Cemu项目在Fedora 39上的编译问题分析与解决方案
2025-05-28 12:20:02作者:乔或婵
问题背景
在Fedora 39系统上编译Cemu模拟器项目时,开发人员遇到了两个主要的构建问题。这些问题主要与vcpkg依赖管理系统和libxcrypt库的编译相关。本文将详细分析这些问题的成因,并提供完整的解决方案。
问题一:vcpkg浅克隆导致的构建失败
在构建过程中,系统首先报出了vcpkg相关的错误。错误信息表明vcpkg是以浅克隆(shallow clone)方式获取的,这导致无法正确解包某些git树对象。
错误表现
构建过程中出现以下关键错误信息:
error: failed to execute: /usr/bin/git --git-dir=/root/cemu/dependencies/vcpkg/.git --work-tree=... read-tree -m -u 843c4331dc1453c80f99e25be4513c99074c5cf2
vcpkg was cloned as a shallow repository
fatal: failed to unpack tree object 843c4331dc1453c80f99e25be4513c99074c5cf2
原因分析
vcpkg作为Cemu的依赖管理系统,需要完整的git历史记录来正确解析和构建某些依赖项。浅克隆方式只获取了最近的提交历史,缺少完整的git对象数据库,导致无法访问特定的历史树对象。
解决方案
- 进入vcpkg目录:
cd dependencies/vcpkg
- 将浅克隆转换为完整克隆:
git fetch --unshallow
- 更新所有分支:
git pull --all
问题二:libxcrypt编译失败
解决vcpkg问题后,构建过程在libxcrypt库的编译阶段再次失败。
错误表现
错误日志显示:
fatal error: sys/endian.h: No such file or directory
configure: failed program was:
| #include <sys/endian.h>
原因分析
libxcrypt在配置阶段尝试检测系统头文件时失败,特别是缺少sys/endian.h头文件。这个头文件通常由libbsd-devel包提供,用于处理字节序相关的操作。
解决方案
- 安装必要的开发包:
dnf install libbsd-devel
- 确保所有相关开发工具已安装:
dnf groupinstall "Development Tools"
- 验证环境变量是否正确设置,特别是包含路径。
完整构建建议
为了确保Cemu在Fedora 39上顺利构建,建议遵循以下完整步骤:
- 克隆Cemu仓库:
git clone https://github.com/cemu-project/Cemu.git
cd Cemu
- 初始化并更新子模块:
git submodule update --init --recursive
- 进入vcpkg目录并转换为完整克隆:
cd dependencies/vcpkg
git fetch --unshallow
git pull --all
cd ../..
- 安装系统依赖:
dnf install libbsd-devel cmake ninja-build gcc-c++ libglvnd-devel
- 执行构建:
cmake -S . -B build -DCMAKE_BUILD_TYPE=release -G Ninja
cmake --build build
总结
在Fedora 39上构建Cemu项目时,主要会遇到vcpkg浅克隆和系统头文件缺失两个关键问题。通过将vcpkg转换为完整克隆并安装必要的开发包,可以解决这些问题。这些解决方案不仅适用于Cemu项目,对于其他依赖vcpkg和系统库的项目也有参考价值。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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
项目优选
收起
deepin linux kernel
C
26
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
422
3.25 K
Ascend Extension for PyTorch
Python
230
261
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++
689
331
暂无简介
Dart
686
160
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
React Native鸿蒙化仓库
JavaScript
266
326
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19
🎉 (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
1.22 K
666
仓颉编译器源码及 cjdb 调试工具。
C++
136
869