Apache APISIX 构建脚本中make undeps命令的依赖顺序问题分析
2025-05-15 09:57:28作者:蔡怀权
问题背景
在基于Ubuntu 22.04系统从源码构建Apache APISIX时,开发人员发现执行make undeps命令会出现错误。这个命令原本设计用于清理项目依赖,但在实际操作中却因为依赖项卸载顺序不当而失败。
错误现象
执行make undeps命令时,系统报出以下错误信息:
/bin/bash: /usr/local/bin/luarocks: /usr/local/openresty/luajit/bin/luajit: bad interpreter: No such file or directory
这表明系统在尝试执行luarocks命令时,找不到其依赖的LuaJIT解释器。
根本原因分析
通过查看APISIX项目的Makefile文件,我们发现问题的根源在于依赖项卸载的顺序不合理:
make undeps首先调用uninstall-runtime目标uninstall-runtime执行两个关键操作:- 运行卸载脚本
./utils/install-dependencies.sh uninstall - 直接删除
/usr/local/openresty目录
- 运行卸载脚本
- 然后才尝试执行
luarocks purge --tree=deps
这种顺序导致的问题是:当需要执行luarocks命令时,其所依赖的LuaJIT解释器(位于/usr/local/openresty目录下)已经被删除,从而导致命令执行失败。
技术细节
LuaRocks是Lua的包管理器,它需要Lua或LuaJIT解释器来运行。在APISIX的构建环境中,LuaRocks配置为使用OpenResty提供的LuaJIT。当OpenResty被提前卸载后,LuaRocks就失去了其运行环境。
解决方案
正确的处理顺序应该是:
- 首先使用仍然可用的LuaRocks清理项目依赖
- 然后再卸载运行时环境和删除相关目录
修改后的Makefile逻辑应该是:
.PHONY: undeps
undeps:
@$(call func_echo_status, "$@ -> [ Start ]")
$(ENV_LUAROCKS) purge --tree=deps
./utils/install-dependencies.sh uninstall
rm -rf /usr/local/openresty
rm -f $(ENV_INST_BINDIR)/openresty
@$(call func_echo_success_status, "$@ -> [ Done ]")
最佳实践建议
- 在编写构建系统的清理逻辑时,应该仔细考虑各个组件之间的依赖关系
- 资源清理应该按照从"最上层依赖"到"最底层依赖"的顺序进行
- 对于需要解释器执行的清理命令,应该确保解释器在命令执行期间始终可用
- 可以考虑在Makefile中添加前置检查,确保必要的执行环境存在
总结
这个问题展示了构建系统中依赖管理的重要性。合理的清理顺序不仅能确保操作顺利完成,也能避免因部分清理导致的残留问题。对于APISIX这样的开源项目,构建系统的健壮性直接影响开发者的体验,因此这类问题的修复对于提升项目质量很有帮助。
登录后查看全文
热门项目推荐
相关项目推荐
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
最新内容推荐
MQTT客户端软件源代码:物联网开发的强大工具与最佳实践指南 Launch4j中文版:Java应用程序打包成EXE的终极解决方案 全球GEOJSON地理数据资源下载指南 - 高效获取地理空间数据的完整解决方案 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 IK分词器elasticsearch-analysis-ik-7.17.16:中文文本分析的最佳解决方案 电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 STM32到GD32项目移植完全指南:从兼容性到实战技巧 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 基于Matlab的等几何分析IGA软件包:工程计算与几何建模的完美融合 XMODEM协议C语言实现:嵌入式系统串口文件传输的经典解决方案
项目优选
收起
deepin linux kernel
C
25
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
418
3.21 K
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
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19
暂无简介
Dart
683
160
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
🎉 (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
1.22 K
664
React Native鸿蒙化仓库
JavaScript
266
326
无需学习 Kubernetes 的容器平台,在 Kubernetes 上构建、部署、组装和管理应用,无需 K8s 专业知识,全流程图形化管理
Go
15
1
Ascend Extension for PyTorch
Python
230
259