Electron-Builder 在 GitHub Actions 中使用 Azure Trusted Signing 的并发问题解析
问题背景
在 Electron 应用开发中,使用 electron-builder 进行 Windows 平台打包时,许多开发者会选择 Azure Trusted Signing 服务进行代码签名。然而,在 GitHub Actions 等 CI/CD 环境中,当应用包含多个需要签名的可执行文件时,会出现并发签名导致的问题。
核心问题表现
当 electron-builder 在 GitHub Actions 中尝试同时签名多个文件时,会出现以下典型错误:
Install-Package: Package 'Microsoft.Trusted.Signing.Client' failed to be installed because: The process cannot access the file
'C:\Users\runneradmin\AppData\Local\TrustedSigning\Microsoft.Trusted.Signing.Client\Microsoft.Trusted.Signing.Client.1.0
.53\bin\x64\Azure.CodeSigning.Dlib.dll' because it is being used by another process.
这个问题的根源在于 electron-builder 默认会以并发方式(concurrency=4)签名多个文件,而 Azure Trusted Signing 在签名前需要安装必要的模块。当多个签名进程同时运行时,它们都会尝试安装相同的模块,导致文件访问冲突。
技术原理分析
-
签名流程:electron-builder 在签名 Windows 应用时,会处理主可执行文件、资源文件、解压后的 ASAR 文件等多个目标。
-
并发机制:默认情况下,electron-builder 使用 Bluebird 的 map 方法以并发方式处理签名任务,提高整体构建速度。
-
Azure Trusted Signing 特殊性:该服务需要在每次签名前验证并安装必要的 PowerShell 模块和依赖项,这在并发环境下会导致资源竞争。
解决方案演进
electron-builder 社区针对此问题提出了几种解决方案:
-
串行签名方案:最直接的解决方法是强制签名过程串行执行。通过修改 winPackager.js 中的签名逻辑,将并发 map 调用改为顺序执行的 for 循环。
-
条件并发控制:更优雅的方案是检测是否使用 Azure Trusted Signing,如果是则自动禁用并发签名。
-
批量签名优化:Azure Trusted Signing 本身支持批量签名多个文件,electron-builder 可以优化为收集所有需要签名的文件后一次性提交。
实际应用建议
对于正在使用 electron-builder v26.0.0-alpha.4 及以上版本的用户:
-
确保使用最新版本,该版本已内置了对 Azure Trusted Signing 并发问题的修复。
-
如果仍遇到问题,可以考虑在 GitHub Actions 中预先安装必要的模块:
Install-Module -Name TrustedSigning -RequiredVersion 0.4.1 -Force -Repository PSGallery -Scope CurrentUser
- 对于自定义需求,可以通过 patch-package 临时修改 electron-builder 的签名逻辑。
最佳实践
-
在 CI/CD 环境中,优先考虑使用 electron-builder 的官方解决方案而非自行修改。
-
监控签名过程中的资源使用情况,适当调整并发级别。
-
对于大型项目,考虑将签名步骤分离为独立的工作流,减少与其他构建步骤的相互影响。
总结
electron-builder 与 Azure Trusted Signing 的集成在 GitHub Actions 中的并发问题,反映了现代构建工具在效率与可靠性之间的平衡挑战。通过理解问题的技术本质和解决方案的演进过程,开发者可以更有效地构建稳定的 Electron 应用发布流程。随着 electron-builder 的持续更新,这类问题将得到更好的原生支持。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0152- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0112