XCLogParser 解析Xcode 15.3构建日志失败问题分析
问题背景
XCLogParser是一个用于解析Xcode构建日志的工具,它能够将Xcode的xcactivitylog文件转换为更易读的格式(如HTML或JSON)。然而,随着Xcode 15.3的发布,用户报告XCLogParser无法正确解析新版本的构建日志,导致生成大量小文件或解析失败。
问题现象
当使用Xcode 15.3构建项目并尝试用XCLogParser解析日志时,会出现以下错误:
"com.apple.dt.ActivityLogSectionAttachment.TaskMetrics"], [type: int, value: 1], [type: int, value: 0]]
Error: The line *{"wcStartTime":73149 doesn't seem like a valid SLF line
解析过程会产生大量小文件(报告称产生了19741个文件,总计1.3GB),而不是预期的单一报告文件。
根本原因
经过分析,这个问题源于Xcode 15.3引入了新的日志格式版本(logFormatVersion 11),其中包含了一个新的IDEActivityLogSectionAttachment类型。这个附件包含了一个JSON格式的BuildOperationTaskMetrics对象,其格式以星号(*)开头,这与XCLogParser现有的解析逻辑不兼容。
BuildOperationTaskMetrics对象包含了构建任务的各种度量指标,如任务开始时间、结束时间等性能数据。这些数据原本是Xcode构建系统内部使用的,但在Xcode 15.3中被直接包含在了活动日志中。
技术细节
新的日志格式中,BuildOperationTaskMetrics对象以特殊标记(*)开头,后面跟随JSON数据。例如:
*{"wcStartTime":73149, ...}
这种格式打破了XCLogParser原有的行解析逻辑,导致解析器无法正确识别日志行。解析器期望每行都是标准的SLF(Super Log Format)格式,而新引入的这种混合格式造成了兼容性问题。
解决方案
社区已经提出了修复方案,主要修改包括:
- 更新日志行解析逻辑,识别并正确处理以星号(*)开头的JSON数据
- 扩展BuildStep模型,增加对BuildOperationTaskMetrics的支持
- 确保新格式的日志能够被正确解析而不影响其他日志信息的处理
修复方案需要仔细处理这些新的度量数据,同时保持向后兼容性,确保工具仍然能够处理旧版本的Xcode日志。
影响范围
这个问题影响所有使用Xcode 15.3及以上版本并依赖XCLogParser进行构建日志分析的用户。特别是那些使用XCLogParser进行持续集成构建分析或构建性能优化的团队。
临时解决方案
在官方修复发布前,用户可以:
- 暂时降级到Xcode 15.2或更早版本
- 手动处理生成的报告文件,提取有用信息
- 使用其他日志分析工具临时替代
未来展望
随着Xcode构建系统的持续演进,类似的格式变更可能会再次发生。XCLogParser项目需要考虑:
- 建立更灵活的日志格式解析机制
- 增加对Xcode新版本的兼容性测试
- 提供更清晰的版本兼容性说明
这个问题凸显了开发工具链中依赖关系管理的重要性,特别是在持续集成环境中,工具链的各个组件需要保持版本同步和兼容性。
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
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00