Earthly项目中SAVE命令在目标链中的行为解析
2025-05-19 12:13:35作者:俞予舒Fleming
概述
在Earthly构建系统中,SAVE IMAGE和SAVE ARTIFACT命令的行为可能会让开发者感到困惑。本文将通过实际案例深入分析这些命令在不同目标链中的表现,帮助开发者更好地理解Earthly的构建机制。
核心问题分析
Earthly构建系统中的SAVE命令(包括SAVE IMAGE和SAVE ARTIFACT)在目标链中的行为遵循特定规则:
- 直接调用:当直接调用包含SAVE命令的目标时,命令会正常执行
- 目标链调用:通过其他目标间接调用时,SAVE命令的行为会发生变化
典型场景测试
测试案例1:基础目标链
考虑以下Earthfile结构:
VERSION 0.8
docker:
FROM ubuntu:22.04
SAVE IMAGE earthly-test:latest
build:
FROM +docker
COPY --dir input ./
SAVE ARTIFACT input AS LOCAL output
all:
BUILD +build
执行不同命令时的结果:
+all:不创建镜像,但创建输出目录+build:不创建镜像,但创建输出目录+docker:创建镜像,不创建输出目录
测试案例2:扩展目标链
扩展后的Earthfile结构:
VERSION 0.8
docker:
FROM ubuntu:22.04
SAVE IMAGE earthly-test:latest
build:
FROM +docker
COPY --dir input ./
SAVE ARTIFACT input AS LOCAL output
tests:
FROM +build
all:
BUILD +tests
执行结果变化:
+all和+tests:既不创建镜像也不创建输出目录+build:不创建镜像但创建输出目录+docker:创建镜像但不创建输出目录
行为原理解析
Earthly构建系统中SAVE命令的行为遵循以下核心原则:
- BUILD命令是关键:只有通过BUILD命令形成的目标链才会触发SAVE命令的执行
- FROM命令的局限性:FROM命令不会触发被引用目标中的SAVE命令执行
- 链式传播特性:SAVE效果只能通过BUILD命令在目标链中传播
解决方案与实践
要确保SAVE命令在目标链中正确执行,应采用以下模式:
VERSION 0.8
docker:
FROM ubuntu:22.04
SAVE IMAGE earthly-test:latest
build:
BUILD +docker
FROM +docker
COPY --dir input ./
SAVE ARTIFACT input AS LOCAL output
tests:
BUILD +build
all:
BUILD +tests
这种模式的关键点:
- 在需要SAVE效果传播的目标中显式使用BUILD命令
- 同时使用FROM命令获取构建环境
- 确保目标链中的每个环节都通过BUILD连接
高级技巧:函数封装
对于需要频繁使用的BUILD+FROM组合,可以封装为函数:
BUILD_AND_FROM:
FUNCTION
ARG target
BUILD --pass-args $target
FROM --pass-args $target
build:
DO +BUILD_AND_FROM --target=+docker
COPY --dir input ./
SAVE ARTIFACT input AS LOCAL output
这种方法提高了代码的复用性和可读性。
总结
理解Earthly中SAVE命令的行为机制对于构建复杂的多阶段构建流程至关重要。开发者应记住:
- BUILD命令是SAVE效果传播的必要条件
- 在需要SAVE效果时,必须显式使用BUILD命令
- 合理组织目标链结构可以确保构建产物按预期生成
通过掌握这些原则,开发者可以更高效地利用Earthly构建系统,避免常见的构建产物丢失问题。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
ruoyi-plus-soybeanRuoYi-Plus-Soybean 是一个现代化的企业级多租户管理系统,它结合了 RuoYi-Vue-Plus 的强大后端功能和 Soybean Admin 的现代化前端特性,为开发者提供了完整的企业管理解决方案。Vue06- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
574
3.85 K
Ascend Extension for PyTorch
Python
388
466
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
356
216
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++
897
688
昇腾LLM分布式训练框架
Python
121
147
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
120
156
🎉 (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
1.38 K
782
本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
599
167
React Native鸿蒙化仓库
JavaScript
311
361