Azure Pipelines Tasks中.NET 9 SDK安装失败问题分析与解决方案
问题背景
在使用Azure Pipelines的UseDotNet@2任务安装.NET 9 SDK时,部分用户遇到了DirectoryNotFoundException异常。这个问题主要出现在Windows环境的Microsoft Hosted代理上,当尝试解压下载的.NET 9 SDK压缩包时发生。
错误现象
从日志中可以观察到,任务在下载.NET 9 SDK压缩包后,尝试使用PowerShell的System.IO.Compression.ZipFile::ExtractToDirectory方法解压时失败。错误信息显示无法找到路径的一部分,特别是当路径指向BuildHost-net472目录下的配置文件时。
根本原因
经过分析,这个问题实际上是由于Windows系统的长路径限制导致的。虽然错误表现为DirectoryNotFoundException,但本质上是因为解压过程中遇到了超过260个字符的路径长度限制。Windows默认情况下会限制路径长度,即使.NET的ExtractToDirectory方法有专门的PathTooLongException,在某些情况下仍可能表现为目录未找到异常。
解决方案
要解决这个问题,可以通过以下两种方法之一:
-
启用Windows长路径支持
在构建任务前添加一个PowerShell任务,执行以下命令启用长路径支持:Set-ItemProperty 'HKLM:\System\CurrentControlSet\Control\FileSystem' -Name 'LongPathsEnabled' -value 1 -
修改代理工作目录
将代理安装到更短的路径下,例如直接放在C盘根目录下,这样可以减少整体路径长度,避免触及限制。
最佳实践建议
-
对于使用自托管代理的情况,建议在代理安装前就启用长路径支持,避免后续出现类似问题。
-
在Azure Pipelines的YAML配置中,可以在UseDotNet@2任务前添加PowerShell任务来确保长路径支持已启用,如下所示:
- task: PowerShell@2 displayName: 启用长路径支持 inputs: targetType: inline script: Set-ItemProperty 'HKLM:\System\CurrentControlSet\Control\FileSystem' -Name 'LongPathsEnabled' -value 1 -
对于持续集成环境,考虑将这项配置作为代理初始化的一部分,确保所有构建都能受益。
技术深度解析
Windows系统的长路径限制是一个历史遗留问题,源于早期的文件系统设计。虽然现代Windows版本已经支持通过注册表启用长路径,但默认情况下仍然是关闭的。在构建和部署场景中,特别是像.NET SDK这样包含深层目录结构的大型软件包,很容易触及这个限制。
当使用System.IO.Compression.ZipFile::ExtractToDirectory方法时,如果遇到长路径问题,理论上应该抛出PathTooLongException。但在某些情况下,特别是当系统尝试创建中间目录时,可能会先表现为DirectoryNotFoundException。这种异常转换使得问题诊断变得不那么直观。
总结
Azure Pipelines中使用UseDotNet@2任务安装.NET 9 SDK时遇到的解压失败问题,主要是由于Windows系统的长路径限制导致的。通过启用系统的长路径支持或缩短工作目录路径,可以有效解决这个问题。对于持续集成环境,建议将长路径支持作为标准配置的一部分,以确保构建过程的稳定性。
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
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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