Daft项目从Ubuntu 20.04迁移GitHub Actions Runner的技术实践
2025-06-28 07:31:26作者:侯霆垣
背景与挑战
随着Ubuntu 20.04即将在2025年4月结束官方支持,GitHub Actions平台计划逐步淘汰该运行环境。Daft项目团队在迁移过程中遇到了一个典型的技术难题:当将运行环境升级到Ubuntu 22.04后,Rust单元测试出现了段错误(Segmentation Fault)问题,这与LLVM代码覆盖率工具存在兼容性问题。
问题分析
在CI/CD流水线中,当测试环境从Ubuntu 20.04升级到22.04后,运行Rust单元测试时会出现核心转储(core dumped)错误。具体表现为:
- 测试收集阶段即发生段错误
- 错误与LLVM的代码覆盖率功能相关
- 类似问题在其他开源项目(如pydantic-core)中也有出现
经技术验证,这是Ubuntu 22.04环境下Rust工具链与LLVM代码覆盖率工具的特定兼容性问题。
解决方案
团队评估了多种技术方案:
-
环境回退方案:
- 暂时回退到Ubuntu 20.04环境
- 优点:快速解决问题
- 缺点:只是临时方案,无法应对即将到来的环境淘汰
-
禁用代码覆盖率:
- 在Rust测试中禁用代码覆盖率收集
- 优点:简单直接
- 缺点:损失重要的代码质量指标
-
多平台矩阵方案:
- 在CI中增加macOS测试节点
- 仅在该节点运行代码覆盖率收集
- 优点:保持完整的测试覆盖
- 挑战:GitHub提供的macOS运行器性能较弱,可能影响测试速度
实施建议
对于面临类似迁移问题的项目,建议采取以下技术路线:
- 建立多环境测试矩阵,将关键质量门禁(如代码覆盖率)分布在兼容性最好的节点执行
- 考虑使用容器化方案,确保测试环境的一致性
- 监控上游工具链更新,特别是Rust和LLVM的版本兼容性
- 在过渡期可以暂时保留Ubuntu 20.04和22.04双环境运行,逐步迁移
经验总结
这次迁移过程凸显了持续集成环境中工具链兼容性的重要性。技术团队需要:
- 提前规划基础环境升级路线
- 建立完善的多环境测试策略
- 保持对上游社区动态的关注
- 在稳定性和新特性之间找到平衡点
对于依赖特定工具链组合的项目,建议建立更灵活的CI/CD策略,以应对基础环境变化带来的挑战。
登录后查看全文
热门项目推荐
相关项目推荐
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
项目优选
收起
deepin linux kernel
C
26
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
422
3.25 K
Ascend Extension for PyTorch
Python
230
261
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++
689
331
暂无简介
Dart
686
160
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
React Native鸿蒙化仓库
JavaScript
266
326
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.22 K
666
仓颉编译器源码及 cjdb 调试工具。
C++
136
869