Исчезновение ONNX Runtime с GitHub стало тестом устойчивости зависимостей
Краткое исчезновение репозитория ONNX Runtime с GitHub показало: установленные пакеты могут продолжать работать, пока сборки из исходников, релизные файлы и CI-автоматизация уже не функционируют. Разбираем, что проверить до смены runtime или перехода на зеркало.
404-ошибку у крупного репозитория с открытым исходным кодом легко неверно истолковать. Она может создать впечатление, будто проект заброшен, пакет отозван или факт инцидента безопасности уже подтверждён. В случае с ONNX Runtime от Microsoft 17–18 ноября 2026 года общедоступные данные позволяли сделать более узкий вывод: основной репозиторий GitHub и связанные с ним репозитории стали недоступны посетителям, тогда как документация проекта и каналы распространения пакетов продолжали работать. На момент публикации причина публично не была установлена.

Это различие важно, поскольку ONNX Runtime используется во множестве приложений, которые вовсе не выглядят как ONNX-приложения. Он загружает и выполняет графы ONNX, выбирает execution provider’ы для конкретного оборудования и упаковывает инференс для сред Python, C#, C++, Java, Android, iOS, Node.js и web. Команда может не клонировать репозиторий в обычном процессе разработки, но всё равно зависеть от его релизных файлов, нативных библиотек, сгенерированных привязок, слоёв контейнеров или исходной копии в воспроизводимой сборке.
Поэтому практический совет звучит не как «немедленно заменить ONNX Runtime». Сначала нужно определить, какая именно часть проекта нужна вашей системе, сохранить проверенные артефакты и отделить событие недоступности upstream от сбоя самого runtime.
Что произошло — и чего не произошло
18 ноября появились сообщения о том, что github.com/microsoft/onnxruntime возвращает 404, а вместе с ним недоступны несколько связанных репозиториев и пути к релизам. Инцидент попал на главную страницу Hacker News и вызвал вопросы пользователей, чьи рабочие процессы на основе исходников и автоматические загрузки больше не могли найти репозиторий. При этом официальная документация ONNX Runtime оставалась доступной, а инструкции по установке пакетов по-прежнему направляли разработчиков в PyPI, NuGet, Maven, CocoaPods и другие каналы распространения.
Снаружи ошибка 404 GitHub намеренно неоднозначна. Репозиторий мог быть удалён, переведён в приватный режим, переименован, отключён, временно ограничен или затронут проблемой на стороне сервиса. 404 не доказывает, что Microsoft закрыла проект. Она также не доказывает, что причиной сбоя стала зачистка, связанная с безопасностью. Такие объяснения обсуждались сообществом, но оставались гипотезами, а не подтверждённым сопровождающими проекта описанием.
В ходе последующих проверок репозиторий снова стал доступен. Это больше похоже на временную проблему с доступностью или административное изменение, чем на подтверждённое окончательное закрытие проекта. Но это всё равно вывод по косвенным признакам, а не официальное объяснение после инцидента. Для команд, отвечающих за production, важен сам факт прерывания: сборка, предполагающая, что GitHub всегда будет отдавать канонический исходный код или архив релиза, может завершиться ошибкой, даже если уже установленный runtime продолжает нормально выполнять задачи.
В исходном репозитории ONNX Runtime описывается как кроссплатформенный движок инференса и обучения для моделей ONNX. Согласно документированному конвейеру, он загружает модель, оптимизирует её граф, распределяет работу между execution provider’ами и выполняет получившийся граф. Проект поддерживает CPU и ускорители в разных операционных системах и языковых привязках. Такая широта полезна, но означает и большее количество артефактов, а также больше точек интеграции, чем у небольшой зависимости, рассчитанной только на Python.
Почему установленные приложения могут продолжать работать
Большинство менеджеров пакетов не разрешают зависимость, клонируя Git-репозиторий при каждом запуске приложения. В окружении Python уже может находиться wheel-пакет onnxruntime. Приложение на .NET могло восстановить Microsoft.ML.OnnxRuntime в локальный или удалённый кэш пакетов. Сборка Android могла скачать AAR из Maven Central. У JavaScript-приложения web- или Node-пакет мог быть зафиксирован в lock-файле и сохранён в кэше реестра.
Эти артефакты могут оставаться пригодными к использованию после того, как репозиторий станет недоступен. Разница проходит между использованием уже загруженного неизменяемого артефакта и разрешением зависимости, её сборкой или обновлением из upstream-источника. Работающий сервис, который загружает локальный wheel, не обязательно затронут ошибкой 404 GitHub. А вот чистая сборка, рассчитывающая получить из GitHub тег, submodule, файл релиза или сгенерированный архив, может столкнуться с проблемой немедленно.
Именно поэтому быстрая проверка через pip install onnxruntime недостаточна. Она показывает лишь, доступен ли сейчас в индексе пакетов совместимый wheel для машины, выполняющей запрос. Но она не отвечает на вопросы, можно ли воспроизвести сборку из исходников, доступны ли нативные заголовочные файлы, удастся ли пересобрать конкретный execution provider и можно ли восстановить из чистого окружения тот же бинарный файл, который используется в продакшене.
Командам стоит разделять зависимость как минимум на четыре уровня:
- Артефакт среды выполнения: wheel, пакет NuGet, JAR, AAR, CocoaPod, npm-пакет или нативная библиотека, загружаемая приложением.
- Артефакт модели: модель в формате ONNX или ORT, токенизатор или код предварительной обработки, а также внешние initializers, необходимые этой модели.
- Входные данные сборки: теги исходного кода, подмодули, версии компиляторов, конфигурация CMake, архивы зависимостей, сгенерированные файлы и исходники execution provider.
- Операционные метаданные: контрольные суммы, записи о происхождении, уведомления о лицензиях, записи SBOM, примечания к релизу и ограничения совместимости.
Сбой репозитория в первую очередь угрожает третьему и четвёртому уровням. Позже он может затронуть и первый, если пакет придётся пересобирать или потребуется wheel для новой платформы. Но сам по себе такой сбой не делает недействительным второй уровень и не меняет поведение бинарного файла, уже проверенного в продакшене.
Проблема сборки из исходников больше, чем клонирование Git-репозитория
В документации по сборке ONNX Runtime прямо рекомендуется использовать для продакшен-сборок официальную release-ветку и не собирать unreleased-ветку main, если только не требуется конкретная функция. Описанный процесс может включать CMake, специализированные toolchain для разных языков, среды выполнения компиляторов, SDK платформ и дополнительные execution provider. Зависимости могут устанавливаться через vcpkg, собираться из исходников или разрешаться как уже установленные пакеты.
Таким образом, сборка из исходников — это цепочка поставок, а не одна загрузка. Даже после восстановления самого репозитория сборка может оставаться невоспроизводимой, если CI использует плавающие версии зависимостей, незакреплённый подмодуль, внешний архив без контрольной суммы или индекс пакетов, изменившийся со времени предыдущего запуска.
Полезная проверка — пересобрать точную версию, которая сейчас используется в продакшене, без доступа к живому upstream-репозиторию по сети. Немедленная миграция для этого не нужна. Достаточно контролируемого упражнения с временным builder, внутренним кэшем артефактов и документированным toolchain. Зафиксируйте, может ли сборка найти:
- точную ревизию исходного кода ONNX Runtime;
- все Git-подмодули и сгенерированные входные данные;
- версии компилятора, CMake, Python, Java, .NET и SDK целевой платформы;
- версии ONNX и protobuf, ожидаемые сборкой;
- зависимости конкретного провайдера, например CUDA, cuDNN, TensorRT, DirectML, OpenVINO или компоненты QNN;
- релизные архивы и заголовочные файлы, используемые последующими нативными интеграциями; и
- файлы лицензий и уведомлений, которые должны сопровождать распространение.
Если чистая пересборка завершается ошибкой, не называйте её регрессией ONNX Runtime, пока не установлена причина — отсутствующий входной файл или зависимость. Событие, связанное с доступностью репозитория, сбой индекса пакетов, несовместимый стек CUDA и изменение версии компилятора могут проявляться в одном и том же CI-задании по-разному.
Что проверить в уже работающем развёртывании
Начните с артефакта, который фактически загружается во время выполнения. В Python проверьте версию установленного дистрибутива, имя wheel, тег платформы и хеш пакета. В .NET изучите файл с разрешёнными активами и нативную среду выполнения, выбранную для целевой архитектуры. Для Java и Android зафиксируйте координаты Maven, URL репозитория, контрольную сумму и нативные библиотеки внутри AAR или JAR. В Node.js или веб-развёртываниях определите, использует ли приложение готовый пакет, локально собранную версию WebAssembly или нативную привязку.
Затем зафиксируйте execution providers, выбранные inference session. ONNX Runtime может использовать разные провайдеры для CPU, CUDA, TensorRT, DirectML, OpenVINO, CoreML, QNN и других целей. Пакет, который успешно импортируется, всё равно может завершиться ошибкой, когда приложение запрашивает провайдер, чьи shared libraries отсутствуют или несовместимы. В официальной документации по установке для нескольких таких вариантов указаны отдельные пакеты и требования совместимости; там же отмечается, что DirectML находится в режиме sustained engineering, а для новых проектов под Windows может потребоваться рассмотреть WinML.
Затем протестируйте саму модель, а не только импорт. Минимальная проверка работоспособности должна загрузить точную модель или модель в формате ORT, которую использует сервис, создать сессию инференса с заданным порядком провайдеров, выполнить репрезентативный входной запрос и сравнить форму результата, тип данных и небольшой набор численно стабильных значений с сохранённым эталоном. Это позволяет выявить проблемы провайдера и оптимизации графа, которые успешный импорт пакета не покажет.
Наконец, проверьте сценарий отказа. Что произойдёт, если кэш пакетов пуст? Что будет, если архив с исходным кодом недоступен? Не начнёт ли CI молча скачивать ночную сборку? Фиксирует ли lock-файл версию среды выполнения, позволяя при этом транзитивным нативным библиотекам произвольно меняться? Не пересобирает ли система развёртывания контейнер из постоянно обновляемого базового образа? Ответы определяют, было ли происшествие с GitHub лишь неудобством или могло остановить выпуск.
Небольшой план локализации риска для сопровождающих
Первый шаг — перестать зависеть от работающих в реальном времени URL во время выпуска. Зафиксируйте версию и сохраните точный артефакт, контрольную сумму и ревизию исходного кода во внутреннем реестре или долговечном объектном хранилище. Исходный URL upstream оставьте как сведения о происхождении, но при обычных выпусках сборка должна использовать проверенную внутреннюю копию.
Для сборок из исходников архивируйте всё дерево исходного кода или проверенный пакет исходников, включая подмодули и сгенерированные файлы, если это допускают условия лицензирования и распространения проекта. Сохраняйте манифест сборки и команду, использованную для её настройки. Если официальный процесс выпуска проекта создаёт tarball или подписанный релизный артефакт, отдавайте ему предпочтение перед самодельным архивом ветки, которая продолжает меняться.
Для развёртываний на основе пакетов включите локальный или общеорганизационный прокси-кэш и убедитесь, что он хранит варианты для всех платформ, используемых вашим парком. Wheel-пакет только для CPU под Linux не заменяет пакет с поддержкой CUDA, пакет провайдера для Windows, Android AAR или привязку Node. Инвентаризируйте всю матрицу, а не только записывайте логическое имя зависимости.
Для контейнеров фиксируйте дайджесты образов и храните соответствующий образ в приватном реестре. Если образ содержит нативную среду выполнения, укажите базовую операционную систему, допущения относительно glibc или musl, библиотеки GPU и конфигурацию entrypoint. Пересборка по тому же Dockerfile не эквивалентна исходному образу, если базовый образ и индексы пакетов постоянно меняются.
Для релизной инженерии настройте CI так, чтобы он явно завершался с ошибкой при отсутствии обязательного upstream-артефакта. Опасна не красная сборка, а задание, которое в ответ на пропавший релизный артефакт выбирает latest, переключается на ночной пакет или собирает проект из main без заметного шага утверждения.
Чего пока делать не следует
Не переходите на форк только потому, что появился ответ 404. Форк может временно пригодиться как зеркало исходников, но он создаёт новую границу доверия. Перед использованием сравните его историю коммитов с заведомо корректной ревизией upstream, изучите файлы workflow и скрипты выпуска, проверьте лицензию и уведомления, а также определите, как будут отслеживаться исправления безопасности.
Не считайте доказательством здоровья проекта то, что пакет по-прежнему устанавливается. Индексы пакетов часто сохраняют артефакты даже после изменений в размещении исходников. Для непрерывности это хорошо, но не подтверждает, что будущие выпуски, исправления безопасности, новые архитектуры или изменения на уровне исходного кода будут появляться по графику.
Не предполагайте, что восстановление репозитория снимает все вопросы к сборке. Если чистая сборка раньше зависела от изменяемых URL или незакреплённых инструментов, сбой выявил слабость процесса, которая повторится при другой остановке сервиса. Правильная реакция — сохранить зависимость и сделать путь воспроизводимым, а не просто ждать возвращения upstream-страницы.
Не используйте ночные сборки как экстренную замену, не пересмотрев решение о риске. В официальной документации по установке ночные пакеты описываются как средство тестировать изменения между официальными выпусками; при этом их не рекомендуют развёртывать в рабочей среде из-за ограниченной поддержки. Это предупреждение особенно важно, когда команда и без того не уверена в доступности исходников.
Альтернативы и границы миграции
Универсальной замены ONNX Runtime не существует: ценность проекта часто определяется не одним названием API, а поддержкой провайдеров и платформ. Для конкретной модели и устройства команде может подойти нативная среда выполнения фреймворка, TensorRT, OpenVINO, Core ML, DirectML, WebAssembly или специализированный движок вывода от поставщика. Каждая альтернатива меняет набор поддерживаемых операторов, поведение квантования, профиль производительности, требования к упаковке или переносимость.
Сравнивать варианты следует, исходя из модели и целевого оборудования. Составьте список используемых моделью операторов, требуемой точности, поведения динамических форм, пользовательских операторов, допущений по пакетной обработке, ограничений памяти и целевой задержки. Затем протестируйте кандидата на тех же входных данных и с той же конфигурацией провайдера. Бенчмарк, измеряющий только прогретый путь на CPU, не подтверждает эквивалентность холодного запуска GPU-сервиса или приложения для Android.
ONNX по-прежнему важен как формат обмена, но обмен не гарантирует идентичное выполнение. Разные среды выполнения могут реализовывать один и тот же граф с помощью разных ядер и преобразований графа, по-разному обрабатывать округление и использовать разные сценарии отката для неподдерживаемых операторов. Прежде чем считать миграцию простой заменой имени пакета, зафиксируйте допустимые числовые отклонения и тесты приемки на уровне приложения.
Урок открытого исходного кода — в границах артефактов
Главный вывод из инцидента с ONNX Runtime не в том, что GitHub ненадёжен или проект Microsoft следует забросить. Он в том, что «открытый исходный код» означает доступ к исходникам и права, предоставленные лицензией; это не гарантирует постоянную доступность каждого входа сборки, бинарного файла, зеркала, индекса пакетов или сервиса хостинга.
Репозиторий ONNX Runtime распространяется под лицензией MIT, однако проект также включает множество зависимостей с собственными уведомлениями и условиями лицензирования. Тот, кто распространяет продукт, должен сохранять применимые уведомления, а не считать лицензию верхнего уровня единственным элементом соблюдения требований. Это особенно важно, когда организация создаёт внутренние зеркала, переупаковывает нативные библиотеки или поставляет клиентам изменённую сборку.
Инцидент также показывает, почему доступность исходного кода и эксплуатационную доступность нужно отслеживать отдельно. Проект может оставаться открытым, документированным и пригодным для упаковки, пока конкретный forge-сервис, путь выпуска или интеграция с CI временно недоступны. И наоборот, репозиторий может быть виден, а процесс выпуска — невоспроизводим. Зрелая проверка зависимостей фиксирует и юридическую возможность изучать и изменять код, и практическую возможность заново собрать и проверить артефакт.
Для команд, уже использующих ONNX Runtime, разумный следующий шаг — короткое упражнение на устойчивость: определить все артефакты, загружаемые с GitHub, зафиксировать версию в продакшене, независимо проверить пути к пакетам и моделям, выполнить сборку из внутреннего кэша и задокументировать матрицу провайдеров выполнения. Если текущая среда проходит эти проверки, её стоит сохранить. Исследование миграции следует начинать только тогда, когда поддержка проекта, безопасность, охват платформ или воспроизводимость больше не соответствуют требованиям приложения.
Это более устойчивый ответ на временный 404. Он защищает сегодняшнее развёртывание, даёт сопровождающим более ясный сигнал о сбое и оставляет организации рабочую зависимость, даже если следующая проблема на стороне upstream затронет другой forge-сервис, индекс пакетов или поставщика.
Comments
Sign in to comment.
No comments yet.