Notes项目解决macOS构建中随机失败的DMG创建问题
在Notes项目的持续集成过程中,开发团队遇到了一个棘手的问题:macOS构建经常随机失败,特别是在使用create-dmg工具创建磁盘映像(DMG)文件时。这个问题不仅影响了开发效率,还增加了维护成本,因为需要频繁手动触发重建。
问题根源分析
经过深入调查,团队发现问题的根源在于macOS 13及以上版本中的XProtectBehaviorService服务。当create-dmg工具内部调用hdiutil命令时,可能会遇到"Resource busy"错误,导致构建失败。这种现象是随机的,因为XProtectBehaviorService的行为具有不确定性。
解决方案评估
团队考虑了三种可能的解决方案:
-
终止XProtectBehaviorService服务:在调用create-dmg或hdiutil前尝试终止该服务。然而,这种方法被证明不够可靠,因为服务可能随时重启。
-
以root权限运行:让hdiutil或create-dmg以管理员权限执行。这种方法在社区反馈中表现较好,没有明显的负面评价。
-
放弃DMG分发:改为分发压缩的.app文件夹。虽然技术上可行,但这会降低用户体验,因为DMG提供了更直观的安装方式(拖拽安装)。
最终实施方案
基于用户体验优先的原则,团队决定采用第二种方案——以root权限运行相关命令。这种方法既保持了现有的用户友好的DMG安装体验,又解决了构建过程中的随机失败问题。
技术实现细节
在GitHub Actions的workflow中,团队修改了构建脚本,使用sudo提升create-dmg的执行权限。关键修改包括:
- 确保构建环境中有足够的权限执行sudo命令
- 在调用create-dmg前添加sudo前缀
- 处理可能出现的权限相关问题
经验总结
这个案例展示了在持续集成环境中处理平台特定问题时的典型思考过程:
- 首先识别和确认问题的根本原因
- 评估各种解决方案的优缺点
- 选择对用户体验影响最小的方案
- 实施并验证解决方案的有效性
通过这种方法,Notes项目成功解决了macOS构建中的随机失败问题,同时保持了良好的用户体验。这个经验也为其他面临类似问题的项目提供了有价值的参考。
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 StartedRust0194
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0121
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python05
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook06