Mbed-TLS项目中重复common.h文件的技术分析与解决方案
2025-06-05 17:48:20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.h和tf-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
- 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
- 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
- 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:
- 保留
tf-psa-crypto/core/common.h作为唯一副本 - 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:
- 在Mbed TLS中使用
mbedtls_common.h作为包装头文件 - 该文件包含
tf-psa-crypto/core/common.h - 保持现有包含顺序不变,避免破坏现有依赖关系
实施建议
- 文件迁移:使用git命令正确迁移文件以保留历史记录
- 头文件重构:将通用功能拆分到主题明确的头文件中
- 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
- 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 - 模块隔离:需要考虑x509、TLS和加密模块的不同需求
- 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
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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
最新内容推荐
JDK 8u381 Windows x64 安装包:企业级Java开发环境的完美选择 全球36个生物多样性热点地区KML矢量图资源详解与应用指南 PANTONE潘通AI色板库:设计师必备的色彩管理利器 深入解析Windows内核模式驱动管理器:系统驱动管理的终极利器 STM32到GD32项目移植完全指南:从兼容性到实战技巧 Jetson TX2开发板官方资源完全指南:从入门到精通 OMNeT++中文使用手册:网络仿真的终极指南与实用教程 WebVideoDownloader:高效网页视频抓取工具全面使用指南 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
191
210
暂无简介
Dart
631
143
React Native鸿蒙化仓库
JavaScript
243
316
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
481
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++
649
270
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
297
110
仓颉编译器源码及 cjdb 调试工具。
C++
128
858
openGauss kernel ~ openGauss is an open source relational database management system
C++
158
211