Bangun dan Kirim Image Saat Rilis
Otomatiskan pembuatan kontainer saat Anda memberi tag rilis.
Bangun dan Kirim Image Saat Rilis adalah pelajaran MLOps Academy gratis di CoddyKit. Ini adalah pelajaran 4 dari 4. Kamu bisa membaca pelajaran lengkapnya di bawah secara gratis — lalu praktikkan langsung di browser dengan editor kode bawaan dan tutor AI 24/7. Ini adalah bagian dari jalur belajar MLOps Academy, dan progresmu tersinkronisasi di web dan aplikasi CoddyKit. Kursus MLOps Academy mencakup 4 pelajaran total.
Buat Hanya Saat Rilis
Anda tidak menerbitkan citra pada setiap komit. Langkah rilis membuat dan menerbitkan wadah hanya saat Anda menandai suatu versi sebagai siap. 📦
Picu dengan Tag
Pola yang umum adalah memulai pembuatan saat Anda mengirim tag git seperti v1.2.0, sehingga versi yang sengaja ditentukan, bukan pengiriman biasa, yang memulai penerapan.
on:
push:
tags: ["v*"]Hasil dari Pembuatan
Pembuatan mengemas API model, kode, dan dependensinya menjadi satu citra: cuplikan beku yang dapat dijalankan dan berperilaku sama di mesin mana pun.
Registri Menyimpan Citra
Registri wadah seperti GHCR, ECR, atau Docker Hub adalah tempat citra yang telah dibuat disimpan, sehingga server mana pun nantinya dapat mengambil dan menjalankannya.
Masuk dengan Rahasia
Sebelum mengirim, alur kerja masuk ke registri menggunakan rahasia yang tersimpan, bukan kata sandi yang ditulis langsung, sehingga kredensial tidak masuk ke dalam kode.
- uses: docker/login-action@v3
with:
password: ${{ secrets.REGISTRY_TOKEN }}Beri Tag Citra dengan Baik
Beri citra tag yang jelas dan sesuai dengan versi rilis Anda. Hanya menggunakan latest membuat Anda tidak dapat mengetahui build mana yang sedang berjalan.
myorg/model-api:v1.2.0Buat dan Kirim dalam Satu Tindakan
Tindakan Docker resmi build-push membuat Dockerfile Anda dan mengunggah hasilnya ke registri dalam satu langkah.
- uses: docker/build-push-action@v6
with:
push: true
tags: myorg/model-api:v1.2.0Tetapkan Versi, Bukan latest
Menerapkan tag yang ditetapkan seperti v1.2.0 berarti Anda selalu mengetahui model dan kode mana yang sedang aktif, serta dapat segera kembali ke tag sebelumnya.
Simpan Lapisan dalam Tembolok untuk Mempercepat
Pembuatan citra menggunakan kembali lapisan yang tidak berubah dari tembolok, sehingga hanya bagian yang benar-benar Anda ubah yang dibuat ulang. Hal ini mempercepat pembuatan rilis.
Penerapan Mengambil Citra
Setelah dikirim, lingkungan eksekusi cukup mengambil citra bertag lalu memulainya. Artefak yang diuji adalah artefak yang sama persis dengan yang dijalankan di produksi.
docker pull myorg/model-api:v1.2.0Catatan Rilis Menutup Siklus
Kaitkan tag citra dengan rilis GitHub yang berisi catatan tentang perubahan. Kini siapa pun dapat menelusuri wadah yang sedang berjalan kembali ke kode dan model yang tepat.
Pemeriksaan Singkat
Mengapa citra yang dirilis perlu diberi tag versi, bukan hanya latest?
Rekap
Pada tag versi, masuk menggunakan rahasia, buat citra, lalu kirim ke registri dengan tag yang telah ditetapkan. Lingkungan eksekusi mengambil artefak yang tepat itu untuk menjalankannya di produksi.
Pertanyaan yang Sering Diajukan
Apakah pelajaran “Bangun dan Kirim Image Saat Rilis” gratis?
Ya — teks lengkap “Bangun dan Kirim Image Saat Rilis” gratis dibaca di sini di web. Untuk praktiknya secara interaktif (editor kode bawaan dan tutor AI 24/7) dan buka sisa kursus MLOps Academy, upgrade ke CoddyKit PRO. Kursus MLOps Academy mencakup 4 pelajaran total.
Apa yang akan aku pelajari di “Bangun dan Kirim Image Saat Rilis”?
Otomatiskan pembuatan kontainer saat Anda memberi tag rilis. Kamu berlatih MLOps Academy dengan kode praktik yang langsung kamu jalankan di browser, dan tutor AI 24/7 menjawab pertanyaanmu saat kamu mengerjakan pelajaran ini.
Apakah aku perlu pengalaman untuk memulai MLOps Academy?
Tidak diperlukan pengalaman sebelumnya. MLOps Academy di CoddyKit dirancang untuk pemula hingga pelajar tingkat lanjut, jadi kamu bisa memulai di sini atau dari awal dan belajar sesuai kecepatan kamu sendiri. Ini adalah pelajaran 4 dari 4.
Berapa lama pelajaran “Bangun dan Kirim Image Saat Rilis” memakan waktu?
Sebagian besar pelajaran CoddyKit memakan waktu sekitar 5–10 menit. Setiap pelajaran ringkas dan interaktif, jadi kamu membuat kemajuan stabil dan melanjutkan dari tempat kamu tinggalkan di web dan aplikasi.
Bisakah aku menulis dan menjalankan kode dalam pelajaran MLOps Academy ini?
Ya. Setiap pelajaran MLOps Academy menyertakan editor kode bawaan, jadi kamu menulis dan menjalankan kode nyata langsung di browser dan mendapatkan umpan balik AI instan — tidak diperlukan penyiapan lokal.
Semua pelajaran dalam kursus ini
- Arti CI/CD untuk Model
- Alur Kerja GitHub Actions untuk Pembelajaran Mesin
- Jadikan Kualitas Model sebagai Syarat Penggabungan
- Bangun dan Kirim Image Saat Rilis