在CentOS7上编译Apache brpc的注意事项
Apache brpc作为一款高性能RPC框架,在CentOS7环境下编译时可能会遇到一些兼容性问题。本文将详细介绍在CentOS7系统上成功编译brpc的关键步骤和注意事项。
环境准备
CentOS7默认的软件版本较旧,需要特别注意以下组件的版本要求:
-
编译器要求:推荐使用gcc 8或更高版本,老版本编译器对模板支持不足可能导致编译失败。
-
Protobuf版本:brpc 1.8.0及以上版本需要Protobuf 3.0+,不再兼容Protobuf 2.5。建议使用Protobuf 3.0至3.25之间的版本。
-
构建工具:需要使用cmake3而非系统自带的cmake。
编译步骤
- 首先安装必要的依赖库:
sudo yum install epel-release
sudo yum install git gcc-c++ make openssl-devel gflags-devel protobuf-devel protobuf-compiler leveldb-devel readline-devel
-
升级gcc到8或更高版本(CentOS7默认gcc 4.8.5不兼容)
-
安装cmake3和protobuf3
-
配置编译环境时,需要注意gflags的命名空间变更。新版本brpc使用
gflags::而非google::命名空间。
常见问题解决
-
Protobuf语法错误:如果遇到类似"Expected ")"的错误,通常是因为使用了Protobuf 2.x版本,需要升级到3.0+。
-
CMake配置错误:如果CMake报错"Protobuf_VERSION GREATER_EQUAL 4.22",可以修改CMakeLists.txt文件,将条件判断改为"Protobuf_VERSION GREATER 4.21"。
-
线程库问题:如果出现pthread相关错误,确保已安装开发包并正确链接。
兼容性说明
对于只需要使用bvar监控功能的用户,可以考虑使用brpc 1.5版本,该版本仍支持Protobuf 2.5。但新功能开发建议使用最新版本以获得更好的性能和功能支持。
总结
在CentOS7上成功编译brpc需要注意三点关键因素:足够新的编译器版本、正确的Protobuf版本以及适当的构建工具。遵循上述步骤和建议,应该能够顺利完成编译过程。对于生产环境,建议考虑使用更新版本的操作系统以获得更好的兼容性和性能表现。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00