Box64项目:在ARM64设备上运行danser的依赖问题解析
2025-06-13 16:20:24作者:贡沫苏Truman
背景介绍
Box64是一款强大的x86_64模拟器,能够在ARM64架构的设备上运行64位Linux应用程序。本文主要探讨在使用Box64运行danser(一个osu!游戏模拟器)时遇到的共享库依赖问题及其解决方案。
问题现象
当尝试在Termux环境下通过Box64运行danser时,系统报告了大量共享对象文件(.so)缺失的错误。这些错误主要集中在图形和界面相关的库文件上,包括:
- OpenGL相关库:libGL.so.1、libGLX.so.0
- X11相关库:libX11.so.6、libXi.so.6
- GTK相关库:libgtk-3.so.0、libgdk-3.so.0
- 图形渲染库:libcairo.so.2、libpango-1.0.so.0
- 字体处理库:libharfbuzz.so.0、libfontconfig.so.1
技术分析
Box64的工作原理
Box64通过动态二进制翻译技术,将x86_64指令转换为ARM64指令。对于系统调用和库函数,Box64采用以下策略:
- 原生库优先:首先尝试加载ARM64版本的系统库
- 模拟库备用:当原生库不可用时,使用模拟的x86_64版本库
- 混合模式:部分库使用原生版本,部分使用模拟版本
依赖关系链
danser作为一个图形密集型应用,依赖复杂的库关系链。例如:
- GTK3 → GLib → Pango → Harfbuzz → FreeType
- OpenGL → GLX → X11 → xcb
这种深层依赖关系导致任何一个环节缺失都会导致程序无法启动。
解决方案
1. 安装ARM64原生库
在基于Debian/Ubuntu的系统中,可以通过以下命令安装所需库:
sudo apt install libgl1 libgtk-3-0 libcairo2 libpango-1.0-0 libharfbuzz0b libfontconfig1
2. 环境配置建议
对于Termux用户,建议:
- 使用proot创建完整的Linux环境
- 在proot环境中安装完整的桌面环境依赖
- 确保图形栈完整(X11或Wayland)
3. 编译选项
对于开发者,可以考虑:
- 静态链接关键依赖
- 使用更轻量级的GUI库替代GTK
- 针对ARM64平台进行原生编译
性能考量
在ARM设备上通过Box64运行图形应用时,需要注意:
- OpenGL性能可能受限
- 复杂UI的渲染开销较大
- 建议关闭不必要的视觉效果
- 考虑使用VirGL等加速方案
结论
在ARM设备上通过Box64运行x86_64图形应用是完全可行的,但需要确保所有依赖库的ARM64版本正确安装。对于danser这类复杂应用,建议在完整的Linux环境(如proot)中配置,而非直接在Termux中运行。未来随着Box64的优化和ARM设备性能的提升,这类应用的运行体验将会越来越好。
对于开发者而言,考虑多架构支持或提供ARM64原生版本将是更好的长期解决方案。
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-1.5暂无简介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
IEC61850建模工具及示例资源:智能电网自动化配置的完整指南 海康威视DS-7800N-K1固件升级包全面解析:提升安防设备性能的关键资源 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 SteamVR 1.2.3 Unity插件:兼容Unity 2019及更低版本的VR开发终极解决方案 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 Photoshop作业资源文件下载指南:全面提升设计学习效率的必备素材库 海能达HP680CPS-V2.0.01.004chs写频软件:专业对讲机配置管理利器 咖啡豆识别数据集:AI目标检测在咖啡质量控制中的革命性应用 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
185
196
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
480
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
276
97
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
380
3.44 K
暂无简介
Dart
623
140
React Native鸿蒙化仓库
JavaScript
242
315
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++
648
265
openGauss kernel ~ openGauss is an open source relational database management system
C++
157
210