首页
/ Mbed-TLS项目中重复common.h文件的技术分析与解决方案

Mbed-TLS项目中重复common.h文件的技术分析与解决方案

2025-06-05 10:02:12作者:郜逊炳

问题背景

在Mbed-TLS项目中,近期出现了两个内容相同的common.h头文件,分别位于library/common.htf-psa-crypto/core/common.h。这种重复不仅增加了维护成本,还可能对不使用项目构建脚本而直接引用源文件的用户造成构建问题。

技术分析

重复文件的来源

这个问题的根源在于提交90ca4145cfedd9917d8b124cdc1aadd4f923afdc中,文件被复制而非移动。理想情况下,common.h应该从library/目录迁移到tf-psa-crypto/core/目录,而不是创建副本。

潜在影响

  1. 维护困难:开发者在修改一个文件时容易忽略另一个副本,导致不一致
  2. 构建问题:当用户直接引用源文件时,可能因同名文件冲突导致构建失败
  3. 依赖关系混乱:两个模块(Mbed TLS和TF-PSA-Crypto)共享相同头文件但可能有不同需求

解决方案讨论

初步方案

最初提出的解决方案包括:

  1. 保留tf-psa-crypto/core/common.h作为唯一副本
  2. 在Mbed TLS的x509和SSL模块中通过内部头文件间接引用

技术挑战

在实施过程中发现,调整头文件包含顺序会导致未定义结构体或函数的问题。这表明项目中的头文件依赖关系比预想的更为复杂。

改进方案

经过深入讨论,提出了更稳健的解决方案:

  1. 在Mbed TLS中使用mbedtls_common.h作为包装头文件
  2. 该文件包含tf-psa-crypto/core/common.h
  3. 保持现有包含顺序不变,避免破坏现有依赖关系

实施建议

  1. 文件迁移:使用git命令正确迁移文件以保留历史记录
  2. 头文件重构:将通用功能拆分到主题明确的头文件中
  3. 构建系统适配:确保两个项目的构建系统能正确处理新的头文件结构

技术考量

  1. 构建系统差异:Mbed TLS和TF-PSA-Crypto使用不同的构建系统,它们的build_info.h内容可能不同
  2. 模块隔离:需要考虑x509、TLS和加密模块的不同需求
  3. 向后兼容:确保修改不会影响现有用户的构建流程

结论

处理重复头文件问题需要谨慎考虑项目结构和依赖关系。采用间接包含和包装头文件的方案可以在保持功能完整性的同时解决重复问题。这种解决方案既解决了当前的维护难题,又为未来的模块化发展奠定了基础。

登录后查看全文
热门项目推荐
相关项目推荐

项目优选

收起
kernelkernel
deepin linux kernel
C
22
6
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
223
2.26 K
flutter_flutterflutter_flutter
暂无简介
Dart
525
116
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
JavaScript
210
286
nop-entropynop-entropy
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
frameworksframeworks
openvela 操作系统专为 AIoT 领域量身定制。服务框架:主要包含蓝牙、电话、图形、多媒体、应用框架、安全、系统服务框架。
CMake
795
12
RuoYi-Vue3RuoYi-Vue3
🎉 (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
984
581
pytorchpytorch
Ascend Extension for PyTorch
Python
67
97
ops-mathops-math
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++
566
94
GLM-4.6GLM-4.6
GLM-4.6在GLM-4.5基础上全面升级:200K超长上下文窗口支持复杂任务,代码性能大幅提升,前端页面生成更优。推理能力增强且支持工具调用,智能体表现更出色,写作风格更贴合人类偏好。八项公开基准测试显示其全面超越GLM-4.5,比肩DeepSeek-V3.1-Terminus等国内外领先模型。【此简介由AI生成】
Jinja
42
0