Mozilla sccache v0.10.0 版本在 GitHub Actions 中的缓存服务兼容性问题解析
问题背景
sccache 是 Mozilla 开发的一款分布式编译缓存工具,能够显著加速编译过程。近期有用户在使用 sccache v0.10.0 版本与 GitHub Actions 集成时遇到了缓存服务兼容性问题,表现为构建过程中出现"legacy service is shutting down"的错误提示。
问题现象
用户在 GitHub Actions 环境中配置 sccache 后,虽然使用了最新的 v0.10.0 版本,但仍然收到以下错误信息:
sccache: error: Server startup failed: cache storage failed to read: Unexpected (permanent) at read => {"$id":"1","innerException":null,"message":"This legacy service is shutting down, effective April 15, 2025. Migrate to the new service ASAP. For more information: [https://gh.io/gha-cache-sunset](https://gh.io/gha-cache-sunset)","typeName":"Microsoft.Azure.DevOps.ArtifactCache.WebApi.ArtifactCacheServiceDecommissionedException, Microsoft.Azure.DevOps.ArtifactCache.WebApi","typeKey":"ArtifactCacheServiceDecommissionedException","errorCode":0,"eventId":3000}
从日志中可以观察到,sccache 尝试使用 GitHub Actions 缓存服务(GHAC)的 V1 版本,但该服务已计划于 2025 年 4 月 15 日停止使用。
技术分析
-
服务架构变更:GitHub 正在对其 Actions 缓存服务进行升级,旧版 V1 API 将被弃用,转而使用新版服务。
-
sccache 实现机制:sccache 通过 OpenDAL 库与 GHAC 服务交互。从日志可见,当前配置强制使用了 V1 版本的缓存服务:
backend use service version V1 backend use version sccache-v0.10.0-1 -
版本兼容性:尽管 sccache v0.10.0 是最新版本,但其 GHAC 集成部分可能尚未完全适配 GitHub 的新缓存服务架构。
解决方案
目前有以下几种可行的解决路径:
-
切换缓存后端:如用户最终采用的方案,可以改用其他缓存服务如 Depot,完全避开 GHAC 的兼容性问题。
-
等待官方更新:关注 sccache 项目更新,等待官方发布完全支持新版 GHAC 服务的版本。
-
临时降级方案:如果项目允许,可以考虑暂时禁用缓存功能,但这会牺牲编译速度优势。
最佳实践建议
-
环境检查:在使用 sccache 前,建议先运行
sccache --show-stats命令检查缓存服务状态。 -
日志级别:设置
SCCACHE_LOG=debug环境变量可以帮助诊断缓存相关问题。 -
多方案准备:对于关键构建流程,建议准备备用缓存方案,如本地缓存或第三方缓存服务。
总结
sccache 作为编译加速工具在持续集成环境中非常有用,但需要注意其与各平台服务的兼容性。GitHub Actions 缓存服务的架构变更导致了一些兼容性问题,开发者需要根据自身情况选择合适的应对方案。对于长期项目,建议关注 sccache 项目的更新动态,及时升级到完全支持新版 GHAC 的版本。
未来随着 sccache 项目的持续发展,这类平台服务变更带来的兼容性问题有望得到更好的解决。开发者社区也在积极讨论和推动相关改进,以确保编译缓存功能在各种环境下都能稳定工作。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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