当前位置:首页 > 文章列表 > 文章 > 软件教程 > GitHub Actions 缓存键变化后为什么仍复用旧缓存

GitHub Actions 缓存键变化后为什么仍复用旧缓存

来源:17golang原创 2026-09-12 22:05:32 0浏览 收藏

GitHub Actions 的缓存键改了,却仍然拿到旧依赖,最常见的原因不是 GitHub 忽略了新 key,而是缓存动作在精确匹配失败后继续做了前缀匹配,或者从当前分支回退到了默认分支。先看日志里的“实际恢复键”和 cache-hit,再决定是否要删缓存。

官方地址:https://docs.github.com/en/actions/reference/workflows-and-actions/dependency-caching

要点速览
  • cache-hit: true 才表示主 key 精确命中;前缀恢复也可能拿到旧内容,但通常是 miss。
  • restore-keys 按书写顺序逐个做前缀搜索,越宽泛越容易复用旧缓存。
  • 缓存有分支作用域,当前分支找不到时才可能按规则搜索默认分支;PR merge ref 还有额外限制。
你改了GitHub Actions 缓存的key配置提交后跑工作流,明明新的缓存键和之前完全不一样,系统却还是命中了旧的缓存内容,大部分时候是缓存的匹配逻辑特性、分支隔离规则或者旧缓存未过期残留这几个原因导致的,不用怀疑自己改的配置没生效。
只要缓存键的前缀部分符合当前分支的缓存查找规则,就算自定义的后缀发生变化,只要此前存在过符合前缀规则的旧缓存,GitHub Actions 还是会优先命中可部分匹配的历史缓存。

第一步:先把真正参与匹配的 key 看清楚

进入“仓库 → .github/workflows/ → 对应工作流文件 → 编辑”,找到缓存步骤。把依赖文件哈希和运行环境写进主键,避免只改了注释或无关字段却以为缓存已切换。

- name: Cache npm
  id: npm-cache
  uses: actions/cache@v4
  with:
    path: ~/.npm
    # 用系统、任务名和锁文件哈希区分可复用内容
    key: ${{ runner.os }}-npm-${{ hashFiles('**/package-lock.json') }}
    # 只保留同一任务的较窄前缀,避免跨任务拿到旧目录
    restore-keys: |
      ${{ runner.os }}-npm-

例如锁文件哈希从 abc123 变成 def456 后,主键确实变成了 ubuntu-npm-def456。但如果没有这个精确项,ubuntu-npm- 仍能匹配最近创建的旧缓存,所以“看起来复用旧缓存”是预期的回退行为。

GitHub Actions 工作流编辑器中展示包含 runner.os 和 lockfile 哈希的缓存 key 以及窄范围 restore-keys
图1:工作流编辑器中的缓存 key 与 restore-keys 操作示意图,重点是确认前缀范围。

第二步:在 Actions 日志中区分三种命中结果

打开“仓库 → Actions → 运行记录 → 具体工作流 → 具体 job”,展开缓存步骤。先看 cache-hit 输出,再看日志是否出现主键、前缀或 restored key。不要只根据“Cache restored”一句话判断是新缓存。

日志现象实际含义处理建议
cache-hit=true主 key 精确命中检查哈希是否真的变化
hit 为 false,但恢复了内容通常是 key 前缀或 restore-keys 命中收紧回退前缀
没有可恢复缓存miss,成功完成后会按主 key 保存确认 path 和写入权限

如果只是依赖文件改变,主键应当变化;如果日志仍显示旧内容,重点查是否命中了 restore-keys。缓存动作不能修改已有条目,新的主键会产生新的条目,旧条目仍会保留到被清理。

GitHub Actions 运行详情中的缓存步骤结果示意,展示精确命中状态、恢复键和保存判断
图2:运行结果示意图,用 cache-hit 与恢复键判断本次到底走了哪条路径。

第三步:检查分支作用域与 pull request 场景

GitHub Actions 不是把所有缓存放在一个无边界的公共池里。缓存搜索首先受当前工作流引用和分支作用域限制;当前分支没有匹配时,规则允许再搜索默认分支。子分支、兄弟分支和不同 tag 并不能任意互相恢复缓存。

因此,feature 分支改了锁文件后仍恢复旧缓存,可能是两层因素叠加:当前分支没有新 key,于是通过宽泛前缀找到了旧项;或者当前分支无结果后,从默认分支找到同名前缀。若是 pull request,缓存可能属于 merge ref,只能由同一 PR 的重跑使用。

第四步:把回退策略改成可解释的配置

排障时可暂时删除 restore-keys,观察依赖改变后是否真正 miss;确认主键设计无误后,再加回最窄的前缀。建议把操作系统、包管理器和锁文件哈希放入主 key,把任务名作为前缀,避免 npm、构建产物和测试目录共享同一条恢复路径。

还要检查“仓库 → Settings → Actions → General”中的缓存相关设置,以及 workflow 是否由可信触发器运行。缓存内容不应放入 token、登录凭据等敏感文件;恢复到工作区的内容应当按不可信输入对待。

常见问题

改了 key 后旧缓存会被覆盖吗?

不会。已有缓存内容不能原地修改,新的 key 会创建新条目;旧条目由 GitHub 的缓存清理和保留策略处理。

为什么 cache-hit 是 false 却有依赖文件?

这通常表示没有精确命中主 key,但通过前缀或 restore-keys 恢复了一个近似缓存。它能加速安装,不等于依赖版本已经完全匹配。

删掉 restore-keys 就一定不会复用默认分支吗?

不能这样绝对判断。它会去掉前缀回退,但分支作用域和默认分支搜索仍由 GitHub Actions 的缓存规则决定;应以本次运行日志和实际 key 为准。

版本声明
本文转载于:17golang原创 如有侵犯,请联系study_golang@163.com删除
Go sync.Cond 如何等待队列状态变化Go sync.Cond 如何等待队列状态变化
上一篇
Go sync.Cond 如何等待队列状态变化
Go go list -m all 显示的版本和构建不一致怎么办
下一篇
Go go list -m all 显示的版本和构建不一致怎么办
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    108次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    23次使用
  • OpenCompass大模型评测体系详解:功能、使用指南与应用场景
    OpenCompass
    OpenCompass是上海AI实验室推出的开源大模型评测平台,提供CompassKit、CompassHub和CompassRank三大核心组件,支持LLM及多模态模型的一站式标准化评估与排行榜查询。
    41次使用
  • AGI-Eval大模型评测平台:权威榜单、数据集与人机协同评测方案
    AGI-Eval
    AGI-Eval是由上海交大等高校联合发布的大模型评测社区,提供公正透明的LLM能力榜单、多领域评测集及Data Studio数据服务,助力AI模型性能评估与NLP科研开发。
    23次使用
  • SuperCLUE中文大模型评测基准:功能、能力维度与应用指南
    SuperCLUE
    SuperCLUE是权威的中文大语言模型综合评测基准,涵盖语言理解、知识应用、AI Agent智能体及安全性等12项核心能力。通过多轮对话与客观测试,定期发布榜单与技术报告,为模型研发、优化及行业选型提供科学依据。
    264次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议隐私政策
返回登录
  • 重置密码