在MacBook Pro M1上构建XRPLF/rippled项目时解决Boost.Beast异步调用冲突问题
2025-06-10 10:38:25作者:毕习沙Eudora
问题背景
在MacBook Pro M1芯片设备上构建XRPLF/rippled项目时,开发者可能会遇到一个特定的编译错误。这个错误发生在构建进度达到59%时,具体表现为在编译ServerHandler.cpp文件时出现"call to 'async_teardown' is ambiguous"的错误提示。
错误分析
该错误源于Boost.Beast库中的异步操作冲突,特别是在处理WebSocket流时。错误日志显示编译器无法确定应该使用哪个版本的async_teardown函数,这在模板实例化过程中造成了歧义。
更具体地说,问题出现在以下场景:
- 当rippled服务器处理WebSocket连接时
- 使用Boost.Asio进行异步I/O操作
- 在SSL流上实现WebSocket协议时
- 模板实例化链条中出现了多个匹配的async_teardown函数
解决方案
经过项目维护者的确认,这是一个已知的问题,可以通过以下配置解决:
- 修改Conan构建配置,添加特定的编译标志
- 禁用Boost.Asio中的概念检查功能
具体操作是在Conan配置文件中添加以下设置:
env.CXXFLAGS="-DBOOST_ASIO_DISABLE_CONCEPTS"
conf.tools.build:cxxflags+=["-DBOOST_ASIO_DISABLE_CONCEPTS"]
技术原理
这个解决方案背后的技术原理是:
- BOOST_ASIO_DISABLE_CONCEPTS标志会禁用Boost.Asio库中的概念检查功能
- 在M1芯片的编译环境下,概念检查可能会导致模板实例化时的歧义
- 禁用概念检查可以避免编译器在多个候选函数之间无法做出选择
- 这种修改不会影响核心功能,因为概念检查主要用于编译时验证
适用场景
这种解决方案适用于:
- 使用Apple Silicon(M1/M2)芯片的Mac设备
- 构建XRPLF/rippled项目时
- 遇到类似"call to 'async_teardown' is ambiguous"的编译错误
- 使用Conan作为包管理工具的环境
注意事项
- 此解决方案已被项目官方文档收录为已知问题的标准解决方法
- 如果问题仍然存在,建议检查Boost库版本是否与项目要求一致
- 在更复杂的构建环境中,可能需要清理构建缓存后重新尝试
通过实施上述解决方案,开发者应该能够成功在M1芯片的Mac设备上完成XRPLF/rippled项目的构建。
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
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
245
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
暂无简介
Dart
672
157
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++
662
313
React Native鸿蒙化仓库
JavaScript
262
323
🔥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
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218