Most performance claims in the JavaScript tooling space have the shelf life of milk. Someone installs a few packages on a quiet Tuesday morning, captures the terminal output, and publishes a dramatic bar chart. By the next sprint, one of the tools has shipped a patch that invalidates the whole thing. The post remains indexed by search engines. The chart keeps getting shared. The numbers, however, are already lying to you.
This is the rot that infects nearly all package manager benchmarks. They are event photography when what we need is a live feed.
A project called depjs/canary treats this problem as a machine responsibility rather than a content calendar task. It is a living benchmark that watches npm, pnpm, Yarn, and dep, then re-runs its entire suite the moment any of them publishes a new version. The results are public, continuous, and unavoidable. When something breaks, the repository stays red until it heals. There is no cherry-picking, no hiding behind an old blog post, and no assumption that last month’s winner still holds the crown.
Why Speed Claims Need an Expiration Date
JavaScript package managers do not stand still. The gap between minor versions can include rewritten resolution algorithms, altered hoisting strategies, or changes to how the global cache is keyed. A benchmark that captures npm 10.2.1 and pnpm 8.11.0 tells you almost nothing about how those same tools behave two releases later. Yet the web is full of definitive statements like “Tool X is three times faster” based on exactly that kind of frozen snapshot.
Worse, many tests ignore the conditions that define real developer pain. A package manager might blaze through an install in a warm, well-rehearsed environment and then crawl on a CI runner that starts with an empty disk. Without testing both extremes, the benchmark becomes a press release rather than usable engineering data.
How the Canary Automates Comparison
Every two hours, a job polls the npm registry. If a new version of npm, pnpm, Yarn, or dep appears, the canary wakes up. It does not wait for a human to notice the changelog. It immediately executes a full test matrix that pits all four managers against five popular, real-world packages. The selection includes heavy hitters like React, Next.js, and Vite, codebases that actual developers install every day. These are not synthetic micro-projects designed to flatter one particular tool.
This release-triggered approach matters because it ties measurement directly to change. If the benchmark only ran on a nightly schedule, it might miss a mid-day hotfix or swallow a regression for hours. By running specifically on new versions, the canary asks a direct question each time: did this release make things better or worse?
The Four Scenarios That Stress Different Muscles
The test matrix is built around four distinct setups that map directly to workflows you will recognize.
- Cold cache, no lockfile. This is the fresh clone on a new laptop, or the first install after deleting
node_modules. Nothing is cached. Nothing is pinned. The package manager has to resolve, fetch, and write everything from scratch. - Warm cache, with lockfile. This is the happy path for continuous integration when things go right. The lockfile exists locally, and the cache still holds the tarballs from a previous run. The tool should move fast because most decisions are already made.
- Cold cache, with lockfile. Here the lockfile is present, but the cache has been wiped. The manager can skip dependency resolution, yet it still has to download every byte across the network. This isolates network speed from resolution speed.
- Warm cache, no lockfile. The cache is hot, but the lockfile is gone. The package manager must re-resolve the dependency tree before it can even begin extracting files. This tests the efficiency of the solver and the metadata parser under ideal network conditions.
Each scenario is executed five times, and the canary keeps the median result. That single choice kills a lot of noise. One transient network hiccup or a brief spike in registry latency cannot hijack the narrative. The outlier gets ignored; the typical experience gets recorded.
Smoke Tests Beat Empty Timers
Ruwe snelheid is gemakkelijk te veinzen als je de uitkomst niet verifieert. Een pakketbeheerder zou postinstall-stappen kunnen overslaan, een paar symlinks kunnen corrumperen of de verkeerde versies kunnen installeren en toch een indrukwekkende tijdstempel kunnen tonen. De canary weigert te stoppen bij de timer. Nadat de installatie is voltooid, voert het daadwerkelijk de geïnstalleerde code uit.
Zo start het bijvoorbeeld een Express-applicatie en bevestigt het dat de server begint te luisteren op de verwachte poort. Als de code niet draait, faalt de benchmark direct. De smoke test transformeert de suite van een race naar een audit. Het beantwoordt de vraag die snelheid alleen niet kan beantwoorden: werkt de installatie daadwerkelijk?
Radicale eerlijkheid als feature
De auteur van de canary heeft drie regels in het proces verankerd die de meeste benchmark-auteurs als optioneel beschouwen.
Gelijk speelveld. Er worden flags gebruikt om het gedrag tussen verschillende tools te normaliseren. Als een pakketbeheerder een prestatiefout verbergt achter een standaardinstelling, legt de benchmark dit bloot in plaats van de tool per ongeluk goed te laten lijken.
Echte cold starts. Voor elke herhaling, niet alleen de eerste, worden de npm-cache en de pnpm-store gewist. Dat woord "elke" doet zwaar werk. Veel benchmarks wissen de cache één keer en voeren dan vijf installaties achter elkaar uit. De tweede tot en met de vijfde run zijn niet echt 'cold', en de cijfers worden daardoor opgeblazen. De canary begint elke keer vanaf nul.
Openbare fouttoestanden. Wanneer een nieuwe release iets breekt, blijft de repository in een rode fouttoestand staan. Het staat daar op de voorpagina, lelijk en onopgelost, totdat er een fix wordt uitgebracht. Er is geen stille onderdrukking om het dashboard er groen uit te laten zien. Dit beleid dwingt zichtbaarheid af. Een gebruiker die tools evalueert, kan niet alleen zien welke het snelst is, maar ook welke in de loop van de tijd betrouwbaar is gebleven.
Inspecteerbaarheid is niet onderhandelbaar
Een benchmark die je niet kunt reproduceren, is een campagneslogan. De canary pakt dit aan met een enkel bash-script waarmee iedereen elk deel van de suite lokaal kan draaien. Je hoeft niet te vertrouwen op de netwerkinfrastructuur van een cloudprovider of de handmatig aangepaste omgeving van een maintainer. Als je vermoedt dat de cijfers niet kloppen, kun je je eigen cijfers genereren.
Die transparantie maakt het project ook nuttig voor maintainers. Wanneer er een regressie optreedt, kan een downstream-ontwikkelaar het script ophalen, de releases van de tool bisectioneren en het upstream-team een