如何在golang代码里面解析容器镜像

简介：容器镜像在我们日常的开发工作中占据着极其重要的位置。通常情况下我们是将应用程序打包到容器镜像并上传到镜像仓库中，在生产环境将其拉取下来。然后用 docker/containerd 等容器运行时将镜像启动，开始执行应用。但是对于一些运维平台来说，对于一个镜像制品本身的扫描和分析才是真正的关注点。本文简单介绍下如何在代码中解析一个容器镜像。

作者 | 牧琦
来源 | 阿里技术公众号

一背景

容器镜像在我们日常的开发工作中占据着极其重要的位置。通常情况下我们是将应用程序打包到容器镜像并上传到镜像仓库中，在生产环境将其拉取下来。然后用 docker/containerd 等容器运行时将镜像启动，开始执行应用。但是对于一些运维平台来说，对于一个镜像制品本身的扫描和分析才是真正的关注点。本文简单介绍下如何在代码中解析一个容器镜像。

二 go-containerregistry

go-containerregistry 是 google 公司的一个开源项目，它提供了一个对镜像的操作接口，这个接口背后的资源可以是镜像仓库的远程资源，镜像的tar包，甚至是 docker daemon 进程。下面我们就简单介绍下如何使用这个项目来完成我们的目标—— 在代码中解析镜像。

除了对外提供了三方包，该项目里面还提供了 crane （与远端镜像交互的客户端）gcrane (与 gcr 交互的客户端)。

三基本接口

1 镜像基本概念

在介绍具体接口之间先介绍几个简单概念

ImageIndex，根据 OCI 规范，是为了兼容多架构（amd64, arm64）镜像而创造出来的数据结构, 我们可以在一个ImageIndex 里面关联多个镜像，使用同一个镜像tag，客户端（docker，ctr）会根据客户端所在的操作系统的基础架构拉取对应架构的镜像下来
Image Manifest 基本上对应了一个镜像，里面包含了一个镜像的所有layers digest，客户端拉取镜像的时候一般都是先获取manifest 文件，在根据 manifest 文件里面的内容拉取镜像各个层（tar+gzip）
Image Config 跟 ImageManifest 是一一对应的关系，Image Config 主要包含一些镜像的基本配置，例如创建时间，作者，该镜像的基础架构，镜像层的 diffID（未压缩的 ChangeSet），ChainID 之类的信息。一般在宿主机上执行 docker image 看到的ImageID就是 ImageConfig 的hash值。
layer 就是镜像层，镜像层信息不包含任何的运行时信息（环境变量等）只包含文件系统的信息。镜像是通过最底层 rootfs 加上各层的 changeset（对上一层的 add, update, delete 操作）组合而成的。
- layer diffid 是未压缩的层的hash值，常见于本地环境，使用看到的便是diffid。因为客户端一般下载 ImageConfig, ImageConfig 里面是引用的diffid。
- layer digest 是压缩后的层的hash值，常见于镜像仓库使用看到的layers 一般都是 digest. 因为 manifest 引用都是 layer digest。
两者没有可以直接转换的方式，目前的唯一方式就是按照顺序来对应。
用一张图来总结一下。

// ImageIndex 定义与 OCI ImageIndex 交互的接口
type ImageIndex interface {// 返回当前 imageIndex 的 MediaTypeMediaType() (types.MediaType, error)// 返回这个 ImageIndex manifest 的 sha256值。Digest() (Hash, error)// 返回这个 ImageIndex manifest 的大小Size() (int64, error)// 返回这个 ImageIndex 的 manifest 结构IndexManifest() (*IndexManifest, error)// 返回这个 ImageIndex 的 manifest 字节数组RawManifest() ([]byte, error)// 返回这个 ImageIndex 引用的 ImageImage(Hash) (Image, error)// 返回这个 ImageIndex 引用的 ImageIndexImageIndex(Hash) (ImageIndex, error)
}// Image  定义了与 OCI Image 交互的接口
type Image interface {// 返回了当前镜像的所有层级， 最老/最基础的层在数组的前面，最上面/最新的层在数组的后面Layers() ([]Layer, error)// 返回当前 image 的 MediaTypeMediaType() (types.MediaType, error)// 返回这个 Image manifest 的大小Size() (int64, error)// 返回这个镜像 ConfigFile 的hash值，也是这个镜像的 ImageIDConfigName() (Hash, error)// 返回这个镜像的 ConfigFileConfigFile() (*ConfigFile, error)// 返回这个镜像的 ConfigFile 的字节数组RawConfigFile() ([]byte, error)// 返回这个Image Manifest 的sha256 值Digest() (Hash, error)// 返回这个Image ManifestManifest() (*Manifest, error)// 返回 ImageManifest 的bytes数组RawManifest() ([]byte, error)// 返回这个镜像中的某一层layer， 根据 digest（压缩后的hash值） 来查找LayerByDigest(Hash) (Layer, error)// 返回这个镜像中的某一层layer， 根据 diffid （未压缩的hash值） 来查找LayerByDiffID(Hash) (Layer, error)
}// Layer 定义了访问 OCI Image 特定 Layer 的接口
type Layer interface {// 返回了压缩后的layer的sha256 值Digest() (Hash, error)// 返回了 未压缩的layer 的sha256值.DiffID() (Hash, error)// 返回了压缩后的镜像层Compressed() (io.ReadCloser, error)// 返回了未压缩的镜像层Uncompressed() (io.ReadCloser, error)// 返回了压缩后镜像层的大小Size() (int64, error)// 返回当前 layer 的 MediaTypeMediaType() (types.MediaType, error)
}

相关接口功能已在注释中说明，不再赘述。

四获取镜像相关元信息

我们以 remote 方式(拉取远程镜像) 举例说明下如何使用。

package mainimport ("github.com/google/go-containerregistry/pkg/authn""github.com/google/go-containerregistry/pkg/name""github.com/google/go-containerregistry/pkg/v1/remote"
)func main() {ref, err := name.ParseReference("xxx")if err != nil {panic(err)}tryRemote(context.TODO(), ref, GetDockerOption())if err != nil {panic(err)}// do stuff with img
}type DockerOption struct {// AuthUserName stringPassword string// RegistryToken is a bearer token to be sent to a registryRegistryToken string// ECRAwsAccessKey    stringAwsSecretKey    stringAwsSessionToken stringAwsRegion       string// GCPGcpCredPath stringInsecureSkipTLSVerify boolNonSSL                boolSkipPing              bool // this is ignored nowTimeout               time.Duration
}func GetDockerOption() (types.DockerOption, error) {cfg := DockerConfig{}if err := env.Parse(&cfg); err != nil {return types.DockerOption{}, fmt.Errorf("unable to parse environment variables: %w", err)}return types.DockerOption{UserName:              cfg.UserName,Password:              cfg.Password,RegistryToken:         cfg.RegistryToken,InsecureSkipTLSVerify: cfg.Insecure,NonSSL:                cfg.NonSSL,}, nil
}func tryRemote(ctx context.Context, ref name.Reference, option types.DockerOption) (v1.Image, extender, error) {var remoteOpts []remote.Optionif option.InsecureSkipTLSVerify {t := &http.Transport{TLSClientConfig: &tls.Config{InsecureSkipVerify: true},}remoteOpts = append(remoteOpts, remote.WithTransport(t))}domain := ref.Context().RegistryStr()auth := token.GetToken(ctx, domain, option)if auth.Username != "" && auth.Password != "" {remoteOpts = append(remoteOpts, remote.WithAuth(&auth))} else if option.RegistryToken != "" {bearer := authn.Bearer{Token: option.RegistryToken}remoteOpts = append(remoteOpts, remote.WithAuth(&bearer))} else {remoteOpts = append(remoteOpts, remote.WithAuthFromKeychain(authn.DefaultKeychain))}desc, err := remote.Get(ref, remoteOpts...)if err != nil {return nil, nil, err}img, err := desc.Image()if err != nil {return nil, nil, err}// Return v1.Image if the image is found in Docker Registryreturn img, remoteExtender{ref:        implicitReference{ref: ref},descriptor: desc,}, nil
}

执行完 tryRemote 代码之后就可以获取 Image 对象的实例，进而对这个实例进行操作。明确以下几个关键点

remote.Get() 方法只会实际拉取镜像的manifestList/manifest，并不会拉取整个镜像。
desc.Image() 方法会判断 remote.Get() 返回的媒体类型。如果是镜像的话直接返回一个 Image interface, 如果是 manifest list 的情况会解析当前宿主机的架构，并且返回指定架构对应的镜像。同样这里并不会拉取镜像。
所有的数据都是lazy load。只有需要的时候才会去获取。

五读取镜像中系统软件的信息

通过上面的接口定义可知，我们可以通过 Image.LayerByDiffID(Hash) (Layer, error) 获取一个 layer 对象，获取了layer对象之后我们可以调用 layer.Uncompressed() 方法获取一个未被压缩的层的 io.Reader , 也就是一个 tar file。

// tarOnceOpener 读取文件一次并共享内容，以便分析器可以共享数据
func tarOnceOpener(r io.Reader) func() ([]byte, error) {var once sync.Oncevar b []bytevar err errorreturn func() ([]byte, error) {once.Do(func() {b, err = ioutil.ReadAll(r)})if err != nil {return nil, xerrors.Errorf("unable to read tar file: %w", err)}return b, nil}
}// 该方法主要是遍历整个 io stream，首先解析出文件的元信息 （path, prefix,suffix）, 然后调用 analyzeFn 方法解析文件内容
func WalkLayerTar(layer io.Reader, analyzeFn WalkFunc) ([]string, []string, error) {var opqDirs, whFiles []stringvar result *AnalysisResulttr := tar.NewReader(layer)opq := ".wh..wh..opq"wh  := ".wh."for {hdr, err := tr.Next()if err == io.EOF {break}if err != nil {return nil, nil, xerrors.Errorf("failed to extract the archive: %w", err)}filePath := hdr.NamefilePath = strings.TrimLeft(filepath.Clean(filePath), "/")fileDir, fileName := filepath.Split(filePath)// e.g. etc/.wh..wh..opqif opq == fileName {opqDirs = append(opqDirs, fileDir)continue}// etc/.wh.hostnameif strings.HasPrefix(fileName, wh) {name := strings.TrimPrefix(fileName, wh)fpath := filepath.Join(fileDir, name)whFiles = append(whFiles, fpath)continue}if hdr.Typeflag == tar.TypeSymlink || hdr.Typeflag == tar.TypeLink || hdr.Typeflag == tar.TypeReg {analyzeFn(filePath, hdr.FileInfo(), tarOnceOpener(tr), result)if err != nil {return nil, nil, xerrors.Errorf("failed to analyze file: %w", err)}}}return opqDirs, whFiles, nil
}// 调用不同的driver 对同一个文件进行解析
func analyzeFn(filePath string, info os.FileInfo, opener analyzer.Opener,result *AnalysisResult) error {if info.IsDir() {return nil, nil}var wg sync.WaitGroupfor _, d := range drivers {// filepath extracted from tar file doesn't have the prefix "/"if !d.Required(strings.TrimLeft(filePath, "/"), info) {continue}b, err := opener()if err != nil {return nil, xerrors.Errorf("unable to open a file (%s): %w", filePath, err)}if err = limit.Acquire(ctx, 1); err != nil {return nil, xerrors.Errorf("semaphore acquire: %w", err)}wg.Add(1)go func(a analyzer, target AnalysisTarget) {defer limit.Release(1)defer wg.Done()ret, err := a.Analyze(target)if err != nil && !xerrors.Is(err, aos.AnalyzeOSError) {log.Logger.Debugf("Analysis error: %s", err)return nil, err}result.Merge(ret)}(d, AnalysisTarget{Dir: dir, FilePath: filePath, Content: b})}return result, nil
}// drivers: 用于解析tar包中的文件
func (a alpinePkgAnalyzer) Analyze(target analyzer.AnalysisTarget) (*analyzer.AnalysisResult, error) {scanner := bufio.NewScanner(bytes.NewBuffer(target.Content))var pkg types.Packagevar version stringfor scanner.Scan() {line := scanner.Text()// check package if paragraph endif len(line) < 2 {if analyzer.CheckPackage(&pkg) {pkgs = append(pkgs, pkg)}pkg = types.Package{}continue}switch line[:2] {case "P:":pkg.Name = line[2:]case "V:":version = string(line[2:])if !apkVersion.Valid(version) {log.Printf("Invalid Version Found : OS %s, Package %s, Version %s", "alpine", pkg.Name, version)continue}pkg.Version = versioncase "o:":origin := line[2:]pkg.SrcName = originpkg.SrcVersion = version}}// in case of last paragraphif analyzer.CheckPackage(&pkg) {pkgs = append(pkgs, pkg)}parsedPkgs := a.uniquePkgs(pkgs)return &analyzer.AnalysisResult{PackageInfos: []types.PackageInfo{{FilePath: target.FilePath,Packages: parsedPkgs,},},}, nil
}

以上代码的重点在于 Analyze(target analyzer.AnalysisTarget) 方法，在介绍这个方法之前，有两个特殊文件需要稍微介绍下。众所周知，镜像是分层的，并且所有层都是只读的。当容器是以镜像为基础起来的时候，它会将所有镜像层包含的文件组合成为 rootfs 对容器暂时，当我们将容器 commit 成一个新的镜像的时候，容器内对文件修改会以新的layer 的方式覆盖到原有的镜像中。其中有如下两种特殊文件：

.wh..wh..opq: 代表这个文件所在的目录被删除了
.wh.：以这个词缀开头的文件说明这个文件在当前层已经被删除

所以综上所述，所有容器内的文件删除均不是真正的删除。所以我们在 WalkLayerTar 方法中将两个文件记录下来，跳过解析。

1 Analyze(target analyzer.AnalysisTarget)

首先我们调用 bufio.scanner.Scan() 方法，他会不断扫描文件中的信息，当返回false 的时候代表扫描到文件结尾，如果这时在扫描过程中没有错误，则 scanner 的 Err 字段为 nil
我们通过 scanner.Text() 获取扫描文件的每一行，截取每一行的前两个字符，得出 apk package 的 package name & package version。

六读取镜像中的java 应用信息

下面我们实际来看下如何读取java 应用中的依赖信息，包括应用依赖 & jar包依赖，首先我们使用上面的方式读取某一层的文件信息。

如果发现文件是jar包
初始化 zip reader，开始读取 jar 包内容
开始通过 jar包名称进行解析 artifact的名称和版本，例如: spring-core-5.3.4-SNAPSHOT.jar => sprint-core, 5.3.4-SNAPSHOT
从 zip reader 读取被压缩的文件
判断文件类型
- 调用parseArtifact进行递归解析
- 将返回的innerLibs放到 libs对象中
- 从 MANIFEST.MF 文件中解析出manifest返回
- 从 properties 文件中解析 groupid, artifactid, version 并返回
- 将上述信息放到 libs 对象中
- 如果是 pom.properties
- 如果是 MANIFEST.MF
- 如果是 jar/war/ear 等文件
如果找不到 artifactid or groupid
- 根据jar sha256查询对应的包信息
- 找到直接返回
返回解析出来的libs

func parseArtifact(c conf, fileName string, r io.ReadCloser) ([]types.Library, error) {defer r.Close()b, err := ioutil.ReadAll(r)if err != nil {return nil, xerrors.Errorf("unable to read the jar file: %w", err)}zr, err := zip.NewReader(bytes.NewReader(b), int64(len(b)))if err != nil {return nil, xerrors.Errorf("zip error: %w", err)}fileName = filepath.Base(fileName)fileProps := parseFileName(fileName)var libs []types.Libraryvar m manifestvar foundPomProps boolfor _, fileInJar := range zr.File {switch {case filepath.Base(fileInJar.Name) == "pom.properties":props, err := parsePomProperties(fileInJar)if err != nil {return nil, xerrors.Errorf("failed to parse %s: %w", fileInJar.Name, err)}libs = append(libs, props.library())if fileProps.artifactID == props.artifactID && fileProps.version == props.version {foundPomProps = true}case filepath.Base(fileInJar.Name) == "MANIFEST.MF":m, err = parseManifest(fileInJar)if err != nil {return nil, xerrors.Errorf("failed to parse MANIFEST.MF: %w", err)}case isArtifact(fileInJar.Name):fr, err := fileInJar.Open()if err != nil {return nil, xerrors.Errorf("unable to open %s: %w", fileInJar.Name, err)}// 递归解析 jar/war/ear innerLibs, err := parseArtifact(c, fileInJar.Name, fr)if err != nil {return nil, xerrors.Errorf("failed to parse %s: %w", fileInJar.Name, err)}libs = append(libs, innerLibs...)}}// 如果找到了 pom.properties 文件，则直接返回libs对象if foundPomProps {return libs, nil}// 如果没有找到 pom.properties 文件，则解析MANIFEST.MF 文件manifestProps := m.properties()if manifestProps.valid() {// 这里即使找到了 artifactid or groupid 也有可能是非法的。这里会访问 maven等仓库确认 jar包是否真正存在if ok, _ := exists(c, manifestProps); ok {return append(libs, manifestProps.library()), nil}}p, err := searchBySHA1(c, b)if err == nil {return append(libs, p.library()), nil} else if !xerrors.Is(err, ArtifactNotFoundErr) {return nil, xerrors.Errorf("failed to search by SHA1: %w", err)}return libs, nil
}

以上我们便完成了从容器镜像中读取信息的功能。

原文链接

本文为阿里云原创内容，未经允许不得转载。