Earthly项目中TRY/FINALLY与WITH DOCKER结合使用的输出优化
2025-05-19 22:22:17作者:牧宁李
在Earthly构建工具中,当开发者使用TRY/FINALLY语句块与WITH DOCKER指令结合时,会产生较为冗长的错误输出信息。这个问题虽然不影响功能执行,但会对开发者的调试体验造成一定困扰。
问题现象
当在Earthfile中使用如下结构时:
VERSION --try 0.8
test:
FROM earthly/dind:alpine
TRY
WITH DOCKER
RUN echo important > data && false
END
FINALLY
SAVE ARTIFACT data AS LOCAL ./data
END
执行后会输出大量调试信息,包括完整的docker命令执行路径和环境变量等详细信息。相比之下,不使用WITH DOCKER的简单TRY/FINALLY结构则会产生简洁得多的错误输出。
技术背景
Earthly是一个基于Docker的构建工具,它通过定义Earthfile来描述构建过程。TRY/FINALLY是Earthly提供的一种错误处理机制,允许在命令失败后仍然执行必要的清理或保存操作。WITH DOCKER则用于在构建过程中启动一个临时的Docker守护进程。
当这两个特性结合使用时,由于WITH DOCKER内部涉及复杂的Docker环境设置和命令执行过程,导致错误输出包含了大量底层实现细节,这对大多数开发者来说是不必要的噪音。
解决方案
Earthly团队已经意识到这个问题,并在内部进行了修复。主要改进方向包括:
- 简化错误输出信息,去除不必要的底层细节
- 保持核心错误信息的清晰可见
- 确保TRY/FINALLY的功能完整性不受影响
修复后的版本将提供更符合开发者预期的错误输出体验,同时仍然保留所有必要的调试信息供高级用户使用。
最佳实践
对于需要在Docker环境中执行命令并确保资源清理的场景,建议采用以下结构:
VERSION 0.8
test:
ARG FRONTEND=docker
FROM alpine:3.18
TRY
WITH DOCKER
RUN $FRONTEND ps > docker-ps && false
END
FINALLY
SAVE ARTIFACT docker-ps AS LOCAL .testdata
END
这种结构既保证了命令在Docker环境中执行,又能利用TRY/FINALLY进行必要的资源清理或结果保存,同时避免了过于冗长的错误输出。
总结
Earthly团队持续优化开发者体验,这次对TRY/FINALLY与WITH DOCKER结合使用的输出优化,体现了对构建工具可用性的重视。开发者可以期待在未来的版本中获得更清晰、更有针对性的错误提示信息,从而提高开发效率。
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
185
196
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
480
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
276
97
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
380
3.44 K
暂无简介
Dart
623
140
React Native鸿蒙化仓库
JavaScript
242
315
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
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++
648
265
openGauss kernel ~ openGauss is an open source relational database management system
C++
157
210