【亲测免费】 Hangover:让x86 Windows应用在ARM64上飞起来!
项目介绍
Hangover 是一个由André Zwing和Stefan Dösinger于2016年启动的开源项目,旨在实现x86_32 Windows应用程序在aarch64(ARM64)架构上的运行。通过巧妙的技术手段,Hangover能够仅模拟目标应用程序,而非整个Wine安装,从而显著提升性能。目前,Hangover的主要目标是支持在ARM64 Linux上运行i386 Windows应用程序,同时也支持在x86_64 Linux上运行ARM32 Windows应用程序。
项目技术分析
Hangover的核心技术在于其独特的模拟策略。它利用多种模拟器作为DLL(动态链接库),仅模拟目标应用程序,而非整个Wine环境。当应用程序进行Windows或Wine系统调用时,如NtUserCreateWindowEx,这些调用会在非模拟环境中执行,从而实现高性能。此外,所有与Unix相关的操作都不会被模拟,进一步提升了效率。
Hangover通过WoW64(Windows on Windows 64-bit)支持,实现了在ARM64架构上的x86_32应用程序模拟。这种策略不仅减少了模拟的开销,还避免了不必要的性能损失。
项目及技术应用场景
Hangover的应用场景非常广泛,尤其适合以下几种情况:
-
ARM64设备上的Windows应用迁移:对于希望在ARM64设备(如某些嵌入式系统或ARM服务器)上运行x86 Windows应用程序的用户,Hangover提供了一个高效且轻量级的解决方案。
-
跨平台开发与测试:开发者在进行跨平台开发时,可以使用Hangover在ARM64 Linux上测试和调试x86 Windows应用程序,确保其在不同平台上的兼容性和性能。
-
老旧应用的兼容性支持:对于一些老旧的x86 Windows应用程序,Hangover可以帮助它们在现代ARM64架构上继续运行,延长其生命周期。
项目特点
- 高性能模拟:Hangover通过仅模拟目标应用程序,而非整个Wine环境,显著提升了模拟性能。
- 多模拟器支持:项目支持多种模拟器(如QEMU、FEX、Box64等),用户可以根据需求选择最适合的模拟器。
- 跨平台兼容:不仅支持在ARM64 Linux上运行x86 Windows应用程序,还支持在x86_64 Linux上运行ARM32 Windows应用程序。
- 社区支持:项目拥有一个活跃的Discord社区,为贡献者和用户提供技术支持、开发讨论等服务。
- 易于构建与使用:Hangover提供了详细的构建和运行指南,用户可以轻松地在Debian、Ubuntu、Termux等平台上进行构建和使用。
结语
Hangover项目通过其创新的技术手段和高效的模拟策略,为ARM64设备上的x86 Windows应用程序运行提供了一个优秀的解决方案。无论你是开发者、系统集成商,还是普通用户,Hangover都能帮助你轻松实现跨平台应用的运行。赶快加入Hangover的行列,体验高性能的跨平台模拟吧!
项目地址:Hangover GitHub
加入Discord社区:Hangover Discord
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust099- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00