Yarn Berry项目中环境变量YARN_CACHE_FOLDER的正确使用方式
2025-05-29 21:55:03作者:鲍丁臣Ursa
在Yarn Berry(v2+)版本中,缓存管理机制相比经典版Yarn有了显著变化。许多开发者在使用YARN_CACHE_FOLDER环境变量时会发现设置无效,这实际上是由于对Yarn Berry新缓存机制的理解不足导致的。
问题现象
当开发者尝试通过设置YARN_CACHE_FOLDER环境变量来修改缓存目录时,例如:
YARN_CACHE_FOLDER=".example" yarn config --no-defaults
会发现配置中的cacheFolder值并未改变,仍然指向默认的全局缓存路径。
根本原因
Yarn Berry默认启用了全局缓存机制(global cache),这是与经典版Yarn的一个重要区别。当全局缓存启用时,YARN_CACHE_FOLDER的设置会被忽略,系统会强制使用全局缓存路径。
解决方案
要使用自定义的缓存目录,需要同时设置两个环境变量:
YARN_CACHE_FOLDER=".example" YARN_ENABLE_GLOBAL_CACHE=false yarn install
这样配置后:
- YARN_ENABLE_GLOBAL_CACHE=false 会禁用全局缓存机制
- YARN_CACHE_FOLDER的设置才会生效
技术背景
Yarn Berry引入全局缓存的主要目的是:
- 提高多项目间的缓存共享率
- 减少磁盘空间占用
- 加速依赖安装过程
全局缓存默认存储在系统特定位置:
- Linux/macOS: ~/.yarn/berry/cache
- Windows: %LOCALAPPDATA%/Yarn/Berry/cache
最佳实践建议
- 对于需要隔离缓存的项目(如CI环境),建议禁用全局缓存
- 在大多数开发场景下,保持全局缓存启用可以获得更好的性能
- 如需修改缓存位置,建议通过.yarnrc.yml配置文件持久化设置:
enableGlobalCache: false
cacheFolder: "./.custom-cache"
版本兼容性说明
此行为从Yarn Berry(v2)开始引入,在v1及更早版本中,YARN_CACHE_FOLDER可以直接生效。项目迁移到Berry版本时需要注意这一变化。
通过理解Yarn Berry的缓存机制设计,开发者可以更灵活地管理项目依赖缓存,在需要时实现缓存隔离,同时在大多数情况下享受全局缓存带来的性能优势。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
热门内容推荐
最新内容推荐
Degrees of Lewdity中文汉化终极指南:零基础玩家必看的完整教程Unity游戏翻译神器:XUnity Auto Translator 完整使用指南PythonWin7终极指南:在Windows 7上轻松安装Python 3.9+终极macOS键盘定制指南:用Karabiner-Elements提升10倍效率Pandas数据分析实战指南:从零基础到数据处理高手 Qwen3-235B-FP8震撼升级:256K上下文+22B激活参数7步搞定机械键盘PCB设计:从零开始打造你的专属键盘终极WeMod专业版解锁指南:3步免费获取完整高级功能DeepSeek-R1-Distill-Qwen-32B技术揭秘:小模型如何实现大模型性能突破音频修复终极指南:让每一段受损声音重获新生
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
570
3.84 K
Ascend Extension for PyTorch
Python
381
456
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
894
679
暂无简介
Dart
803
198
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
353
209
昇腾LLM分布式训练框架
Python
119
146
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
68
20
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.37 K
781