企业官网建设流程全解析

StarRocks Artifacts 镜像构建与发布指南：基于 Busybox 的 FE/BE 构件载体

【免费下载链接】starrocksThe world's fastest open query engine for sub-second analytics both on and off the data lakehouse. With the flexibility to support nearly any scenario, StarRocks provides best-in-class performance for multi-dimensional analytics, real-time analytics, and ad-hoc queries. A Linux Foundation project.项目地址: https://gitcode.com/GitHub_Trending/st/starrocks

本指南以仓库 docker/dockerfiles/artifacts/README.md 为骨架，完整讲解 StarRocks Artifacts 镜像的设计动机、构建命令与发布流程，并结合 artifact.Dockerfile 及下游 fe/be/allin1 镜像的源码实现，说明它如何在多阶段 Docker 构建流水线中充当"构件搬运工"，最终支撑 Kubernetes 各类运行时镜像的产出。读完本文，你将掌握为 Ubuntu 与 CentOS 7 发行版构建并推送 StarRocks Artifacts 镜像的完整命令，并理解它与 dev-env 镜像、运行时镜像之间的调用关系。

Artifacts 镜像是什么：一段 1MB 的"构件快递"

StarRocks 的容器化构建采用封闭式（hermetic）多阶段 Docker 构建环境（见 docker/dockerfiles/README.md）。在这个流水线中，Artifacts 镜像承担的角色非常特殊：

• 它以Busybox为基础镜像。Busybox 镜像体积仅约 1MB，不含任何多余的包管理器与运行库；
• 构建阶段（fe-builder / be-builder / downloader）在功能完整的 dev-env 镜像中完成 FE、BE 及 broker 的编译产物产出；
• 最终阶段把三类产物统一拷贝进 Busybox 基础镜像，得到一份只装产物、不带编译环境的精简镜像；
• 这份 Artifacts 镜像随后作为"载体"，把构件传递到 Docker 构建的下一个阶段，用于打包成各种类型的 Kubernetes 部署运行时镜像（FE 镜像、BE/CN 镜像、All-in-One 镜像等）。

也就是说，Artifacts 镜像本身不用于直接运行 StarRocks，而是编译产物在流水线各阶段之间的传递介质。由于它不携带工具链和运行时依赖，体积被压缩到极致，搬运成本几乎可以忽略。

构建前的前置知识：如何选择正确的 dev-env 基础镜像

构建 Artifacts 镜像前，必须先用合适的 dev-env 镜像编译 FE/BE 源码。dev-env 镜像的命名与选择遵循如下规则：

如果构件来自branch-x分支、面向 linux 发行版distro，则应使用对应的starrocks/dev-env-${distro}:${branch}-latest。

例如：

• 面向Ubuntu发行版、基于branch-3.0分支构建，应使用starrocks/dev-env-ubuntu:branch-3.0-latest；
• 面向Ubuntu发行版、基于main分支构建，应使用starrocks/dev-env-ubuntu:main-latest；
• 面向CentOS 7发行版，则对应starrocks/dev-env-centos7:main-latest。

dev-env 镜像本身由 dev-env/dev-env.Dockerfile 构建，其中预装全部开发工具、预编译的 StarRocks thirdparty 依赖以及 Maven 依赖缓存，并以distro构建参数区分 Ubuntu / CentOS 7 / Rocky 9 三个发行版（见 dev-env/README.md）。Artifacts 镜像的构建命令通过--build-arg builder=...把这一选择注入到artifact.Dockerfile中。

一、为 Ubuntu 构建 StarRocks Artifacts 镜像

构建 Ubuntu 版 Artifacts 镜像的命令如下（需在仓库根目录执行）：

DOCKER_BUILDKIT=1 docker build --build-arg builder=starrocks/dev-env-ubuntu:<branch>-latest -f artifact.Dockerfile -t ghcr.io/OWNER/starrocks/artifact-ubuntu:<tag> ../../..

实际示例（main 分支）：

DOCKER_BUILDKIT=1 docker build --build-arg builder=starrocks/dev-env-ubuntu:main-latest -f artifact.Dockerfile -t ghcr.io/starrocks/starrocks/artifact-ubuntu:main ../../..

命令拆解：

注意：artifact.Dockerfile的实际路径是docker/dockerfiles/artifacts/artifact.Dockerfile；当从仓库根目录执行上述命令时，-f artifact.Dockerfile依赖 docker build 的-f路径解析，官方注释中的等价写法为-f docker/dockerfiles/artifacts/artifact.Dockerfile（见该文件头部注释）。

二、发布 Ubuntu Artifacts 镜像到 ghcr.io

docker push ghcr.io/OWNER/starrocks/artifact-ubuntu:<tag>

实际示例：

docker push ghcr.io/starrocks/starrocks/artifact-ubuntu:main

发布前请确保已通过docker login ghcr.io完成 GitHub Container Registry 的身份认证，并确认该命名空间下具备推送权限。

三、为 CentOS 7 构建 StarRocks Artifacts 镜像

CentOS 7 版的构建流程与 Ubuntu 完全一致，只需把builder换成dev-env-centos7镜像、并把镜像名中的发行版标识改为centos7：

DOCKER_BUILDKIT=1 docker build --build-arg builder=starrocks/dev-env-centos7:<branch>-latest -f artifact.Dockerfile -t ghcr.io/OWNER/starrocks/artifact-centos7:<tag> ../../..

实际示例（main 分支）：

DOCKER_BUILDKIT=1 docker build --build-arg builder=starrocks/dev-env-centos7:main-latest -f artifact.Dockerfile -t ghcr.io/OWNER/starrocks/artifact-centos7:main ../../..

同一份artifact.Dockerfile即可产出 Ubuntu 与 CentOS 7 两种 Artifacts 镜像，区别仅在于builder参数。底层 dev-env 的 CentOS 7 版本由dev-env.Dockerfile中的--build-arg distro=centos7构建而来。

四、发布 CentOS 7 Artifacts 镜像到 ghcr.io

docker push ghcr.io/OWNER/starrocks/artifact-centos7:<tag>

实际示例：

docker push ghcr.io/starrocks/starrocks/artifact-centos7:main

源码纵深：artifact.Dockerfile 内部的三段式构建

要真正理解 Artifacts 镜像，需要走进 artifact.Dockerfile。它定义了若干可调参数与四个构建阶段：

可调构建参数

阶段一：fe-builder —— 编译 FE 与 Broker

FROM ${builder} as fe-builder COPY . ${BUILD_ROOT} RUN --mount=type=cache,target=/root/.m2/ STARROCKS_VERSION=${RELEASE_VERSION} BUILD_TYPE=${BUILD_TYPE} MAVEN_OPTS=${MAVEN_OPTS} ./build.sh --fe --with-maven-batch-mode ON --clean RUN --mount=type=cache,target=/root/.m2/ cd fs_brokers/apache_hdfs_broker/ && STARROCKS_VERSION=${RELEASE_VERSION} MAVEN_OPTS=${MAVEN_OPTS} ./build.sh

• 复用 dev-env 中预置的编译工具链与 Maven 仓库；
• --mount=type=cache,target=/root/.m2/是 BuildKit 的缓存挂载，跨构建复用 Maven 依赖缓存，显著加速迭代；
• 第一阶段同时产出 FE 产物与 HDFS Broker 产物（后者位于fs_brokers/apache_hdfs_broker/output）。

阶段二：be-builder —— 并行编译 BE

FROM ${builder} as be-builder RUN --mount=type=cache,target=/root/.m2/ STARROCKS_VERSION=${RELEASE_VERSION} BUILD_TYPE=${BUILD_TYPE} MAVEN_OPTS=${MAVEN_OPTS} ./build.sh --be --enable-shared-data --clean -j `nproc`

• 与 FE 构建在两个独立 stage 中并行执行，这正是 docker/dockerfiles/README.md 所述"利用 BuildKit 并行构建以获取最优速度"的实现；
• --enable-shared-data表明该流水线产物支持存算分离场景；
• -j $(nproc)按宿主机核数启用并行编译。

阶段三：downloader —— 下载诊断工具

FROM ubuntu:24.04 as downloader ARG DD_AGENT_VERSION ... ADD ${FINAL_DOWNLOAD_URL} /datadog/dd-java-agent.jar ADD 'https://arthas.aliyun.com/arthas-boot.jar' /arthas/arthas-boot.jar RUN wget ... ddprof ... -O /datadog/ddprof

该阶段预下载三类 Java/性能诊断组件：DataDog Java Agent（dd-java-agent.jar，可用DD_AGENT_VERSION固定版本，缺省取最新）、Arthas 诊断工具（arthas-boot.jar）以及用于 BE 性能剖析的ddprof。

阶段四：busybox 终态 —— 组装精简产物镜像

FROM busybox:latest LABEL org.opencontainers.image.source="https://github.com/starrocks/starrocks" LABEL org.starrocks.version=${RELEASE_VERSION:-"UNKNOWN"} COPY --from=fe-builder ${BUILD_ROOT}/output /release/fe_artifacts COPY --from=be-builder ${BUILD_ROOT}/output /release/be_artifacts COPY --from=fe-builder ${BUILD_ROOT}/fs_brokers/apache_hdfs_broker/output /release/broker_artifacts COPY --from=downloader /arthas/arthas-boot.jar /release/fe_artifacts/fe/arthas/arthas-boot.jar COPY --from=downloader /datadog/dd-java-agent.jar /release/fe_artifacts/fe/datadog/dd-java-agent.jar COPY --from=downloader /datadog/ddprof /release/be_artifacts/be/datadog/ddprof WORKDIR /release

最终镜像内部分区明确：

• /release/fe_artifacts：FE 产物；
• /release/be_artifacts：BE 产物；
• /release/broker_artifacts：HDFS Broker 产物；
• FE 目录内预置 Arthas 与 DataDog Java Agent，BE 目录内预置 ddprof，便于运行时诊断。

下游消费：Artifacts 镜像如何进入运行时镜像

Artifacts 镜像不是终点，而是 k8s 运行时镜像的原料。FE、BE/CN、All-in-One 三类运行时镜像的 Dockerfile 均支持两种产物来源（以ARTIFACT_SOURCE参数区分）：

• image：从 Artifacts 镜像拷贝构件（生产流水线路径）；
• local：从本地构建目录output/拷贝构件（本地开发调试路径）。

以 fe-ubuntu.Dockerfile 为例：

ARG ARTIFACTIMAGE=starrocks/artifacts-ubuntu:latest FROM ${ARTIFACTIMAGE} AS artifacts-from-image ... FROM artifacts-from-${ARTIFACT_SOURCE} AS artifacts ... COPY --from=artifacts --chown=$USER:$GROUP /release/fe_artifacts/ $STARROCKS_ROOT/

be-ubuntu.Dockerfile 的结构相同，且会额外删除 BE 的.debuginfo符号文件以缩减体积。实际构建命令（见 fe/README.md 与 be/README.md）：

# 从 Artifacts 镜像打包 FE 运行时镜像 DOCKER_BUILDKIT=1 docker build --build-arg ARTIFACT_SOURCE=image --build-arg ARTIFACTIMAGE=ghcr.io/starrocks/starrocks/artifact-ubuntu:main -f fe-ubuntu.Dockerfile -t fe-ubuntu:main ../../.. # 从 Artifacts 镜像打包 BE/CN 运行时镜像 DOCKER_BUILDKIT=1 docker build --build-arg ARTIFACT_SOURCE=image --build-arg ARTIFACTIMAGE=ghcr.io/starrocks/starrocks/artifact-ubuntu:main -f be-ubuntu.Dockerfile -t be-ubuntu:main ../../..

allin1-ubuntu.Dockerfile 同样以ARTIFACTIMAGE=ghcr.io/starrocks/starrocks/artifact-ubuntu:main作为默认产物来源，构建启动即拉起完整 FE + BE 集群栈的开发测试镜像。CN 镜像与 BE 镜像共享同一产物，仅入口脚本不同（be_entrypoint.sh与cn_entrypoint.sh，见 be/README.md）。

由此可见，一份 Artifacts 镜像 + 不同运行时 Dockerfile = FE、BE、CN、All-in-One 多种 k8s 部署镜像，这正是该设计"产物一次构建、多场景复用"的核心价值。

实操自查清单

1. 确认DOCKER_BUILDKIT=1已启用（多阶段并行构建依赖 BuildKit）；
2. 按"分支 + 发行版"规则选定正确的starrocks/dev-env-${distro}:${branch}-latest镜像；
3. 在仓库根目录执行构建，-f指向docker/dockerfiles/artifacts/artifact.Dockerfile，上下文为../../..；
4. 用docker push发布前先完成 ghcr.io 登录与权限确认；
5. 下游构建运行时镜像时，将ARTIFACTIMAGE指向刚发布的 Artifacts 镜像标签，保持发行版一一对应（Ubuntu 产物配 Ubuntu 运行时，CentOS 7 产物配 CentOS 7 运行时）。

参考路径速查

• 关联文档：docker/dockerfiles/artifacts/README.md
• 构建文件：docker/dockerfiles/artifacts/artifact.Dockerfile
• 流水线总览：docker/dockerfiles/README.md
• dev-env 镜像：docker/dockerfiles/dev-env/README.md 与 dev-env.Dockerfile
• FE 运行时镜像：docker/dockerfiles/fe/fe-ubuntu.Dockerfile
• BE/CN 运行时镜像：docker/dockerfiles/be/be-ubuntu.Dockerfile
• All-in-One 镜像：docker/dockerfiles/allin1/README.md

【免费下载链接】starrocksThe world's fastest open query engine for sub-second analytics both on and off the data lakehouse. With the flexibility to support nearly any scenario, StarRocks provides best-in-class performance for multi-dimensional analytics, real-time analytics, and ad-hoc queries. A Linux Foundation project.项目地址: https://gitcode.com/GitHub_Trending/st/starrocks