OSHI项目在FlyCI与GitHub Actions缓存机制差异分析
2025-06-10 22:20:21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
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- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
热门内容推荐
最新内容推荐
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
532
3.75 K
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
67
20
暂无简介
Dart
772
191
Ascend Extension for PyTorch
Python
340
405
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++
886
596
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
React Native鸿蒙化仓库
JavaScript
303
355
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
336
178