在actions/runner-images项目中解决Ubuntu 24.04下Android模拟器设备路径问题
在持续集成环境中使用Android模拟器进行自动化测试时,开发者可能会遇到一个棘手的问题:在Ubuntu 24.04系统上,通过avdmanager创建的Android虚拟设备(AVD)无法被emulator识别。这个问题在GitHub Actions的标准运行器上尤为明显,特别是在从Ubuntu 22.04升级到24.04版本后出现。
问题现象
当开发者在Ubuntu 24.04的CI环境中执行以下典型操作流程时:
- 使用sdkmanager安装Android系统镜像和工具
- 通过avdmanager创建AVD设备
- 尝试用emulator列出可用设备
会发现emulator无法找到刚刚创建的AVD设备。而在Ubuntu 22.04环境中,相同的操作流程却能正常工作。
根本原因分析
经过深入调查,发现问题源于Ubuntu 24.04系统中Android工具链的默认配置变更。具体表现为:
- avdmanager将创建的设备信息存储在
~/.config/.android
目录下 - emulator却默认在
~/.android
目录中查找设备信息
这种路径不一致导致emulator无法发现已创建的AVD设备。值得注意的是,这个问题并非由Android SDK版本差异引起,而是与操作系统级别的配置变更有关。
解决方案
目前有两种可行的解决方案:
临时解决方案(符号链接)
创建一个符号链接,将emulator查找的目录指向avdmanager实际使用的目录:
ln -s /home/runner/.config/.android /home/runner/.android
这种方法简单直接,能立即解决问题,但属于临时性解决方案。
永久解决方案(环境变量配置)
更规范的解决方法是设置ANDROID_AVD_HOME环境变量,明确指定AVD设备的存储位置:
export ANDROID_AVD_HOME=/home/runner/.config/.android/avd
这种方法更为可靠,因为它直接告诉工具链在哪里查找设备信息,避免了依赖默认路径。
最佳实践建议
对于在CI/CD管道中使用Android模拟器的开发者,建议采取以下措施:
- 在创建工作流程时,始终明确设置ANDROID_AVD_HOME环境变量
- 在Ubuntu 24.04环境中,优先检查工具链的路径配置
- 考虑将路径配置作为工作流程的初始化步骤之一
- 在切换Ubuntu版本时,特别注意这类与系统配置相关的变更
总结
这个案例展示了系统升级可能带来的微妙但重要的配置变更。对于依赖特定工具链的开发者来说,理解这些底层变化至关重要。通过正确配置环境变量或调整路径结构,可以确保Android模拟器在Ubuntu 24.04环境中正常工作,保持CI/CD管道的稳定性。
随着Ubuntu 24.04逐渐成为主流,这类问题可能会影响更多开发者。提前了解并采取预防措施,可以避免在关键时刻遇到构建失败的情况。
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~052CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0320- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选









