【亲测免费】 使用指南:cargo-ndk —— 面向Android的Rust编译工具
2026-01-25 06:31:37作者:谭伦延
cargo-ndk 是一个专为在Android平台上构建Rust代码而设计的Cargo扩展,它简化了环境配置,确保能够顺利生成适用于Android的库文件,并支持正确的jniLibs目录结构布局。
安装指南
要开始使用cargo-ndk,首先通过Cargo安装该扩展:
cargo install cargo-ndk
紧接着,确保安装所需的Android目标平台工具链:
rustup target add aarch64-linux-android armv7-linux-androideabi x86_64-linux-android i686-linux-android
上述命令将添加对不同架构的支持。
项目使用说明
cargo-ndk自动检测由Android Studio安装的NDK的默认位置并使用最新版本。如需指定特定NDK路径,则设置ANDROID_NDK_HOME环境变量。
构建示例
若需为32位和64位ARM系统构建库,执行以下命令:
cargo ndk -t armeabi-v7a -t arm64-v8a -o ./jniLibs build --release
这指定了构建的目标、输出目录以及传递给Cargo的常规标志。
链接与复制libc++_shared.so
在项目中创建build.rs文件,并加入以下代码来自动处理共享库的链接与复制:
use std::{env, path::PathBuf};
fn main() {
if env::var("CARGO_CFG_TARGET_OS").unwrap() == "android" {
android();
}
}
fn android() {
println!("cargo:rustc-link-lib=c++_shared");
if let Ok(output_path) = env::var("CARGO_NDK_OUTPUT_PATH") {
let sysroot_libs_path = PathBuf::from(env::var_os("CARGO_NDK_SYSROOT_LIBS_PATH").unwrap());
let lib_path = sysroot_libs_path.join("libc++_shared.so");
std::fs::copy(
lib_path,
Path::new(&output_path)
.join(&env::var("CARGO_NDK_ANDROID_TARGET").unwrap())
.join("libc++_shared.so"),
).expect("Copying shared library failed.");
}
}
控制日志级别
在Cargo命令后加上-v或-vv以调整详细程度。
API使用文档
cargo-ndk不直接提供API接口供应用程序调用,但通过一系列环境变量影响构建过程和脚本行为。重要环境变量有:
CARGO_NDK_ANDROID_PLATFORM:Android平台API编号。CARGO_NDK_ANDROID_TARGET:当前构建目标(例如armeabi-v7a)。CARGO_NDK_OUTPUT_PATH:指定的输出目录。- 其他环境变量允许你在构建脚本和其他场景下利用这些信息进行更精细的控制。
支持的主机系统
- Linux
- macOS (
x86_64,arm64) - Windows
对于本地开发,直接从源码安装即可:
git clone [仓库URL]
cd [克隆的仓库]
cargo install --path .
cargo-ndk为开发者提供了便捷途径来整合Rust与Android生态,通过以上步骤,您现在应该具备了所有必要的知识来有效地在Android项目中使用Rust代码。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedJavaScript096- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00
项目优选
收起
暂无描述
Dockerfile
700
4.5 K
Ascend Extension for PyTorch
Python
563
691
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
JavaScript
535
95
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++
957
953
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
411
338
🎉 (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
1.6 K
939
Oohos_react_native
React Native鸿蒙化仓库
C++
340
387
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
128
209
昇腾LLM分布式训练框架
Python
148
177
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
140
221