而在 macOS 或 OpenBSD 上运行 agent则只能使用 Local 后端。Local 后端直接在 agent 宿主机上执行流水线命令不做任何隔离是 macOS 与 OpenBSD 上唯一可用的后端仅适用于受信任的私有环境。完整的安全说明见 Local 后端文档。该文档特别警告由于命令与 agent 同用户、同文件系统运行恶意流水线可能读取到 agent 配置乃至WOODPECKER_AGENT_SECRET因此不应在允许任何人提交代码的公开实例上使用agent 也不应以 root 等特权用户运行。Local 后端会把克隆的代码与执行目录放在$TMPDIR下的随机目录中并可通过WOODPECKER_BACKEND_LOCAL_TEMP_DIR指定工作流临时目录。plugin-git 默认以容器方式被调用在 Docker/Kubernetes 后端不可用的主机上需要将 Local 后端配置为使用 plugin-git 的二进制版本或者干脆禁用克隆步骤、在流水线里手动克隆。从源码看后端的自动探测与可用性agent 的WOODPECKER_BACKEND环境变量对应 CLI 参数--backend-engine默认值为auto-detect见 cmd/agent/core/flags.go。auto-detect的具体语义由 pipeline/backend/backend.go 中的FindBackend实现它会依次遍历注册的各个后端引擎返回第一个IsAvailable(ctx)为真的后端若全部不可用则报错若显式指定了后端名称则按名称精确匹配。各后端的IsAvailable逻辑可以在对应实现中查看。以 Local 后端为例pipeline/backend/local/local.go 会检查环境变量WOODPECKER_IN_CONTAINER——该变量在官方镜像构建文件如 docker/Dockerfile.agent.multiarch中被显式设置为true用于标识运行在容器内。也就是说当 agent 以容器形态运行时Local 后端默认不会被自动选中从而避免在容器内执行无隔离任务反过来在 Windows、macOS、FreeBSD、OpenBSD 等宿主机上直接运行 agent 二进制时该变量不存在Local 后端即可被探测为可用。这与前文macOS/OpenBSD 只能用 Local 后端的矩阵结论完全自洽。选型建议为你的环境挑选组件与后端综合上面的矩阵可按部署形态给出几条实操路径Linux 服务器 Linux Agent主流场景server 与 agent 均首选容器镜像Docker Compose 或 Kubernetes后端选 Docker 或 Kubernetes获得完整的隔离与资源管理能力。若直接以二进制方式安装可使用linux/amd64或linux/arm64的 tarball 或 DEB/RPM 包。Apple Silicon / Intel Mac 上的 Agent只能选择预编译二进制darwin/arm64或darwin/amd64后端固定为 Local。请确认流水线代码可信且不要以特权用户运行 agent。Windows Agent使用windows/amd64的.exe压缩包后端可选 Local直接执行或通过 WSL2 Docker Desktop / 原生 Windows 容器启用 Docker 后端。FreeBSD / OpenBSD Agent均无 server 二进制只运行 agent 与 CLIOpenBSD 只有 Local 后端FreeBSD 的 Docker 后端仍在开发中。多架构 Linux 环境linux/riscv64已覆盖 server、agent、cli 的镜像与二进制plugin-git 仅镜像适合在 RISC-V 设备上搭建 CI 基础设施arm/v7、arm/v6、ppc64le、s390x则仅提供镜像需要以容器方式运行。最后提醒一点官方发布清单中的Image与Binary覆盖范围并不总是相同例如 windows/arm64 只有 plugin-git 二进制、freebsd/amd64 的 plugin-git 只有二进制下载前请对照组件/平台矩阵逐一确认避免在目标主机上拿到不可运行的组件形态。Windows 上 Docker 后端通过 WSL2 Docker Desktop 工作也支持原生 Windows 容器。↩赞分享CI/CDDevOps【免费下载链接】woodpeckerWoodpecker is a simple, yet powerful CI/CD engine with great extensibility.项目地址https://gitcode.com/gh_mirrors/wo/woodpecker点击查看免费下载相关推荐Pillow Python 版本支持指南官方支持矩阵与选型实践Pillow Python 版本支持指南官方支持矩阵与选型实践 导读 PillowPython Imaging Library 的现代 fork对 Pyt图像处理计算机视觉LMDeploy 支持模型矩阵全解读TurboMind 与 PyTorch 引擎跨平台适配指南LMDeploy 支持模型矩阵全解读TurboMind 与 PyTorch 引擎跨平台适配指南 LMDeploy 是面向大模型压缩、部署与服务的工具套件其模人工智能大模型模型推理服务推理引擎本地部署模型量化FlatBuffers 平台 / 语言 / 特性支持矩阵全解析跨语言生态能力对照与选型指南FlatBuffers 平台 / 语言 / 特性支持矩阵全解析跨语言生态能力对照与选型指南 导读 FlatBuffers 是一个持续演进的跨平台内存高效序列化序列化跨平台编译器上一篇Cartography实现标签页指示器iOS应用导航组件下一篇XAgent 中跨 OpenAI SDK 版本的模型别名测试test_model_alias 测试用例详解创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
企业数字化 ERP 产品动态
相关推荐
F2 折线图完全指南:从基础绘制到平滑、阶梯与平移交互的实战教程 数据可视化前端 【免费下载链接】F2 📱📈An elegant, interactive and flexible charting library for mobile. 项目地址: https://gitcode.com/gh_mirrors/f2/F2 点击查看 免费下载 折线图是 F2(AntV 面向移动端的可视化图表库&… · 2026/9/27 8:57:49
C# `string.Join` 处理 `List<int>` C# string.Join 处理 List<int>
string.Join 不能直接把 List<int> 当作 IEnumerable<string>,但有两种常用写法:
方式1:配合 .Select() 转字符串(推荐)
using System;
using System.Collections.Ge… · 2026/9/27 8:57:30
手把手教你用语音实现智能硬件开发:从拾音唤醒到识别播报全链路 1. 语音智能硬件开发到底在做什么语音智能硬件这个词,听起来挺唬人,但拆开看就三件事:把人的话变成机器能懂的指令,把机器的回应变成人听得懂的声音,再把这两件事塞进一个带麦克风和喇叭的硬件里。我最早接触这块是给一… · 2026/9/27 10:15:28
备份整个网站避坑指南:3步搞定注意事项,告别建站拖延症 备份整个网站避坑指南:3步搞定注意事项,告别建站拖延症 改个需求建站公司拖一周,这种憋屈感只有做网站的人才懂。你急着上线活动,他们却在那儿磨蹭,理由千奇百怪,最后发现数据还没备份好,生怕改坏了要回滚。这时候, 备份整个网站… · 2026/9/27 10:15:22
车规级超声波泊车控制器iND83207量产烧录方案与避坑指南 做车规级芯片量产的人应该都有体会:一颗芯片能不能顺利导入产线,很多时候卡在的不是芯片本身的功能,而是它“能不能被可靠地烧录”。我最近在整理超声波泊车辅助控制器的量产方案时,正好碰到了昂科烧录器新增支持INDIE英迪芯微的i… · 2026/9/27 10:15:22
Read the Docs 安全策略全解析:从基础设施、应用层防护到账户安全的纵深实践 后端文档 【免费下载链接】readthedocs.org The source code that powers readthedocs.org 项目地址: https://gitcode.com/gh_mirrors/re/readthedocs.org 点击查看 免费下载 Read the Docs 作为承载海量公开文档与私有文档托管的平台,其安全策略覆盖了… · 2026/9/27 10:15:22
从零搭建语音控制智能硬件:离线识别、语音播报与串口通信实战 语音控制智能硬件,听起来像是大厂实验室里的东西,其实门槛比大多数人想象的低得多。我最早接触这块是在做一个带语音播报的温控面板项目,当时以为要上云端、要买昂贵的语音模块,结果用一块几十块钱的开发板加一个离线语音识别芯片… · 2026/9/27 10:15:22
成都交易网站建设避坑:3个免费工具让官网转化率翻倍 成都交易网站建设避坑:3个免费工具让官网转化率翻倍 网站上线三个月,后台数据一片惨淡?每天只有几个爬虫IP,真实用户屈指可数?这不是你运气不好,是典型的“设计陷阱”和“技术债务”没还。在成都做交易类网站,很多老板盯着页面好不好看,却忽略了… · 2026/9/27 10:15:22
MATLAB雷达信号脉冲压缩仿真:LFM线性调频、匹配滤波与距离分辨率实现 简介:这套Matlab仿真工具完整呈现雷达信号脉冲压缩过程,从线性调频(LFM)信号生成、目标回波仿真到匹配滤波压缩处理均有可运行代码支撑,面向电子信息工程、计算机、数学等专业学生,适用于课程设计、期末大作… · 2026/9/27 0:00:01
汕头网站建设制作厂家避坑指南:5大注意事项救急 汕头网站建设制作厂家避坑指南:5大注意事项救急 改个需求建站公司拖一周,这种憋屈事我见得太多了。 很多汕头老板找本地建站团队,签合同前看着方案挺美,一上线就变脸。 今天不聊虚的,直接拆解找 汕头网站建设制作厂家 时的5个核心 注意事项… · 2026/9/27 0:00:01
多模态虚假新闻检测实战:BERT+ResNet双塔与对比学习 简介:基于PyTorch的多模态虚假新闻检测项目完整代码包,面向自然语言处理与计算机视觉交叉方向的开发者、科研人员及毕业设计选题者,解决社交媒体中文本与图像联合识别虚假新闻的问题。系统以BERT预训练模型提取文本语义特征,以Res… · 2026/9/27 0:00:01
MATLAB雷达信号脉冲压缩仿真:LFM线性调频、匹配滤波与距离分辨率实现 简介:这套Matlab仿真工具完整呈现雷达信号脉冲压缩过程,从线性调频(LFM)信号生成、目标回波仿真到匹配滤波压缩处理均有可运行代码支撑,面向电子信息工程、计算机、数学等专业学生,适用于课程设计、期末大作… · 2026/9/27 0:00:01
汕头网站建设制作厂家避坑指南:5大注意事项救急 汕头网站建设制作厂家避坑指南:5大注意事项救急 改个需求建站公司拖一周,这种憋屈事我见得太多了。 很多汕头老板找本地建站团队,签合同前看着方案挺美,一上线就变脸。 今天不聊虚的,直接拆解找 汕头网站建设制作厂家 时的5个核心 注意事项… · 2026/9/27 0:00:01
多模态虚假新闻检测实战:BERT+ResNet双塔与对比学习 简介:基于PyTorch的多模态虚假新闻检测项目完整代码包,面向自然语言处理与计算机视觉交叉方向的开发者、科研人员及毕业设计选题者,解决社交媒体中文本与图像联合识别虚假新闻的问题。系统以BERT预训练模型提取文本语义特征,以Res… · 2026/9/27 0:00:01