Stack项目CI构建性能优化:解决Linux环境下链接速度慢的问题
2025-06-16 13:37:41作者:昌雅子Ethen
背景介绍
在Stack项目的持续集成(CI)流程中,开发团队发现了一个显著的性能差异问题:在GitHub Actions的不同运行环境中,ubuntu-latest运行器的执行时间(120分钟)比macos-13运行器(42分钟)和windows-latest运行器(39分钟)要长3倍左右。这种性能差异严重影响了开发效率,特别是在Linux环境下的构建和测试过程。
问题分析
通过详细的日志分析和性能对比,团队发现性能瓶颈主要集中在链接(link)阶段。具体表现为:
- 在集成测试4783中,链接操作在macOS上仅需4秒,而在Linux容器中却需要4分钟
- 四个关键链接点的性能差异尤为明显:
- Stack的Setup shim
- ghc-paths包的setup
- doctest工具
- foo测试套件
进一步调查发现,不同平台使用了不同的链接器:
- Linux容器默认使用GNU ld(ld.bfd)
- macOS使用Apple的专用链接器
- Windows使用LLVM的lld链接器
技术解决方案
针对Linux环境下链接速度慢的问题,团队采取了以下优化措施:
- 链接器替换:在Linux环境中安装并配置LLVM的lld链接器替代默认的GNU ld
- 构建流程调整:修改stack-integration-test可执行文件,使其在Linux环境下明确使用lld链接器
- CI流程优化:调整release.hs check脚本,让stack-integration-test在目标Stack环境下运行,但不再使用Alpine Linux Docker容器
优化效果
优化措施实施后,性能提升效果显著:
- 整体CI时间:从120分钟降至26分钟,减少了78%
- 集成测试时间:从6269秒降至683秒,性能提升近9倍
- 其他平台:macOS和Windows环境的性能保持稳定,没有明显变化
技术原理深入
为什么链接器选择对性能有如此大的影响?这主要涉及不同链接器的设计理念和实现方式:
- GNU ld(ld.bfd):传统的GNU链接器,稳定性高但速度较慢
- lld:LLVM项目开发的链接器,专为速度优化,特别适合大型项目
- Apple ld:macOS专用链接器,针对Apple平台进行了深度优化
在Haskell项目中,链接阶段通常需要处理大量符号和依赖关系,高效的链接器可以显著减少构建时间。特别是在CI环境中,频繁的构建和测试使得链接性能的影响被放大。
最佳实践建议
基于这次优化经验,可以总结出以下Haskell项目CI优化的建议:
- 链接器选择:在Linux环境下优先考虑使用lld或gold链接器
- 环境一致性:确保CI环境与开发环境使用相同的工具链配置
- 性能监控:建立CI性能基准,及时发现并解决性能退化问题
- 工具链定制:根据项目特点定制构建环境,移除不必要的组件
总结
Stack项目通过分析CI性能瓶颈,识别出链接器选择对构建时间的关键影响,并成功通过切换到更高效的lld链接器解决了问题。这一优化不仅大幅提升了Linux环境下的构建速度,也为其他Haskell项目提供了宝贵的性能优化经验。在持续集成环境中,工具链的合理配置往往能带来意想不到的性能提升,值得开发者关注和投入。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
25
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
415
3.19 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
9
1
暂无简介
Dart
680
160
🔥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
65
19
Ascend Extension for PyTorch
Python
229
259
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++
689
327
React Native鸿蒙化仓库
JavaScript
265
326
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
🎉 (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
1.21 K
660