GitHub Actions 新增 Arm 架构托管运行器技术解析
2025-05-28 15:19:14作者:裴锟轩Denise
GitHub 近期为其持续集成/持续交付(CI/CD)服务 GitHub Actions 引入了一项重要更新——基于 Arm 架构的托管运行器(hosted runners)。这一技术演进将为开发者社区带来显著的性能与成本优势,特别是在需要构建和测试 Arm 架构应用的场景中。
技术背景
传统上,GitHub Actions 主要提供基于 x86 架构的托管运行器。随着 Arm 架构在服务器和云计算领域的广泛应用,越来越多的开发者需要能够在 Arm 原生环境中构建和测试他们的应用程序。Arm 架构以其出色的能效比著称,特别适合云原生应用、移动应用和嵌入式系统开发。
核心特性
新的 Arm 运行器基于 Ampere Altra 处理器构建,这是一款专为云计算工作负载设计的 Arm 架构服务器级处理器。这些运行器具有以下技术特点:
- 原生 Arm 执行环境:为 Arm 架构应用提供原生构建和测试能力,避免了模拟运行带来的性能损失
- 优化的工具链:预装了针对 Arm 架构优化的开发工具和构建环境
- 能效优势:相比传统 x86 架构,Arm 处理器通常能提供更好的性能功耗比
- 托管服务:与现有 GitHub Actions 运行器一样,由 GitHub 全托管,无需用户维护基础设施
应用场景
Arm 运行器特别适合以下开发场景:
- 移动应用开发(iOS/Android)
- 嵌入式系统和物联网(IoT)应用
- 云原生应用和微服务
- 机器学习模型训练和推理
- 需要跨平台构建和测试的项目
使用方法
开发者可以通过简单的配置将工作流迁移到 Arm 运行器:
- 在组织或企业设置中创建新的运行器组
- 选择 Arm 作为硬件架构
- 在工作流 YAML 文件中指定运行器类型
技术影响
这一更新对开发者生态系统具有深远影响:
- 构建效率提升:Arm 架构的原生构建可以显著减少构建时间
- 成本优化:更高的能效比可以降低持续集成过程的计算成本
- 开发流程简化:无需维护自己的 Arm 构建服务器
- 生态扩展:促进 Arm 架构在开源项目中的采用
总结
GitHub Actions 引入 Arm 架构托管运行器是云原生开发基础设施的重要演进。这一变化不仅为现有 Arm 开发者提供了更便捷的工具链,也为考虑迁移到 Arm 架构的项目降低了门槛。随着 Arm 在云计算和数据中心领域的持续增长,这一功能将成为 GitHub 开发者工具链中越来越重要的组成部分。
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-X1-7BSpark-Prover-X1-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-X1-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile015
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
306
2.7 K
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
138
169
暂无简介
Dart
598
130
React Native鸿蒙化仓库
JavaScript
235
309
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++
632
232
仓颉编译器源码及 cjdb 调试工具。
C++
123
710
🎉 (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
1.06 K
616
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
197
74
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
460