Zum Inhalt springen

So beschleunigen Sie GitHub Actions Workflows

Zuletzt aktualisiert am

Langsame CI kostet Sie doppelt: Entwickler warten, und Sie zahlen pro Minute. Die meisten Workflows können ein Drittel bis die Hälfte ihrer Laufzeit einsparen, ohne eine einzige Zeile Produktcode zu ändern. Dieser Leitfaden zeigt, wie Sie zuerst die langsamen Stellen finden und sie dann nach dem größten Nutzen beheben.

Zuerst messen, dann ändern

Öffnen Sie einen aktuellen Lauf und sehen Sie sich die Zeiten pro Schritt an, nicht nur die Gesamtdauer. Klicken Sie in der Actions-Oberfläche auf einen Job und klappen Sie die Schritte auf; jeder zeigt seine Dauer an. Notieren Sie sich für Ihren langsamsten Workflow drei Werte: die Wartezeit in der Warteschlange, die Zeit im Setup (Checkout, Toolchain, Installation der Abhängigkeiten) und die Zeit im eigentlichen Build- oder Testschritt.

Die Dauern können Sie auch mit der GitHub CLI abrufen:

gh run list --workflow ci.yml --limit 30 --json databaseId,createdAt,updatedAt,conclusion
gh run view <run-id> --json jobs --jq '.jobs[] | {name, started: .startedAt, done: .completedAt}'

Typischerweise zeigt sich, dass das Setup und nicht die Tests den größten Engpass darstellt. Das ist eine gute Nachricht, denn das Setup lässt sich am einfachsten cachen.

Keine unnötige Arbeit mehr ausführen

Die günstigste Minute ist diejenige, die gar nicht erst läuft. Drei Änderungen entfernen ganze Läufe.

Überholte Läufe abbrechen. Wenn jemand zweimal in einen PR pusht, ist der erste Lauf verschwendet:

concurrency:
  group: ci-${{ github.workflow }}-${{ github.ref }}
  cancel-in-progress: ${{ github.ref != 'refs/heads/main' }}

Die Bedingung verhindert, dass sich Läufe auf main gegenseitig abbrechen, sodass jede Zusammenführung weiterhin einen vollständigen Lauf erhält.

Läufe bei irrelevanten Änderungen überspringen. Eine Dokumentationsänderung sollte die Testsuite nicht starten:

on:
  pull_request:
    paths-ignore:
      - "docs/**"
      - "**.md"

Wenn ein übersprungener Workflow ein erforderlicher Check ist, wartet der PR endlos darauf. Verwenden Sie entweder einen kleinen, immer laufenden Job, der den Status meldet, oder filtern Sie innerhalb des Workflows mit einem Schritt zur Pfaderkennung, statt beim Auslöser.

Timeouts setzen. Das Standard-Timeout eines Jobs beträgt 360 Minuten. Ein hängender Test kann sechs Stunden abrechenbare Zeit verbrennen. Setzen Sie timeout-minutes: 15 (oder das Doppelte Ihrer üblichen Laufzeit) bei jedem Job.

Heruntergeladenes cachen

Installationen von Abhängigkeiten und Downloads von Toolchains wiederholen sich bei jedem Lauf. Die setup-*-Actions bieten Caching bereits integriert:

- uses: actions/setup-node@v4
  with:
    node-version: 22
    cache: npm
- run: npm ci

setup-python, setup-java und setup-go bieten dieselbe Option. Für alles andere verwenden Sie actions/cache mit einem Schlüssel, der aus einem Hash der Lock-Datei gebildet wird. Unser Leitfaden zum Caching in GitHub Actions behandelt Schlüssel, restore-keys und die Grenzen, und der Cache-Schlüssel-Generator schreibt das YAML für Sie.

Cachen Sie node_modules nicht direkt, wenn Sie stattdessen den Download-Cache des Paketmanagers cachen und eine saubere Installation ausführen können. Ein wiederhergestelltes node_modules kann eine defekte Lock-Datei verbergen.

Jobs parallel ausführen

Ein Workflow mit einem einzigen langen Job ist eine serielle Pipeline. Teilen Sie unabhängige Arbeiten in separate Jobs auf, damit sie nebeneinander laufen: Linting, Typprüfung, Unit-Tests und Build benötigen nichts voneinander.

jobs:
  lint:
    runs-on: ubuntu-latest
    steps: [...]
  test:
    runs-on: ubuntu-latest
    steps: [...]
  build:
    runs-on: ubuntu-latest
    steps: [...]

Jeder Job trägt seine eigenen Setup-Kosten, daher lohnt sich das Aufteilen nur, wenn das Setup gecacht und kurz ist. Für einen einzelnen langen Testjob sollten Sie stattdessen Sharding verwenden: siehe Test-Sharding und parallele Tests und den Test-Sharding-Planer.

In jedem Schritt weniger tun

  • Flacher Checkout. actions/checkout holt standardmäßig nur einen Commit (fetch-depth: 1). Setzen Sie fetch-depth: 0 nur, wenn ein Schritt die Historie benötigt, etwa bei der Erkennung betroffener Pakete.
  • Nur das Geänderte bauen. Führen Sie in einem Monorepo nur die betroffenen Projekte aus. Siehe Monorepo-CI mit Nx oder Turborepo.
  • Build-Ergebnisse wiederverwenden. Bauen Sie einmal, laden Sie das Ergebnis mit actions/upload-artifact hoch und laden Sie es in späteren Jobs herunter, statt in jedem Job neu zu bauen.
  • Docker. Layer-Caching verwandelt einen fünfminütigen Image-Build oft in dreißig Sekunden. Siehe Docker-Layer-Caching in der CI.
  • Die Matrix verkleinern. Jedes zusätzliche Betriebssystem oder jede zusätzliche Version vervielfacht die Kosten. Siehe Matrix-Builds richtig gemacht.

Einen größeren oder schnelleren Runner verwenden

Der Standard-Runner ubuntu-latest für private Repositories verfügt über 2 vCPU und 7 GB RAM. Wenn Ihr Build oder Ihre Tests mehrere Kerne nutzen (Compiler, Bundler, pytest -n auto, go test), bringen mehr Kerne einen direkten Vorteil. Der größere 4-Kern-Runner von GitHub kostet laut der Preisseite für Runner $0.012 pro Minute, während der 2-Kern-Runner $0.006 kostet. Ein Job, der auf 4 Kernen mehr als doppelt so schnell läuft, ist dadurch auch günstiger.

Das Tool für Runner-Spezifikationen listet jede Größe und jedes Label auf, und der Kostenrechner zeigt, was eine Größenänderung für Ihre monatliche Rechnung bedeutet. Testen Sie es an einem Workflow, bevor Sie alle umstellen: Einkernige Schritte profitieren nicht von zusätzlichen Kernen.

Wartezeit in der Warteschlange prüfen

Wenn Jobs vor dem Start warten, hilft keine YAML-Änderung. Ursachen sind Parallelitätsgrenzen Ihres Plans (wie viele Jobs gleichzeitig laufen können, hängt von Ihrem GitHub-Plan ab) oder zu viele winzige Jobs. Weniger, dafür größere Jobs verringern die Wartezeit. Selbst gehostete oder Drittanbieter-Runner können die Grenze aufheben.

Eine praktische Reihenfolge

  1. Fügen Sie concurrency und timeout-minutes hinzu (zehn Minuten, ohne Risiko).
  2. Aktivieren Sie das Caching der Abhängigkeiten.
  3. Teilen Sie Linting, Tests und Build in parallele Jobs auf.
  4. Sharden Sie den langsamsten Testjob.
  5. Probieren Sie für den langsamsten Job einen größeren Runner aus und vergleichen Sie die Kosten pro Lauf, nicht nur die Zeit.

FAQ

Welche CI-Dauer ist ein guter Zielwert?

Viele Teams streben Rückmeldungen zu Pull Requests in unter 10 Minuten an. Die DORA-Forschung verbindet kurze Feedback-Schleifen mit besserer Auslieferungsleistung. Legen Sie eine Zahl für Ihren langsamsten erforderlichen Check fest und verfolgen Sie sie wöchentlich.

Macht ein größerer Runner CI immer schneller?

Nein. Es hilft nur bei parallelen Aufgaben. Netzwerk-Downloads, single-threaded Skripte und das Warten auf externe Dienste werden durch zusätzliche Kerne nicht schneller.

Macht Caching meine Builds fehlerhaft?

Nicht, wenn der Key alles enthält, was den Inhalt beeinflusst, in der Regel den Hash der Lockfile und das Betriebssystem. Ein veralteter Cache liegt fast immer an einem zu breit gefassten Key.

Werden mir Wartezeiten in der Warteschlange berechnet?

Nein. GitHub berechnet nur die Laufzeit eines Jobs, aber Wartezeiten in der Warteschlange verzögern trotzdem die Arbeit der Entwicklerinnen und Entwickler.

Messen Sie mit Ihren eigenen Jobs

Wenn Sie sehen möchten, was eine schnellere Maschine für Ihre echten Workflows bedeutet, führt compiler.dev dieselben Jobs auf schnelleren Runnern aus und bietet einen Vergleichsmodus, der Laufzeit und Kosten nebeneinander zeigt. In unseren Benchmarks war er über 18 gemessene Stacks hinweg im Median 1.5× schneller (15 schneller, 2 gleich, 1 langsamer) als der 2-Core-Runner von GitHub. Ihr Ergebnis hängt davon ab, wie stark Ihre Jobs parallel laufen, daher sollten Sie messen statt annehmen.

Diesen Workflow auf compiler.dev ausführen Keine Karte nötig · 200 kostenlose Minuten

Kostenlos testen