在GitHub Actions中运行Sitespeed.io性能测试的最佳实践
2025-06-10 12:42:17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
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-1.5暂无简介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
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
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
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
173
193
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++
647
263
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
269
93
暂无简介
Dart
622
140
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
377
3.32 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (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
1.1 K
620
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
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