OSHI项目在FlyCI与GitHub Actions缓存机制差异分析
2025-06-10 21:50:46作者:薛曦旖Francesca
背景介绍
OSHI作为一个跨平台、跨架构的系统信息监控库,需要在多种操作系统和硬件架构上进行全面测试。近期项目在集成FlyCI的M1架构Runner时,发现了一个与Maven依赖缓存相关的性能问题。本文将深入分析该问题的技术本质及解决方案。
问题现象
在持续集成过程中,FlyCI Runner表现出以下异常特征:
- 测试执行前阶段比GitHub原生Runner多耗时约1分钟
- Maven依赖需要重复从中央仓库下载
- 尽管缓存恢复步骤显示成功,但实际构建时无法命中本地仓库
通过对比日志发现,GitHub Runner能正确复用缓存依赖:
[INFO] Using cached依赖:-javaagent:/Users/runner/.m2/repository/org/jacoco/org.jacoco.agent/0.8.11/org.jacoco.agent-0.8.11-runtime.jar
而FlyCI Runner则显示完整下载过程:
[INFO] Downloading from central: https://repo.maven.apache.org/maven2/org/jacoco/org.jacoco.agent/0.8.11/org.jacoco.agent-0.8.11.pom
...
[INFO] Downloaded from central: https://repo.maven.apache.org/maven2/org/jacoco/org.jacoco.agent/0.8.11/org.jacoco.agent-0.8.11-runtime.jar
技术分析
缓存机制原理
GitHub Actions的缓存系统基于以下关键设计:
- 采用相对路径存储(
../../../.m2/repository/) - 默认假设缓存文件位于用户主目录(
~/.m2) - 使用tar压缩包格式进行归档
根因定位
FlyCI Runner与GitHub Runner存在目录结构差异:
- GitHub Runner路径:
/Users/runner/work/_temp/ - FlyCI Runner路径:
/opt/actions-runner/_work/_temp/
当缓存恢复时,相对路径../../../.m2在不同基础路径下会解析到不同位置:
- GitHub Runner正确还原到:
/Users/runner/.m2 - FlyCI Runner错误还原到:
/opt/actions-runner/.m2
而Maven默认查找的是用户主目录下的.m2仓库,导致缓存失效。
解决方案验证
通过启用Maven调试模式(-X参数)确认:
- FlyCI Runner确实将缓存恢复到非标准路径
- Maven仍按标准路径查找依赖
- 手动指定缓存路径可临时解决问题
最佳实践建议
对于需要在多平台Runner间共享缓存的项目:
-
路径标准化
- 确保所有Runner使用相同的用户主目录结构
- 或显式配置Maven本地仓库路径
-
缓存策略优化
- 对不同Runner类型使用差异化缓存key
- 考虑使用setup-java等专业action管理缓存
-
监控机制
- 添加缓存命中率检查步骤
- 记录依赖下载耗时指标
后续进展
FlyCI团队在收到反馈后24小时内发布了新版本镜像,主要改进包括:
- 标准化Runner安装路径到用户主目录
- 确保与GitHub原生Runner的路径兼容性
- 验证显示构建时间从原来的1分钟+降至40秒
经验总结
- 跨平台CI/CD需特别注意文件系统路径差异
- 缓存机制对构建性能影响显著(本例提升达50%)
- 开源协作能快速推动技术问题解决
该案例展示了基础设施兼容性问题对构建效率的重要影响,也为其他需要多平台支持的开源项目提供了宝贵参考。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
GOT-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。00
最新内容推荐
TextAnimator for Unity:打造专业级文字动画效果的终极解决方案 全球GEOJSON地理数据资源下载指南 - 高效获取地理空间数据的完整解决方案 全球36个生物多样性热点地区KML矢量图资源详解与应用指南 PANTONE潘通AI色板库:设计师必备的色彩管理利器 32位ECC纠错Verilog代码:提升FPGA系统可靠性的关键技术方案 开源电子设计自动化利器:KiCad EDA全方位使用指南 深入解析Windows内核模式驱动管理器:系统驱动管理的终极利器 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 瀚高迁移工具migration-4.1.4:企业级数据库迁移的智能解决方案 Photoshop作业资源文件下载指南:全面提升设计学习效率的必备素材库
项目优选
收起
deepin linux kernel
C
24
8
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++
654
279
暂无简介
Dart
637
145
Ascend Extension for PyTorch
Python
199
219
仓颉编译器源码及 cjdb 调试工具。
C++
128
860
React Native鸿蒙化仓库
JavaScript
246
316
openGauss kernel ~ openGauss is an open source relational database management system
C++
158
213
🎉 (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
1.12 K
630
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
9
1
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,提供Transformer定制化场景的高性能融合算子。
C++
76
100