Docker-GitHub Actions Runner中可重用Runner配置异常问题解析
2025-07-07 12:54:02作者:董灵辛Dennis
问题现象分析
在使用myoung34/docker-github-actions-runner项目时,用户可能会遇到Runner在重新启动后出现异常状态的情况。具体表现为控制台输出以下错误信息:
Runner reusage is enabled
Copying previous data
The runner has already been configured
Reusage is enabled. Storing data to /runner/data
cp: cannot stat '/actions-runner/_diag': No such file or directory
cp: cannot stat '/actions-runner/svc.sh': No such file or directory
√ Connected to GitHub
2025-02-22 20:42:26Z: Runner connect error: Registration was not found or is not medium trust. ClientType: . Retrying until reconnected.
根本原因
经过深入分析,这个问题源于GitHub Actions Runner本身的一个已知问题:当可重用Runner被自动注销后,会进入一种异常状态。这种情况通常发生在以下场景:
- 容器停止运行后,GitHub自动注销了Runner
- 用户重新启动容器尝试重用之前的Runner配置
- 系统尝试恢复状态时发现注册信息已丢失
解决方案
针对这个问题,项目维护者经过多次测试验证,最终确定以下解决方案:
推荐方案
在docker-compose配置中添加环境变量:
environment:
DISABLE_AUTOMATIC_DEREGISTRATION: "true"
这个设置可以防止Runner在停止时自动注销,从而避免状态不一致的问题。
备选方案
如果已经出现状态异常,可以尝试以下步骤恢复:
- 完全清理Runner数据目录
- 重启Docker服务或虚拟机
- 重新创建容器
技术实现细节
在底层实现上,这个问题的解决涉及以下技术点:
- Runner的持久化机制:通过CONFIGURED_ACTIONS_RUNNER_FILES_DIR指定数据目录
- GitHub的注册验证流程:Runner需要保持有效的注册令牌
- 容器生命周期管理:正确处理停止和重启时的状态同步
最佳实践建议
- 对于生产环境,始终设置DISABLE_AUTOMATIC_DEREGISTRATION
- 定期检查Runner的注册状态
- 使用稳定的存储后端保存Runner数据
- 监控Runner的健康状态,及时发现异常
总结
通过本文的分析,我们了解了Docker-GitHub Actions Runner中可重用Runner配置异常的根本原因和解决方案。这个问题的解决不仅提高了Runner的可靠性,也为用户提供了更好的使用体验。项目维护者已经将这个修复方案纳入代码库,未来版本将会默认采用更稳定的配置策略。
登录后查看全文
热门项目推荐
相关项目推荐
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-X1-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
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
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
311
2.72 K
deepin linux kernel
C
24
7
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++
639
242
仓颉编译器源码及 cjdb 调试工具。
C++
124
851
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
469
Ascend Extension for PyTorch
Python
149
175
暂无简介
Dart
604
135
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
227
81
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
363
2.99 K
React Native鸿蒙化仓库
JavaScript
236
310