Apache APISIX 源码构建中 make undeps 命令的故障分析与解决方案
2025-05-15 00:04:14作者:彭桢灵Jeremy
问题背景
在基于 Ubuntu 22.04 系统从源码构建 Apache APISIX 时,开发人员可能会遇到一个典型的构建系统问题:执行 make undeps 命令时出现错误。这个命令本应用于清理项目依赖,但却意外失败,导致依赖清理不彻底。
错误现象
当执行 make undeps 命令时,系统会报出以下错误信息:
[ info ] undeps -> [ Start ]
luarocks purge --tree=deps
/bin/bash: /usr/local/bin/luarocks: /usr/local/openresty/luajit/bin/luajit: bad interpreter: No such file or directory
make: *** [Makefile:147: undeps] Error 126
从错误信息可以看出,系统在尝试执行 luarocks 命令时,找不到 LuaJIT 的解释器路径。
根本原因分析
通过对 APISIX 构建系统的 Makefile 文件分析,我们发现问题的根源在于依赖清理的顺序不合理。具体来说:
make undeps命令首先会执行uninstall-runtime目标uninstall-runtime目标会删除/usr/local/openresty目录- 然后才会执行
luarocks purge --tree=deps命令 - 由于 LuaRocks 需要 LuaJIT 解释器来执行,而 LuaJIT 已经被删除,导致命令失败
这种执行顺序的设计缺陷导致了关键依赖在需要时已经不可用。
解决方案
解决这个问题的关键在于调整依赖清理的顺序。正确的做法应该是:
- 先使用 LuaRocks 清理项目依赖
- 然后再移除运行时环境
这样就能确保在执行 LuaRocks 命令时,所需的 LuaJIT 解释器仍然可用。
具体到 Makefile 的修改,应该将 undeps 目标的依赖关系进行调整,或者将清理步骤重新排序。一个合理的实现方式是将 uninstall-runtime 从 undeps 的依赖中移除,改为在最后执行。
深入理解构建系统
这个问题也反映了理解构建系统工作原理的重要性。在开发基于 OpenResty 的项目时,有几个关键点需要注意:
- 依赖管理层次:APISIX 的依赖分为系统级依赖(如 OpenResty)和项目级依赖(通过 LuaRocks 管理)
- 清理顺序原则:应该按照与安装相反的顺序进行清理,同时确保每个清理步骤所需的工具仍然可用
- 环境隔离:考虑使用虚拟环境或容器化技术可以避免这类系统级依赖问题
最佳实践建议
为了避免类似问题,建议开发者在处理 APISIX 构建时:
- 在干净的构建环境中进行测试
- 分步骤执行清理命令,而非直接使用
make undeps - 考虑使用 Docker 容器进行构建和测试,实现环境隔离
- 对于复杂的构建系统,先阅读 Makefile 了解各目标的依赖关系
总结
构建系统的可靠性对于项目的开发和维护至关重要。通过分析 APISIX 中 make undeps 命令失败的原因,我们不仅解决了具体问题,也加深了对构建系统设计原则的理解。合理的清理顺序和依赖管理是确保构建系统稳定性的关键因素。
登录后查看全文
热门项目推荐
相关项目推荐
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
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
185
196
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
1.03 K
480
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
276
97
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
380
3.44 K
暂无简介
Dart
623
140
React Native鸿蒙化仓库
JavaScript
242
315
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
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++
648
265
openGauss kernel ~ openGauss is an open source relational database management system
C++
157
210