DevilutionX项目在RISC-V 64位架构下的构建问题分析
在将经典游戏《暗黑破坏神》的开源重制版DevilutionX移植到RISC-V 64位架构时,开发者可能会遇到一个特定的构建错误。本文将从技术角度深入分析这个问题及其解决方案。
问题现象
当在RISC-V 64位平台(如Ubuntu 24.04)上构建DevilutionX 1.5.3版本时,链接阶段会出现以下错误:
undefined reference to `__atomic_compare_exchange_1'
这个错误表明链接器无法找到处理1字节原子比较交换操作的底层实现函数。该错误发生在ZeroTier网络库的Events.cpp文件中,具体是在处理std::atomic类型的原子操作时。
技术背景
RISC-V架构是一个新兴的开源指令集架构,其原子操作支持与x86或ARM等成熟架构有所不同。原子操作是并发编程中的基础构建块,用于确保多线程环境下的数据一致性。
在C++中,std::atomic模板类提供了跨平台的原子操作抽象。对于bool类型(通常是1字节),标准库期望底层平台提供相应的原子操作实现。在RISC-V上,这些实现通常由编译器提供的运行时库支持。
问题根源
经过分析,这个问题可能有几个潜在原因:
- RISC-V工具链可能缺少对某些特定宽度原子操作的支持
- ZeroTier库可能没有针对RISC-V架构进行充分测试
- 编译标志可能没有正确设置以启用RISC-V的原子扩展
解决方案
对于需要快速构建DevilutionX的用户,最简单的解决方案是禁用ZeroTier功能。ZeroTier主要用于游戏的网络多人模式,如果不需要此功能,可以通过以下CMake配置选项禁用它:
cmake -DDISABLE_ZERO_TIER=ON ..
这将跳过ZeroTier库的构建和链接,从而避免上述原子操作相关错误。
深入解决方案
对于希望保留ZeroTier功能的开发者,可以考虑以下更深入的解决方案:
- 检查RISC-V工具链是否完整安装,特别是原子操作相关的运行时支持
- 确保编译时启用了RISC-V的原子扩展(通常需要-march=rv64gc等标志)
- 联系ZeroTier社区,报告此RISC-V特定的构建问题
- 考虑为缺失的原子操作函数提供自定义实现
架构支持现状
目前,DevilutionX项目官方尚未将RISC-V 64位架构纳入常规测试和支持范围。这是许多开源项目在支持新兴架构时的常见情况。随着RISC-V生态系统的成熟,预计未来会有更好的兼容性。
结论
在RISC-V平台上构建DevilutionX时遇到原子操作相关的链接错误,主要反映了新兴架构支持过程中的典型挑战。通过禁用ZeroTier功能可以快速解决问题,而完整的解决方案则需要工具链和库的进一步适配。随着RISC-V生态的发展,这类问题有望得到根本解决。
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- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
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
ruoyi-plus-soybeanRuoYi-Plus-Soybean 是一个现代化的企业级多租户管理系统,它结合了 RuoYi-Vue-Plus 的强大后端功能和 Soybean Admin 的现代化前端特性,为开发者提供了完整的企业管理解决方案。Vue06- 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
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