您现在的位置是：首页 >技术教程 >极狐GitLab 17.8 正式发布，多项 DevOps 重点功能解读【五】网站首页技术教程

GitLab 是一个全球知名的一体化 DevOps 平台，很多人都通过私有化部署 GitLab 来进行源代码托管。极狐GitLab 是 GitLab 在中国的发行版，专门为中国程序员服务。可以一键式部署极狐GitLab。

学习极狐GitLab 的相关资料：

1. 极狐GitLab 官网
2. 极狐GitLab 官网文档
3. 极狐GitLab 论坛
4. 极狐GitLab 安装配置

沿袭我们的月度发布传统，极狐GitLab 发布了 17.7 版本，该版本带来了通过特定 MR Label 实现 Mono 场景下多仓 MR 的关联（JH-only）、新的计划者用户角色、在 UI 上轮换个人、项目及群组访问令牌等几十个重点功能的改进。下面是部分重点功能的详细解读。

关于极狐GitLab 的安装升级，可以查看官方指导文档。

• 17.8 容器镜像

registry.gitlab.cn/omnibus/gitlab-jh:17.8.0-jh.0

• 17.7 Helm Chart

helm search repo gitlab-jh
NAME                       CHART VERSION    APP VERSION    
gitlab-jh/gitlab           8.8.0            v17.8.0        
gitlab-jh/gitlab-runner    0.73.0           17.8.0        

关联阅读

• 极狐GitLab 17.8 正式发布，多项 DevOps 重点功能解读【一】
• 极狐GitLab 17.8 正式发布，多项 DevOps 重点功能解读【二】
• 极狐GitLab 17.8 正式发布，多项 DevOps 重点功能解读【三】
• 极狐GitLab 17.8 正式发布，多项 DevOps 重点功能解读【四】

在流水线执行策略中可配置 skip_ci

我们已经为流水线执行策略（PEP）引入了一个新的配置选项以便能够更灵活地处理 [skip ci]。此功能可应对特定自动化流程的场景，比如语义化版本发布，在此类场景中，有必要绕过常规的流水线执行，但同时仍需确保关键的安全与合规检查得以进行。

要使用此功能，在流水线执行策略 YAML 配置文件中将 skip_ci 设置为 allowed: false 或在策略编辑器中启用阻止用户跳过流水线。然后，指定允许使用 [skip ci] 的用户或服务账号。默认情况下，所有用户都会被阻止跳过流水线执行作业，除非他们在 skip_ci 配置中作为例外被排除在外。

在合并请求审批策略中支持多种不同的审批操作

此前，合并请求审批策略的每个策略仅支持单一的审批规则，只允许使用 “或” 条件来罗列一组审批人。因此，要强制来自不同角色、单个审批人或不同组的分层安全审批变得更具挑战性。

有了此更新，您可以为每个合并请求审批策略创建至多 5 个审批规则，这提供了更多的灵活性以及更棒的审批策略。每个规则都可指定不同的审核者或角色，而且每个规则都可以被单独评估。比如，安全团队可以定义复杂的审批工作流，诸如，要求一个审核者来自群组 A，另外一个审核者来自群组 B，或者一个来自特定角色而另外一个来自特定群组，这能够确保在敏感工作流程中符合规定并加强管控。

此改善的使用示例包括：

• 不同角色的审批：一个审批来自开发者角色而另外一个来自维护者角色。
• 角色和群组审批：一个审批来自开发者或维护者角色，而另外一个单独的审批来自安全群组的成员。
• 不同群组的审批：一个审批来自 Python 专家群组成员，而另外一个单独的审批来自安全群组的成员。

极狐GitLab MLOps Python 客户端处于 Beta

数据科学家和机器学习工程师主要工作在 Python 环境中，但是将他们的机器学习流程和极狐GitLab MLOps 功能集成通常需要上下文的切换，并且需要了解极狐GitLab 的 API 结构。这可能会在他们的开发过程中引发矛盾，降低他们追踪实验、管理模型产物以及与团队成员协作的效率。

全新的极狐GitLab MLOps Python 客户端，为极狐GitLab 的 MLOps 功能提供了一种流畅且符合 Python 编程习惯的接口。 现在，数据科学家可以直接从他们的 Python 脚本和笔记本上与极狐GitLab 的实验追踪和模型仓库功能进行交互。客户端包括：

• 极狐GitLab 实验追踪：让极狐GitLab 内部的机器学习实验追踪变得更加简单。
• 模型仓库集成：在极狐GitLab 的模型仓库中注册和管理模型。
• 实验管理：直接从客户端创建和管理实验。
• 运行追踪：轻松启动并监控训练过程。

这种集成让数据科学家能够专注于模型开发，同时自动在极狐GitLab 中记录其机器学习生命周期元数据。该 Python 客户端可与现有的机器学习工作流程无缝配合，且只需极少的设置，就能使得极狐GitLab 的 MLOps 功能更易于被数据科学社区所使用。