在RHEL 8上构建RISC-V GNU工具链的依赖问题解决方案
2025-06-17 15:12:47作者:郜逊炳
问题背景
在Red Hat Enterprise Linux 8(RHEL 8)系统上构建RISC-V GNU工具链时,用户经常会遇到依赖包缺失的问题。具体表现为无法找到libmpc-devel、mpfr-devel、gmp-devel和texinfo等关键开发包。这些依赖项对于工具链的编译过程至关重要,但默认的RHEL 8软件仓库中并不包含这些包。
根本原因分析
RHEL 8采用了模块化的软件仓库设计,将部分开发工具和库移到了专门的附加仓库中。这种设计旨在提供更灵活的软件管理方式,但也导致了基础仓库中某些开发包的缺失。特别是对于需要构建交叉编译工具链的场景,这种设计会带来额外的配置工作。
解决方案
要解决这些依赖问题,需要启用RHEL 8的CodeReady Linux Builder(CRB)仓库。这个仓库包含了构建工具链所需的所有额外开发包。以下是具体操作步骤:
-
首先检查系统是否已注册到Red Hat订阅管理服务:
sudo subscription-manager status -
启用CRB仓库:
sudo subscription-manager repos --enable codeready-builder-for-rhel-8-x86_64-rpms -
更新软件仓库缓存:
sudo dnf makecache -
安装所有必要的依赖包:
sudo dnf install autoconf automake python3 libmpc-devel mpfr-devel gmp-devel gawk bison flex texinfo patchutils gcc gcc-c++ zlib-devel expat-devel
技术细节
这些依赖包在工具链构建过程中扮演着重要角色:
- libmpc、mpfr和gmp:这些是数学运算库,GCC编译器需要它们来进行精确的数值计算和优化
- texinfo:用于生成文档系统
- autoconf/automake:用于配置和生成Makefile
- bison/flex:语法分析器生成器,处理编译器前端工作
验证安装
安装完成后,可以通过以下命令验证关键包是否已正确安装:
rpm -q libmpc-devel mpfr-devel gmp-devel texinfo
构建建议
在解决依赖问题后,建议按照以下步骤进行干净的构建:
-
清理之前的构建尝试:
make distclean rm -rf <安装目录> -
开始新构建并记录日志:
make 2>&1 | tee build.log
总结
在RHEL 8系统上构建RISC-V GNU工具链时,依赖包的管理需要特别注意。通过启用CodeReady Linux Builder仓库,可以轻松获取所有必需的开发包。这一解决方案不仅适用于RHEL 8,也适用于其社区版本CentOS 8(需启用PowerTools仓库)。理解这一配置过程有助于开发者在企业级Linux环境中更高效地搭建RISC-V开发工具链。
登录后查看全文
热门项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
413
3.18 K
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++
690
325
Ascend Extension for PyTorch
Python
229
258
暂无简介
Dart
679
160
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (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
1.21 K
660
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
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
492
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
346
147