Cross-rs项目中使用自定义Dockerfile时遇到Error 125的解决方案
在使用Cross-rs进行跨平台编译时,很多开发者会遇到需要自定义Docker镜像的情况。特别是在编译依赖特定系统库的项目时,比如本文提到的需要安装libpipewire-3.0-dev包的情况。
问题背景
当开发者尝试使用自定义Dockerfile进行跨平台编译时,可能会遇到Error 125的错误。这个错误通常发生在使用较新版本的Cross-rs(0.2.5及以上)时,错误信息中会提示"unknown flag: --progress"。
根本原因分析
这个问题的根源在于Cross-rs项目在较新版本中默认使用Docker Buildx来构建镜像,而Buildx是Docker的一个实验性功能,需要额外安装和设置。如果系统中没有正确安装Buildx,或者Docker环境没有启用Buildkit功能,就会导致构建失败。
解决方案
要解决这个问题,开发者有以下几种选择:
-
安装Docker Buildx:这是最推荐的解决方案。Buildx是Docker官方提供的下一代构建工具,支持多平台构建等高级功能。
-
降级Cross-rs版本:如果暂时不想使用Buildx,可以考虑降级到0.2.4或更早版本的Cross-rs,这些版本不使用Buildx进行构建。
-
设置不使用Buildkit:可以通过环境变量或配置文件告诉Cross-rs不要使用Buildkit功能。
具体实施步骤
安装Docker Buildx
对于大多数Linux系统,安装Buildx的步骤如下:
- 确保Docker版本在19.03或以上
- 执行以下命令安装Buildx:
docker buildx install
- 验证安装是否成功:
docker buildx version
设置Cross-rs不使用Buildkit
如果选择不使用Buildkit,可以在项目的Cross.toml配置文件中添加:
[build]
use-buildkit = false
自定义Dockerfile的最佳实践
在解决了Buildx问题后,编写自定义Dockerfile时还需要注意以下几点:
-
使用正确的架构变量:Cross-rs提供了
CROSS_DEB_ARCH等变量,应该使用这些变量而不是硬编码架构信息。 -
多阶段构建:对于复杂的项目,考虑使用多阶段构建来减小最终镜像大小。
-
缓存优化:合理安排命令顺序,把不常变化的操作放在前面,充分利用Docker的缓存机制。
总结
Error 125是Cross-rs项目在使用自定义Dockerfile时常见的问题,主要与Buildx的设置有关。通过正确安装Buildx或设置不使用Buildkit,可以解决这个问题。在跨平台编译过程中,合理使用自定义Dockerfile可以极大地扩展编译环境的灵活性,满足各种特殊依赖的需求。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00