Skipbox

چطور GitHub Actions را سریع کنیم: کوتاه کردن یک pipeline‏ 25 دقیقه‌ای، اهرم به اهرم

pipeline‏ 25 دقیقه‌ای GitHub Actions معمولاً چهار تأخیر روی هم است: جاب‌هایی که منتظر هم‌اند، کاری که لازم نبود اجرا شود، آماده‌سازی‌ای که یک ماشین مجازی خالی در هر جاب تکرار می‌کند، و گام‌های وابسته به CPU که روی 2 هسته فشرده شده‌اند (ubuntu-latest یک مخزن خصوصی 2 CPU و 8 GB دارد). به این ترتیب سراغشان بروید. اول مسیر بحرانی را اندازه بگیرید، زمان صف را جدا. بعد آنچه لازم نبود اجرا شود را رد کنید، جاب‌های مستقل را هم‌زمان اجرا کنید، بازسازی وضعیت را متوقف کنید، به گام‌های سنگین هسته بیشتری بدهید و آنچه هنوز طولانی است را shard کنید. سه مورد اول اصلاحات ورک‌فلو هستند که هیچ هزینه‌ای ندارند. بقیه ماشین‌اند: رانری که کش‌هایش را بین جاب‌ها نگه می‌دارد و هسته بیشتری دارد.

Skipbox همان رانر است. جاب‌های شما روی ماشین اختصاصی حسابتان اجرا می‌شوند، که لایه‌های Docker، کش پکیج‌ها، ابزارها و خروجی بیلد را بین جاب‌ها نگه می‌دارد، با ۴ تا ۱۶ vCPU، با قیمت ثابت ماهانه $۳۹ و دقیقه‌های نامحدود. روی CI‏ astro این یعنی 528 ثانیه روی GitHub و 30 ثانیه روی Skipbox. انتقال یک خط است: runs-on: skipbox.

1. مسیر بحرانی را اندازه بگیرید

زمانی که تیم شما منتظر می‌ماند زنجیره جاب‌هایی است که دیرتر از همه تمام می‌شود، نه جمع همه جاب‌ها. اجرای یک pull request نمونه را باز کنید: گراف نشان می‌دهد کدام جاب‌ها منتظر کدام‌اند، و لاگ هر جاب زمان گام‌هایش را نشان می‌دهد. برای کندترین زنجیره بنویسید:

یک اجرای گرم را با یک اجرای سرد مقایسه کنید. کشی که نصف وقت‌ها miss می‌شود در میانگین خوب به نظر می‌رسد.

2. آنچه لازم نبود اجرا شود را رد کنید

  • اجراهای جایگزین‌شده را لغو کنید. هر push بعد از اولی اجرای در جریان را بی‌فایده می‌کند. یک گروه concurrency با cancel-in-progress آن را متوقف می‌کند. دامنه‌اش را به pull requestها محدود کنید تا push به شاخه پیش‌فرض هرگز یک deploy را لغو نکند:
concurrency:
  group: ${{ github.workflow }}-${{ github.event.pull_request.number || github.ref }}
  cancel-in-progress: ${{ github.event_name == 'pull_request' }}
  • فقط آنچه تغییر لمس می‌کند را اجرا کنید. فیلترهای paths: یک ورک‌فلو را در تغییرات فقط مستندات رد می‌کنند؛ در یک monorepo، turbo run test --affected یا فرمان‌های affected در Nx فقط پکیج‌هایی را اجرا می‌کنند که تغییر کرده‌اند. فیلتر در سطح trigger یعنی یک چک اجباری هرگز گزارش نمی‌دهد، پس وقتی چک اجباری است داخل جاب فیلتر کنید.

3. جاب‌های مستقل را هم‌زمان اجرا کنید

GitHub جاب‌ها را موازی اجرا می‌کند مگر needs: آن‌ها را زنجیر کند. lint، بررسی تایپ، تست‌های واحد و بیلد به‌ندرت به هم نیاز دارند: با هم شروعشان کنید و فقط بسته‌بندی یا deploy را منتظر همه بگذارید. اگر دو جاب یک چیز را بیلد می‌کنند، یک بار بیلدش کنید و با actions/upload-artifact منتقلش کنید، با اندازه گرفتن زمان آپلود و دانلود.

4. بازسازی همان وضعیت را متوقف کنید

بیشتر زمان یک pipeline طولانی اینجا می‌رود. هر جاب روی رانر میزبانی‌شده GitHub روی یک ماشین مجازی تازه شروع می‌شود، پس هر بار toolchainش را دانلود می‌کند، وابستگی‌ها را نصب می‌کند، لایه‌های Docker را دوباره بیلد می‌کند و از صفر کامپایل می‌کند.

  • کش‌هایی که واقعاً hit می‌شوند. cache: npm در actions/setup-node (و شکل‌های pnpm و yarn آن) دانلودهای package manager را با کلیدی بر اساس lockfile ذخیره می‌کند؛ node_modules را ذخیره نمی‌کند، پس نصب باز هم اجرا می‌شود. GitHub برای هر مخزن ۱۰ GB نگه می‌دارد، ورودی‌هایی را که ۷ روز استفاده نشوند حذف می‌کند، و هر hit باز هم دانلودی روی ماشین مجازی تازه است (سقف اندازه کش).
  • کش ابزارها. eslint --cache، tsc --incremental، پوشه کش Jest و .turbo/cache در turbo خود کار را ذخیره می‌کنند، نه دانلودها را. روی یک ماشین مجازی تازه خالی‌اند، مگر آن‌ها را هم بازگردانید.
  • لایه‌های Docker. docker build روی یک ماشین مجازی تازه بدون هیچ لایه‌ای شروع می‌شود؛ export کردن آن‌ها با cache-to در buildx و import کردنشان در هر اجرا راه دور زدن است (کش لایه Docker).

ماشینی که دیسکش را نگه می‌دارد همه این‌ها را خودش انجام می‌دهد: کش‌ها، کش ابزارها، لایه‌ها و خروجی بیلد از جاب قبلی آنجا هستند.

5. به گام‌های سنگین هسته بیشتری بدهید

کامپایلرها، bundlerها و test runnerها برای هر هسته یک worker راه می‌اندازند، پس روی 2 CPU دو تا در هر زمان اجرا می‌کنند. ببینید test runner واقعاً از چند تا استفاده می‌کند: پیش‌فرض Jest هسته‌ها منهای یک است (روی 2 CPU یک worker)، pytest تا -n auto ترتیبی اجرا می‌شود، و پیش‌فرض Playwright نصف هسته‌هاست و مستنداتش در CI یک worker را توصیه می‌کند. هسته بیشتر فقط وقتی کمک می‌کند که به رانر گفته شود از آن‌ها استفاده کند، و فقط در گام‌هایی که CPU را مشغول نگه می‌دارند؛ یک دانلود یا راه‌اندازی یک پایگاه داده سریع‌تر نمی‌شود.

روی GitHub، هسته بیشتر یعنی larger runnerها: 4 تا 96 هسته، فقط در سازمان‌های GitHub Team یا Enterprise Cloud، دقیقه‌ای و با نرخ بالاتر برای هر هسته.

6. آنچه هنوز طولانی است را shard کنید

یک matrix از shardها مجموعه طولانی را بین جاب‌ها تقسیم می‌کند. زمان واقعی را کوتاه می‌کند، نه دقیقه‌ها را: هر shard دوباره checkout، نصب و بیلد می‌کند، پس چهار shard چهار بار هزینه آماده‌سازی را می‌دهند. shardها را بر اساس زمان اندازه‌گیری‌شده متوازن کنید، نه تعداد فایل‌ها، و وقتی آماده‌سازی بیشتر هر shard شد اضافه کردنشان را متوقف کنید.

کند ماندن چه هزینه‌ای دارد

یک pipeline‏ 15 دقیقه‌ای که روزی 40 بار اجرا می‌شود یعنی هر روز 10 ساعت انتظار که بین اعضای تیم شما پخش شده، پیش از آنکه کسی جابه‌جایی‌های ذهنی را بشمارد. با صورت‌حساب دقیقه‌ای، دقیقه‌های آماده‌سازی مثل دقیقه‌های تست حساب می‌شوند:

هسته بیشتر روی GitHub دقیقه‌ای گران‌تر است، پس فاصله با بزرگ شدن ماشین بیشتر می‌شود:

ارقام GitHub پس از مصرف شامل‌شده GitHub Team است. دقیقه‌های خودتان را در ماشین‌حساب صفحه اصلی امتحان کنید.

وقتی راه حل ماشین است

جاب‌های CI خود پروژه‌های واقعی، با گام‌های بدون تغییر، روی رانر مخزن عمومی GitHub‏ (4 vCPU، 16 GB) و روی یک ماشین اختصاصی Skipbox با همان vCPU، از اجراهای ما روی ورک‌فلوهایشان:

ubuntu-latest یک مخزن خصوصی نصف هسته‌های آن اجراهای GitHub را دارد.

Skipbox برای pipeline شما چه می‌کند

ماشین را نگه می‌دارد. هر طرح با ماشین اختصاصی حساب شما می‌آید که بین جاب‌ها نگه داشته می‌شود. ایمیج‌ها، لایه‌ها و build cache‏ Docker، کش پکیج‌ها، کش ابزارها، و checkout شما همراه با target/ در Cargo و کش turbo روی دیسک آن می‌مانند: دست‌کم ۷ برابر فضای کش GitHub، بدون کلید، بدون انقضا بعد از ۷ روز و بدون قاعده شاخه.

هسته اضافه می‌کند با قیمت ثابت. هر جاب اندازه‌اش را با لیبل انتخاب می‌کند:

دقیقه‌ها نامحدودند، پس shardها، اجراهای دوباره و matrix بزرگ‌تر صورت‌حساب را بالا نمی‌برند. جاب‌های Skipbox هیچ دقیقه‌ای از GitHub مصرف نمی‌کنند، پس بودجه GitHub هرگز متوقفشان نمی‌کند.

مراقب خودش است. Skipbox ماشین را آماده می‌کند، ایمیج را به‌روز نگه می‌دارد، بعد از هر جاب پاک‌سازی می‌کند و ماشینی را که در بررسی سلامت رد شود از نو می‌سازد.

انتقال یک خط است

jobs:
  test:
    runs-on: skipbox # was ubuntu-latest
    steps:
      - uses: actions/checkout@v4
      - uses: actions/setup-node@v4
        with:
          node-version: 22
          cache: npm
      - run: npm ci && npm test
  1. با GitHub وارد Skipbox شوید.
  2. اپ Skipbox در GitHub را نصب کنید و مخزن‌ها را انتخاب کنید.
  3. runs-on را تغییر دهید و push کنید.

گام‌ها و اکشن‌های شما همان‌طور که هستند اجرا می‌شوند، روی Ubuntu 24.04 با Docker‏، Node.js و Python.

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، و همین‌طور اعتبارنامه‌های git و فایل‌های ردیابی‌نشده در checkout نگه‌داشته‌شده. گزینه «ماشین تازه برای هر جاب» به‌جای آن به هر جاب یک ماشین تازه می‌دهد.
  • کد افرادی که دسترسی نوشتن ندارند (مثل pull requestها از forkها) روی یک ماشین مجازی تازه اجرا می‌شود که کش‌های شما را می‌خواند ولی نمی‌تواند تغییرشان دهد.

جزئیات در جداسازی جاب‌ها است.

روی کندترین جابتان امتحانش کنید

دوره آزمایشی به مدت ۷ روز یا ۳٬۰۰۰ دقیقه جاب رایگان است، هر کدام زودتر برسد، و کارت نمی‌خواهد. جاب روی مسیر بحرانی‌تان را به runs-on: skipbox ببرید، دو بار اجرایش کنید و زمان گام‌های اجرای دوم را کنار GitHub بخوانید.

پرسش‌های متداول

pipeline‏ GitHub Actions ما 25 دقیقه طول می‌کشد. سریع‌ترین راه برای سریع‌تر کردنش چیست؟

به ترتیب پیش بروید. گراف و زمان گام‌های اجرا را بخوانید تا زنجیره جاب‌هایی را که زمان را تعیین می‌کند پیدا کنید، زمان صف را جدا. اجراهای جایگزین‌شده را لغو کنید و جاب‌هایی را که فایل‌هایشان تغییر نکرده رد کنید. needs:هایی را که فقط از روی عادت‌اند بردارید تا جاب‌های مستقل هم‌زمان اجرا شوند. بازسازی وضعیت در هر جاب را متوقف کنید: کش‌هایی که واقعاً hit می‌شوند، یا رانری که دیسکش را نگه می‌دارد. به گام‌های وابسته به CPU هسته بیشتری بدهید و بگذارید test runner از آن‌ها استفاده کند. فقط آنچه هنوز طولانی است را shard کنید. روی ubuntu-latest یک مخزن خصوصی (2 CPU، 8 GB)، سه مورد آخر اغلب بیشتر آن 25 دقیقه‌اند، و به ماشین مربوط‌اند: Skipbox به جاب ماشین اختصاصی خودش را می‌دهد که کش‌ها را بین جاب‌ها نگه می‌دارد، با ۴ تا ۱۶ vCPU.

رفتن به رانرهای سریع‌تر در مقایسه با بهینه‌سازی ورک‌فلو می‌ارزد؟

اول اصلاحات رایگان ورک‌فلو را انجام دهید: لغو اجراهای جایگزین‌شده، فیلترهای مسیر و برداشتن needs:های بی‌مورد هیچ هزینه‌ای ندارند و هیچ رانری آن‌ها را برایتان انجام نمی‌دهد. بعد از آن، ببینید زمان باقی‌مانده کجا می‌رود. آماده‌سازی‌ای که در هر جاب تکرار می‌شود (toolchainها، نصب وابستگی‌ها، بیلدهای Docker) و گام‌هایی که همه هسته‌ها را مشغول نگه می‌دارند مشکل ماشین‌اند، و رانری که کش‌هایش را نگه می‌دارد و هسته بیشتری دارد آن‌ها را با تغییر یک خط runs-on از بین می‌برد. انتظار برای شبکه و گام‌های ترتیبی با ماشین بزرگ‌تر سریع‌تر نمی‌شوند.

چرا GitHub Actions از لپ‌تاپ من کندتر است؟

لپ‌تاپ شما پکیج‌ها، ابزارها، لایه‌های Docker و خروجی بیلدش را روی دیسک نگه می‌دارد، و معمولاً 8 هسته یا بیشتر دارد. جاب ubuntu-latest یک مخزن خصوصی 2 CPU و 8 GB می‌گیرد، روی یک ماشین مجازی تازه که هیچ‌کدام از آن‌ها را ندارد. Skipbox مثل لپ‌تاپ شما کار می‌کند: ماشین بین جاب‌ها می‌ماند، با ۴ vCPU یا بیشتر.

shard کردن تست‌ها GitHub Actions را سریع‌تر می‌کند؟

زمان واقعی را کوتاه می‌کند، نه دقیقه‌ها را. هر shard یک جاب تازه است که دوباره checkout، نصب و بیلد می‌کند، پس چهار shard چهار بار هزینه آماده‌سازی را می‌دهند، و صورت‌حساب دقیقه‌ای همه را می‌شمارد. وقتی shard کنید که آماده‌سازی ارزان باشد و هسته‌های رانر در حال استفاده باشند. روی Skipbox آماده‌سازی روی دیسک می‌ماند و دقیقه‌ها نامحدودند، پس shardها هزینه اضافه‌ای ندارند.

چطور برای یک جاب GitHub Actions بیش از 4 هسته بگیرم؟

روی GitHub، larger runnerها از 4 تا 96 هسته دارند، فقط برای سازمان‌های روی GitHub Team یا Enterprise Cloud، دقیقه‌ای. روی Skipbox، runs-on را برای ۸ vCPU به skipbox-8x16 یا برای ۱۶ vCPU به skipbox-16x32 تغییر دهید، با قیمت ثابت ماهانه، روی سازمان‌ها و حساب‌های شخصی به یک اندازه.

امتحان کردنش چقدر هزینه دارد؟

هیچ. دوره آزمایشی ۷ روز یا ۳٬۰۰۰ دقیقه جاب است، هر کدام زودتر برسد، بدون کارت. runs-on کندترین جابتان را به skipbox تغییر دهید، دو بار اجرایش کنید و زمان گام‌هایش را مقایسه کنید.

به‌روزرسانی: ۲۲ آبان ۱۴۰۵

CI/CD سریع‌تر با کشی که همیشه آماده است

رانر همیشه آماده شما با قیمت ثابت

میزبانی با ماست. شما یک خط را عوض می‌کنید. 1/12 هزینه GitHub با استفاده کامل. قیمت ثابت است، پس تمام روز اجرایش کنید. ۷ برابر فضای کش GitHub.

  • بدون کارت
  • ورود با GitHub
  • لغو در هر زمان