کد خروج 137 در GitHub Actions: کمبود حافظه، و رانر ۱۶ GB یا ۳۲ GB با قیمت ثابت
بیلد شما دوباره با exit code 137 از کار افتاد. کسی دوباره اجرایش میکند، workerهای تست را کم میکند، swap اضافه میکند، و pipeline هر بار کندتر میشود. در همین حال رانری که مدام آن را میکشد ۸ GB حافظه دارد، و رانرهای بزرگتر GitHub دقیقهای پول میگیرند.
Skipbox به جاب ماشینی با ۱۶ GB یا ۳۲ GB با قیمت ثابت ماهانه و دقیقههای نامحدود میدهد. یک خط را به runs-on: skipbox تغییر دهید تا بیلد با ماهانه $۳۹ ۲ برابر حافظه ubuntu-latest را داشته باشد؛ runs-on: skipbox-8x16 هستهها را هم دو برابر میکند.
کد خروج 137 یعنی چه
137 یعنی 128 + 9: پروسه با سیگنال 9، یعنی SIGKILL، کشته شده که نمیتواند آن را بگیرد، پس هیچوقت خطایی چاپ نکرده است. روی رانر میزبانیشده GitHub این سیگنال از out-of-memory killer در Linux میآید، وقتی پروسههای جاب روی هم بیشتر از حافظه ماشین مصرف کردهاند.
| لاگ نشان میدهد | چه اتفاقی افتاده |
|---|---|
Process completed with exit code 137. (اغلب بعد از Killed) | kernel برای آزاد کردن حافظه یک پروسه را کشته است |
JavaScript heap out of memory | Node به سقف heap خودش رسیده؛ ماشین هنوز حافظه داشت |
The runner has received a shutdown signal. | حافظه کل رانر تمام شده و از پاسخ دادن بازایستاده |
در یک مخزن خصوصی، ubuntu-latest ۸ GB دارد، و برنامه رانر، Docker و کانتینرهای سرویس شما پیش از بیلدتان سهمشان را برمیدارند. بیلد یک monorepo، یک Gradle daemon با workerهای forkشده، یک بیلد release در Rust یا یک مجموعه Playwright با چند مرورگر باز میتواند در یک روز معمولی از آن بگذرد.
ماندن روی ۸ GB چقدر خرج دارد
همه راههای دور زدن سرعت را با حافظه معامله میکنند. workerهای تست کمتر، CARGO_BUILD_JOBS=1، یک -Xmx کوچکتر، swap روی دیسک: هر کدام بیلد را با کندتر کردنش جا میکند، و تیم در هر push منتظر همان بیلد کندتر میماند. تا وقتی کدبیس دوباره بزرگ شود و 137 برگردد.
پاسخ GitHub یک larger runner است، دقیقهای و فقط برای سازمانهای روی GitHub Team یا Enterprise Cloud. در برابر Skipbox با همان حافظه:
| دقیقه در ماه | GitHub با 4 هسته، ۱۶ GB | Skipbox S، ۱۶ GB | GitHub با 8 هسته، ۳۲ GB | Skipbox L، ۳۲ GB |
|---|---|---|---|---|
| 10,000 | $۱۰۲ | $۳۹ | $۲۰۲ | $۱۴۹ |
| 20,000 | $۲۲۲ | $۳۹ | $۴۲۲ | $۱۴۹ |
| 30,000 | $۳۴۲ | $۳۹ | $۶۴۲ | $۱۴۹ |
ارقام GitHub پس از مصرف شاملشده در GitHub Team است. دقیقههای خودتان را در ماشینحساب صفحه اصلی وارد کنید.
نیاز به حافظه فقط بیشتر میشود. ایجنتهای کدنویسی کد و وابستگی را سریعتر از آدمها اضافه میکنند، مجموعه تستها بزرگتر میشوند و یک بهروزرسانی toolchain میتواند مصرف همان کامیت را دو برابر کند. صورتحساب دقیقهای یک رانر بزرگتر هم روی همه اینها با هر push بزرگتر میشود.
درست کردنش به دست خودتان
اگر روی ۸ GB بمانید، کار این شکلی است:
- پیدا کنید کدام پروسه کشته شده (
dmesgدر یک گامif: failure()) و سقفش را تنظیم کنید:--max-old-space-size،-Xmx،org.gradle.workers.max،--maxWorkers - حافظه هر کانتینر سرویس را در
compose.yamlمحدود کنید - پیش از گام سنگین یک swapfile اضافه کنید، با اندازهای متناسب با دیسک 14 GB رانر
- جاب را تقسیم کنید تا هیچ گامی بهتنهایی همه را لازم نداشته باشد
هر مورد بیلد را کندتر یا شکنندهتر میکند، و هیچکدام از جهش رشد بعدی جان سالم به در نمیبرد. یک ماشین بزرگتر به آن پایان میدهد.
Skipbox به جاب چه میدهد
حافظه با قیمت ثابت. هر جاب اندازهاش را با لیبل میخواهد:
| لیبل | ماشین | طرح |
|---|---|---|
skipbox | ۴ vCPU · ۱۶ GB | S، ماهانه $۳۹ |
skipbox-8x16 | ۸ vCPU · ۱۶ GB | M، ماهانه $۷۹ |
skipbox-16x32 | ۱۶ vCPU · ۳۲ GB | L، ماهانه $۱۴۹ |
طرح S ماهانه $۳۹ است و طرح L $۱۴۹، با دقیقههای نامحدود. workerها را به همان جایی که بودند برگردانید: بیلد هم حافظه را میگیرد و هم هستهها را.
بهعلاوه یک بیلد سریعتر. ماشین حساب شما بین جابها میماند، پس لایههای Docker، کش پکیجها و ابزارها وقتی جاب بعدی شروع میشود از قبل روی دیسکش هستند.
هیچ بودجهای متوقفش نمیکند. جابهای Skipbox هیچ دقیقهای از GitHub مصرف نمیکنند، پس بودجه GitHub هرگز متوقفشان نمیکند، و هیچ چیز دقیقهای حساب نمیشود.
ماشینی برای مدیریت ندارید. Skipbox آن را آماده میکند، ایمیج را بهروز میکند، بعد از هر جاب پاکسازی میکند و ماشینی را که از health check رد نشود از نو میسازد.
انتقال یک خط است
jobs:
build:
runs-on: skipbox # was ubuntu-latest
steps:
- uses: actions/checkout@v4
- run: npm ci && npm run build
- با GitHub وارد Skipbox شوید.
- اپ Skipbox در GitHub را نصب کنید و مخزنها را انتخاب کنید.
runs-onرا تغییر دهید و push کنید. طرح S ($۳۹) ۱۶ GB دارد؛ برای ۳۲ GB طرح L را انتخاب کنید.
ماشین Ubuntu 24.04 را با sudo بدون رمز عبور، Docker، Node.js و Python اجرا میکند، پس گامها همانطور که هستند اجرا میشوند.
امنیت
- ماشین فقط مال حساب شماست. جاب هیچ شرکت دیگری روی آن اجرا نمیشود.
- بعد از هر جاب، اعتبارنامههای رانر، پروسهها و کانتینرها پاک میشوند. از 13 نوامبر 2026، checkout شما و خروجی بیلد آن (
target/در Cargo) برای جابهای بعدیتان روی ماشین اختصاصی شما میمانند؛ گزینه «ماشین تازه برای هر جاب» به هر جاب یک ماشین تازه میدهد. - کد افرادی که دسترسی نوشتن ندارند (مثل pull requestها از forkها) روی یک ماشین تازه و یکبارمصرف اجرا میشود.
جزئیات در جداسازی جابها است.
امتحانش کنید
دوره آزمایشی به مدت ۷ روز یا ۳٬۰۰۰ دقیقه جاب رایگان است، هر کدام زودتر برسد، بدون کارت. runs-on: skipbox را با ۴ vCPU و ۱۶ GB اجرا میکند، یعنی ۲ برابر حافظه ubuntu-latest یک مخزن خصوصی، پس جابی را که مدام به 137 میخورد منتقل کنید و آنجا اجرایش کنید. برای هسته بیشتر با همین حافظه، طرح M را انتخاب کنید و لیبلش را به skipbox-8x16 تغییر دهید؛ برای حافظه بیشتر، طرح L و skipbox-16x32 (۳۲ GB).
پرسشهای متداول
کد خروج 137 در GitHub Actions یعنی چه؟
پروسه با سیگنال 9، یعنی SIGKILL، کشته شده است (128 + 9 = 137). روی رانر میزبانیشده GitHub این تقریباً همیشه کار out-of-memory killer در Linux است: جاب بیشتر از حافظه رانر مصرف کرده است. راه حلی که دوام میآورد ماشینی با حافظه بیشتر است، مثل رانرهای ۱۶ GB یا ۳۲ GB در Skipbox با قیمت ثابت ماهانه.
رانر GitHub Actions چقدر حافظه دارد؟
ubuntu-latest در یک مخزن خصوصی ۸ GB و ۲ CPU دارد. larger runnerهای GitHub با 4 هسته ۱۶ GB و با 8 هسته ۳۲ GB دارند، دقیقهای حساب میشوند و فقط برای سازمانهای روی GitHub Team یا Enterprise Cloud هستند. Skipbox در طرح S ۱۶ GB (ماهانه $۳۹) و در طرح L ۳۲ GB دارد، با دقیقههای نامحدود.
آیا "JavaScript heap out of memory" همان کد خروج 137 است؟
نه. خطای heap یعنی Node به سقف خودش رسیده، که --max-old-space-size بالایش میبرد. کد خروج 137 یعنی kernel پروسه را کشته چون حافظه کل ماشین تمام شده، و بالا بردن سقف Node آن را بدتر میکند. وقتی بیلد واقعاً آن حافظه را لازم دارد، روی ماشین بزرگتری اجرایش کنید: runs-on: skipbox به آن ۱۶ GB میدهد.
چرا جاب من با "The runner has received a shutdown signal" تمام میشود؟
یک دلیل رایج این است که حافظه رانر چنان کامل تمام میشود که پیش از رسیدن پیام کمبود حافظه به لاگ از پاسخ دادن بازمیایستد. با آن مثل کد خروج 137 رفتار کنید: جاب بیشتر از حافظه رانر لازم دارد.
دوره آزمایشی رایگان Skipbox مشکل جاب با کمبود حافظه را حل میکند؟
به جاب ۲ برابر حافظه میدهد. دوره آزمایشی runs-on: skipbox را با ۴ vCPU و ۱۶ GB اجرا میکند، در برابر ۸ GB ubuntu-latest در یک مخزن خصوصی، و برابر با larger runner ۴ هستهای GitHub. جابی که باز هم کم بیاورد طرح L را برای runs-on: skipbox-16x32 لازم دارد (۳۲ GB).
بهروزرسانی: ۲۵ آبان ۱۴۰۵