Lighthouse CI 临时存储服务故障分析与解决方案
2025-06-02 17:05:13作者:庞队千Virginia
问题背景
近期在使用 Lighthouse CI 进行网站性能测试时,部分用户遇到了报告上传失败的问题。具体表现为 GitHub Actions 工作流中"Uploading median LHR"步骤失败,导致无法生成预期的公开报告链接。这一问题主要影响使用临时公共存储(temporaryPublicStorage)功能的用户。
技术分析
Lighthouse CI 默认提供了一个临时公共存储服务,用于托管生成的性能报告。该服务基于 Google Cloud Storage 实现,用户无需自行配置存储后端即可快速分享测试结果。然而,近期该服务出现了间歇性故障,导致上传过程失败。
从技术实现角度看,当用户启用temporaryPublicStorage选项时,Lighthouse CI 会尝试将报告上传至预设的云存储桶。上传失败通常表现为:
- 工作流日志中出现"Uploading median LHR failed"错误
- 输出结果中缺少预期的公开报告链接
- 虽然本地报告生成成功,但无法通过公开URL访问
解决方案
对于依赖临时存储服务的用户,建议采用以下替代方案:
1. 使用GitHub Artifacts
通过配置uploadArtifacts: true,Lighthouse CI 会将报告作为构建产物存储在GitHub中。虽然这种方式不提供公开URL,但团队成员仍可通过GitHub界面下载查看完整报告。
2. 配置自定义存储后端
更稳定的解决方案是配置自己的存储后端。Lighthouse CI 支持多种存储目标:
{
"ci": {
"collect": {
"url": ["https://example.com"]
},
"upload": {
"target": "lhci",
"serverBaseUrl": "https://your-lhci-server.example.com",
"token": "your-token"
}
}
}
可选的存储目标包括:
- 自托管的LHCI服务器
- Google Cloud Storage
- AWS S3
- 其他兼容的存储服务
3. 本地报告分析
对于不需要共享报告的场景,可以直接在工作流中分析本地生成的JSON报告,或将其集成到CI流程中进行自动化质量门禁检查。
最佳实践
- 对于生产环境的关键监控,建议部署专用的LHCI服务器
- 临时报告适合开发环境快速验证,但不建议作为长期解决方案
- 定期检查Lighthouse CI更新,以获取存储服务的修复和改进
总结
Lighthouse CI的临时存储服务虽然提供了便利,但在稳定性方面存在局限。通过配置自定义存储后端或利用GitHub原生功能,可以获得更可靠的结果存储方案。开发团队应根据实际需求选择适合的存储策略,确保性能监控数据的持久性和可访问性。
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
最新内容推荐
电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 开源电子设计自动化利器:KiCad EDA全方位使用指南 Jetson TX2开发板官方资源完全指南:从入门到精通 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Python案例资源下载 - 从入门到精通的完整项目代码合集 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
245
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
暂无简介
Dart
672
157
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++
662
313
React Native鸿蒙化仓库
JavaScript
262
323
🔥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
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218