在GitHub Actions中运行Sitespeed.io性能测试的最佳实践
2025-06-10 02:46:15作者:谭伦延
Sitespeed.io是一个强大的开源工具,用于测量网站性能并收集关键指标。本文将详细介绍如何在GitHub Actions工作流中配置和运行Sitespeed.io测试,特别针对使用自托管运行器的情况。
工作流配置要点
一个典型的Sitespeed.io GitHub Actions工作流包含以下几个关键部分:
- 触发器配置:使用workflow_dispatch触发器,允许手动运行工作流并传入自定义参数
- 输入参数:定义项目名称、迭代次数和脚本路径等可配置项
- 运行环境:指定自托管运行器(如hephaestus-ctci-medium)
- 执行步骤:包括代码检出、Docker镜像拉取、结果目录创建、测试执行和结果上传
完整工作流示例
以下是一个经过验证可用的工作流配置示例:
name: Sitespeed.io性能测试
on:
workflow_dispatch:
inputs:
project:
description: '输入要运行的项目名称'
required: true
default: 'ClientsideScripts'
iterations:
description: '输入要运行的迭代次数'
required: true
default: '1'
script:
description: '输入要运行的脚本路径'
required: true
default: 'script/01-PageLoad.js'
jobs:
run_sitespeed:
runs-on: hephaestus-ctci-medium
steps:
- name: 检出代码
uses: actions/checkout@v3
- name: 拉取Sitespeed.io Docker镜像
run: |
docker pull sitespeedio/sitespeed.io:latest
- name: 创建结果目录
run: |
mkdir -p ClientsideScripts/sitespeed-result
- name: 运行Sitespeed.io测试
run: |
docker run -v "$(pwd)/ClientsideScripts:/sitespeed.io" sitespeedio/sitespeed.io \
--multi "/sitespeed.io/${{ github.event.inputs.script}}" \
-b chrome \
--browsertime.headless \
--browsertime.chromeOptions.args='["--headless", "--disable-gpu", "--no-sandbox", "--remote-debugging-port=9222"]' \
--browsertime.iterations ${{ github.event.inputs.iterations }} \
--output "/sitespeed.io/ClientsideScripts/sitespeed-result"
- name: 上传测试结果
uses: actions/upload-artifact@v3
with:
name: sitespeed-result
path: ClientsideScripts/sitespeed-result
关键配置解析
- Docker卷挂载:将本地目录挂载到容器中,使测试脚本和结果可以持久化
- Chrome无头模式:通过--browsertime.headless和chromeOptions.args参数配置无头Chrome
- 多脚本支持:使用--multi参数指定要执行的脚本路径
- 迭代控制:通过--browsertime.iterations设置测试迭代次数
- 结果输出:明确指定输出目录,便于后续结果收集
常见问题解决方案
在配置过程中可能会遇到Chrome浏览器无法启动的问题,这通常是由于缺少必要的依赖或配置不当导致的。解决方案包括:
- 确保自托管运行器上安装了所有必要的依赖项
- 正确配置Chrome的无头模式参数
- 为Chrome添加--no-sandbox参数以解决沙箱限制问题
- 设置适当的远程调试端口
通过以上配置,开发者可以轻松地将Sitespeed.io性能测试集成到CI/CD流程中,实现自动化性能监控和回归测试。
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
24
9
Ascend Extension for PyTorch
Python
223
245
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
672
157
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++
662
313
React Native鸿蒙化仓库
JavaScript
262
323
🔥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
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218