做代码扫描这么多年,我越来越觉得“如何把代码喂给扫描器”这件事,才是整个流程里最容易被低估的环节。大多数教程讲的是仓库集成、CI流水线、MR门禁,但现实中有一大批项目是拿不到仓库权限的:外包交付、离线网闸环境、历史遗留系统、客户只给一个源码压缩包,甚至本地代码连git仓库都还没建。SourceFare这个项目就是为这类场景做的——用户把代码打成zip或tar.gz上传,平台自动解压、识别语言、生成扫描配置,调用底层的SonarQube完成分析,最后在Web界面里拿到一份完整报告。
SourceFare的定位很清晰:不重复造扫描规则引擎的轮子,专注解决“拿到一份代码包,怎么快速得到扫描结论”这个链路问题。它面向的主要是DevSecOps工程师、安全审计人员、外包验收人员,也包括那些只是想在本地临时给项目做个代码体检的开发者。这篇文章我会把SourceFare从设计思路到核心代码、再到实际排障的完整内容都拆开讲,方便你照着搭一套属于自己团队的“压缩包代码扫描”能力。
1. 为什么不直接连仓库,而是绕一圈上传压缩包
1.1 三种主流扫描接入方式的对比
先说结论:代码扫描工具的接入方式不能只有“连仓库”这一种。SourceFare刚立项的时候,我们团队内部争论过一轮,有人觉得现在大家都在做CI/CD集成,做一个上传压缩包扫描的工具是不是有点倒退。后来列了一张表,发现根本不是谁替代谁的问题,而是每个接入方式都有自己不可替代的适用角落。
| 接入方式 | 典型代表 | 适合场景 | 核心痛点 |
|---|---|---|---|
| SCM直连 | SonarQube + GitLab/GitHub集成 | 代码托管在版本平台,需要增量扫描与MR门禁 | 依赖仓库权限,隔离网络无法用 |
| 本地CLI扫描 | SonarScanner、Semgrep、CodeQL CLI | 开发机自检、CI流水线内置 | 需要预装环境,结果分散在各终端 |
| 压缩包上传扫描 | SourceFare、部分在线扫描平台 | 外包交付、离线环境、历史遗留代码 | 只能做快照分析,无法跟踪代码差异 |
从表里能很直观看到,压缩包上传扫描的核心价值是“无仓储依赖、一次上传集中扫描”。它没有一个版本库地址的概念,不关心代码是从Git、SVN还是外网拷贝来的,只要代码打包能送进来,就能扫。这个特性放在如今的供应链安全背景下非常关键——很多时候源代码的流转根本不会经过版本库,压缩包就是唯一的交付形态。
1.2 三个让我下决心做压缩包扫描的真实场景
第一个场景是外包代码验收。供应商交付源码时,通常会提供一个打包好的源码压缩包,附带一份交付清单,但不提供仓库权限,甚至明确要求我们不得直接访问他们的版本库。这时候如果还坚持走SCM集成,流程直接卡死。SourceFare按压缩包接收,反而能用一套统一的扫描规则去约束所有供应商,谁家的代码问题多,一目了然。
第二个场景是隔离网络环境。一些安全要求比较高的项目里,生产网络和开发网络是物理隔离的,代码通过文件摆渡的方式送进扫描区。扫描区里的机器可能连DNS都无法解析版本库域名,更不用说拉取代码了。这时候唯一的办法就是把代码打成压缩包,通过刻盘或隔离文件交换设备送进来,在隔离网络内部部署一套SourceFare完成扫描。
第三个场景是本地未提交代码的快速体检。开发机上有大量未提交改动,或者接手了一个历史项目,根目录里连.git文件夹都没有。传统做法是让开发自己装SonarScanner在命令行跑,但对不熟悉工具链的新人来说,配置sonar-project.properties本身就够劝退的。包成压缩包上传到Web平台,点击上传就能看到结果,反馈成本低得多。
当然也要说清楚局限:压缩包方案做不了增量分析,也不能对分支、MR做差异门禁。它扫的是当前快照。所以如果你的目标是嵌入研发流程做持续质量管控,还是得走SCM集成或CI接入。SourceFare做的是那些“正式流程覆盖不到”的补充环节。
需要模型API调用? 免费领10W Token,多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. SourceFare核心设计:一份压缩包如何变成一份扫描报告
2.1 整个流程拆成四个模块
SourceFare从功能上可以拆成四层:文件接收层、解压与识别层、扫描调度层、结果展示层,每一层只干一件事。
文件接收层负责接收上传的zip/tar.gz文件,处理的不只是“把文件落盘”,还包括压缩包格式校验、文件大小限制、文件数量检查,甚至会在写入磁盘前先扫描一下文件名有没有异常。解压与识别层负责把压缩包解压到临时工作目录,然后通过项目根目录的特征文件判断技术栈。比如根目录有pom.xml认为是Java Maven工程,有package.json认为是Node工程,有go.mod是Go工程,有requirements.txt或pyproject.toml就是Python工程。这一步的结果会直接影响下一步生成的扫描配置。
扫描调度层根据识别结果生成sonar-project.properties,然后调用本机的sonar-scanner完成分析。扫描完成后,通过SonarQube的REST API拉取任务状态和指标数据。结果展示层把bugs、vulnerabilities、code smells、coverage、duplicated lines等数据汇总展示到SourceFare自己的Web界面,同时支持导出成报告,方便在验收流程里留档。
这里有个设计选择值得展开讲:为什么SourceFare不自己实现静态分析,而是把SonarQube放在底层?答案很简单,SonarQube有着十多年积累的规则引擎和语言分析插件,任何团队想完全自研一套同等规模的静态分析规则,投入都是巨大的,而且效果大概率不如人家。SourceFare的价值增量在于“流程自动化”,即拿到一个压缩包后,从解压到配置到执行到取结果,中间所有需要人工干预的环节全部自动化。
