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。
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