#CI/CD

Dagger是一款现代化API和跨语言脚本引擎，用于替代软件项目中的手工脚本。该工具将项目任务和工作流程封装为简单函数，并转化为自定义GraphQL API。Dagger支持CLI、语言解释器和HTTP客户端等多种运行方式，实现模块化开发和社区共享。它有效降低项目复杂度，提升开发效率，确保开发和CI环境一致性，并增强团队协作。对平台团队而言，Dagger可减少CI锁定，加速CI运行，并提供灵活的平台策略。

ks-devops是KubeSphere的DevOps组件，整合主流CI/CD工具，提供基于Jenkins的流水线和自动化工具。借助Kubernetes容器编排，实现Jenkins Agent动态扩展，优化CI/CD效率。支持开箱即用的流水线、自动化工具和CLI管理，为企业打造完整的云原生DevOps平台，加快产品迭代速度。

cicd-goat是一个CI/CD安全学习平台，提供11个基于真实环境的挑战，覆盖OWASP Top 10 CI/CD安全风险。该项目使用Docker容器模拟完整CI/CD流程，包含Gitea、Jenkins和LocalStack等组件。通过解决不同难度的挑战，参与者可以提升CI/CD安全技能，体验从代码到生产的全流程安全实践。这个项目适合希望提升CI/CD安全能力的开发人员、安全工程师和DevOps团队，可用于安全培训、技能评估和最佳实践学习。

Pipeline Global Library 是一个为 Jenkins 项目设计的流水线全局库,提供了一系列用于 Jenkins 实例的步骤和变量。该库包含构建 Maven 和 Gradle 插件项目的步骤,支持多平台并行构建,集成代码覆盖率和静态分析工具,并具备 Docker 镜像构建和发布功能。这个库简化和标准化了 Jenkins 项目的 CI/CD 流程,有助于提高开发效率。

Jenkinsfile Runner是一个开源项目,将Jenkins Pipeline执行引擎打包为命令行工具和Docker镜像。它支持在FaaS环境使用Jenkins、本地测试Pipeline,以及进行Pipeline集成测试。用户可通过命令行或Docker运行Jenkinsfile,并可添加插件和自定义配置。项目提供官方Docker镜像和扩展方法,适用于多种Pipeline执行场景。

这是一个包含大量高级监控插件的开源项目，为IT基础设施提供全面监控能力。项目支持多种操作系统和容器环境，涵盖众多技术和服务的检查脚本。通过持续更新和社区贡献，结合多平台CI/CD测试，确保了插件的质量和可靠性。适用于系统管理员和开发人员构建强大的监控系统。

jenkins-bootstrap-shared是一个开源项目,提供脚本和工具以自动化Jenkins的部署、管理和升级。它支持本地、Docker和Vagrant等多种部署方式,通过共享核心逻辑和允许定制来简化Jenkins实例及插件的管理。项目特点包括支持多种部署方式、共享核心逻辑、允许下游项目定制、提供打包和升级功能等。这些特性使Jenkins的部署和维护变得更加简单和安全,适用于各种规模的开发团队。

jenkins-stack-kubernetes项目提供在Kubernetes上部署Jenkins CI/CD堆栈的脚本和配置文件。该堆栈集成了Jenkins、Docker、Docker registry和Gitea，构建完整的持续集成和部署环境。Jenkins预装Git、Docker、Kubernetes客户端、Ansible等工具，以及50多个常用插件。项目兼容Kubernetes 1.20+版本，部署简便，适合快速搭建Kubernetes上CI/CD环境。

stashnotifier-plugin是一款Jenkins插件，用于自动同步构建结果到Bitbucket Server。该插件在Bitbucket的提交日志中显示构建状态图标，点击可跳转至Jenkins构建详情。支持UI和脚本配置，兼容传统Jenkins任务和Pipeline工作流，方便开发团队快速了解代码构建情况。此插件要求Bitbucket Server 4.0或更高版本，通过在Jenkins的后构建操作中添加'Notify Bitbucket Instance'来使用，适用于各种Jenkins环境。

Dockle是一个开源的容器镜像安全检查和最佳实践验证工具。它可以帮助构建符合最佳实践的Docker镜像,检测潜在安全漏洞,并支持CIS基准检查。Dockle操作简便,只需指定镜像名称即可扫描,适合集成到CI/CD流程。该工具提供详细的检查点列表,涵盖Docker镜像和Linux系统的多个安全方面。

build-push-action是GitHub Actions的一个工具，用于构建和推送Docker镜像。它利用Buildx和Moby BuildKit，支持多平台构建、secrets管理和远程缓存。该工具提供构建参数、缓存策略和输出目标等自定义选项，并生成构建摘要和记录。它可以简化Docker镜像的CI/CD流程，适用于管理容器化应用。

docker-ansible项目提供了在Docker容器中运行Ansible的标准化环境。该项目支持多个Ansible版本和操作系统基础镜像，如Alpine、Ubuntu和Debian。同时还兼容ARM架构，可用于Macbook、AWS Graviton和Raspberry Pi等设备。这些镜像可在本地机器或CI/CD系统中使用，实现了Ansible运行环境的一致性和可移植性。

docker-android-build-box是一个集成了Android SDK和Flutter SDK的优化Docker镜像。它包含多个Android SDK平台版本、构建工具、NDK和bundletool等最新Android开发工具。镜像还整合了Java、Python、Node.js和Ruby等常用开发环境。支持Bitbucket Pipelines和Github Actions，适用于CI/CD流程，简化Android和Flutter项目的构建过程。

docker-gitea-act-runner项目基于Debian构建Docker镜像，内置Gitea的act_runner。提供Docker-out-of-Docker、Docker-in-Docker和无根Docker-in-Docker三种模式，适应不同CI/CD场景。支持自动注册、并发作业控制和缓存服务器等配置，为Gitea用户打造高效、安全的工作流环境。

DevOps-Bash-tools是一个综合性的自动化脚本工具库,涵盖CI/CD、容器化、云平台、数据库等多个DevOps领域。该项目包含96,000多行代码,支持Linux和Mac系统,并提供Docker镜像。经过多个CI平台测试,代码质量可靠。

Maven Git版本控制扩展插件根据Git状态自动设置项目版本和属性，无需修改POM文件。支持分支、标签和提交的灵活配置，可替代Maven Release插件，简化版本管理。适用于Java 11+和Maven 3.6.4+项目，提供详细配置说明和使用指南。

CML是一款专注MLOps的开源命令行工具,用于机器学习项目的持续集成和交付。它能自动化配置环境、训练评估模型、比较实验结果和监控数据变化。CML可在每次代码提交时自动执行工作流程,生成可视化报告。该工具采用GitFlow工作模式,无需额外服务即可搭建完整的机器学习平台。

action-ansible-playbook是一个GitHub Action工具，用于执行Ansible playbook。支持多种操作系统，可配置playbook文件路径、工作目录、Ansible配置、SSH密钥和清单文件等。该工具还支持加密vault密码和Galaxy需求文件，适用于各种自动化部署场景。

drone-ssh是一款功能强大的Drone插件，能在远程主机上通过SSH执行命令。这个插件支持Windows、Linux和Darwin等多种操作系统，可以使用二进制文件或Docker镜像部署。它提供了主机、用户名和密钥等灵活配置选项，支持多源配置加载，并具备命令超时设置和私钥挂载功能。作为CI/CD工具，drone-ssh适用于各种自动化部署和远程管理场景。

Earthly是一个基于容器的CI/CD框架,通过将所有构建流程在容器中执行,实现可重复和一致的构建。它采用简单易懂的语法,结合了Dockerfile和Makefile的优点。Earthly支持多种编程语言和构建工具,适用于单仓库和多仓库项目。通过并行执行和缓存机制,Earthly可以显著提高构建速度。它还支持跨Earthfile重用构建目标、构件和镜像,提升开发效率。Earthly不仅可以在本地开发环境使用,还能无缝集成到各种CI/CD平台中。

Concourse是一个Go语言开发的自动化系统，专注于CI/CD领域。它能够处理从简单到复杂的各类自动化流水线。该系统强调幂等性、不可变性、声明式配置、无状态工作节点和可重现构建。目前正在开发的v10版本将显著增强其作为通用自动化工具的功能，尤其是在多分支和PR驱动的工作流程方面。

这个项目整理了DevSecOps领域的优质资源和工具,包括文章、书籍、社区、会议、培训材料等。它还收录了依赖管理、动态分析、基础设施代码分析等多种工具。开发人员和安全专家可以借助这些资源将安全实践融入开发流程,提升应用安全性。项目内容全面,适合不同水平的DevSecOps从业者参考使用。

tiny-mixtral是一个专为开发测试和CI/CD流程设计的轻量级随机模型。该项目未经训练，不适用于实际应用推理，但为开发者提供了快速验证系统集成和部署流程的工具。作为一个小型模型，tiny-mixtral在开发和测试环境中发挥着重要作用，特别是在不需要使用大型预训练模型的场景下。