NNG项目中MbedTLS查找问题的分析与解决
2025-06-16 09:59:30作者:段琳惟
问题背景
在NNG 1.7.2版本中,CMake构建系统对MbedTLS库的查找机制进行了改进,但这一改动在某些环境下会导致无法正确找到已安装的MbedTLS库,进而导致构建出的NNG库缺少TLS支持功能。
问题现象
用户在使用Ubuntu 22.04系统时发现,无论是系统自带的MbedTLS 2.28还是手动安装的MbedTLS 3.5.2,NNG的CMake构建系统都无法正确识别。具体表现为构建日志中缺少关键的MbedTLS查找成功信息,最终导致生成的库不包含TLS功能。
技术分析
CMake查找机制的变化
NNG 1.7.2版本中修改了查找MbedTLS的方式,主要变化在于:
- 优先使用Config模式而非Module模式查找MbedTLS
- 强制设置了
CMAKE_FIND_PACKAGE_PREFER_CONFIG=TRUE
- 使用了更复杂的查找逻辑
查找失败的原因
经过深入分析,发现问题可能出在以下几个方面:
- Config模式查找失败:当MbedTLS安装在非标准路径时,Config模式可能无法正确找到库文件
- 查找顺序问题:系统路径和自定义安装路径之间的优先级可能导致查找失败
- 环境变量未正确设置:缺少必要的环境变量指引CMake查找路径
解决方案
临时解决方案
在问题定位期间,可以暂时简化src/supplemental/tls/mbedtls/CMakeLists.txt
中的查找逻辑,移除对CMAKE_FIND_PACKAGE_PREFER_CONFIG
的强制设置,直接使用Module模式查找:
if (TARGET mbedtls)
nng_link_libraries(mbedtls)
else()
find_package(MbedTLS REQUIRED)
nng_link_libraries_public(MbedTLS::mbedtls MbedTLS::mbedcrypto MbedTLS::mbedx509)
endif()
官方修复方案
项目维护者最终提供了更完善的解决方案:
- 允许用户通过
-DCMAKE_FIND_PACKAGE_PREFER_CONFIG=ON/OFF
参数自由选择查找模式 - 修复了代码中的拼写错误
- 改进了查找逻辑的灵活性
最佳实践建议
对于需要在自定义路径安装MbedTLS的用户,建议:
- 明确设置
MBEDTLS_ROOT
或MBEDTLS_ROOT_DIR
环境变量指向安装目录 - 考虑使用Ninja作为CMake生成器,可能获得更好的兼容性
- 确保MbedTLS的头文件和库文件版本匹配
- 检查构建日志中的详细错误信息
总结
NNG项目对MbedTLS查找机制的改进本意是提供更好的兼容性,特别是在支持MbedTLS 3.x版本方面。但在实际使用中,由于环境差异可能导致查找失败。通过理解CMake的查找机制和合理配置相关参数,用户可以确保NNG正确链接到所需的MbedTLS库,从而获得完整的TLS功能支持。
对于开发者而言,这一案例也提醒我们在改进构建系统时需要充分考虑各种环境下的兼容性问题,并提供足够的灵活性让用户能够根据实际情况进行调整。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-4.6
GLM-4.6在GLM-4.5基础上全面升级:200K超长上下文窗口支持复杂任务,代码性能大幅提升,前端页面生成更优。推理能力增强且支持工具调用,智能体表现更出色,写作风格更贴合人类偏好。八项公开基准测试显示其全面超越GLM-4.5,比肩DeepSeek-V3.1-Terminus等国内外领先模型。【此简介由AI生成】Jinja00- DDeepSeek-V3.2-ExpDeepSeek-V3.2-Exp是DeepSeek推出的实验性模型,基于V3.1-Terminus架构,创新引入DeepSeek Sparse Attention稀疏注意力机制,在保持模型输出质量的同时,大幅提升长文本场景下的训练与推理效率。该模型在MMLU-Pro、GPQA-Diamond等多领域公开基准测试中表现与V3.1-Terminus相当,支持HuggingFace、SGLang、vLLM等多种本地运行方式,开源内核设计便于研究,采用MIT许可证。【此简介由AI生成】Python00
openPangu-Ultra-MoE-718B-V1.1
昇腾原生的开源盘古 Ultra-MoE-718B-V1.1 语言模型Python00ops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。C++0113AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。02Spark-Chemistry-X1-13B
科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00GOT-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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile011
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起

deepin linux kernel
C
22
6

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
218
2.23 K

暂无简介
Dart
523
116

React Native鸿蒙化仓库
JavaScript
210
285

Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
982
580

Ascend Extension for PyTorch
Python
67
97

本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
564
87

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.02 K
399

GLM-4.6在GLM-4.5基础上全面升级:200K超长上下文窗口支持复杂任务,代码性能大幅提升,前端页面生成更优。推理能力增强且支持工具调用,智能体表现更出色,写作风格更贴合人类偏好。八项公开基准测试显示其全面超越GLM-4.5,比肩DeepSeek-V3.1-Terminus等国内外领先模型。【此简介由AI生成】
Jinja
34
0