Bottles项目解决Battle.net安装失败问题的技术分析
2025-05-31 09:32:31作者:咎竹峻Karen
问题背景
在使用Bottles项目创建游戏预设容器并尝试安装Battle.net客户端时,用户遇到了安装失败的问题。该问题主要出现在SteamOS系统上,通过Flatpak安装的Bottles应用中。从日志分析来看,虽然依赖项安装过程看似正常,但最终Battle.net客户端无法成功安装和运行。
技术分析
错误现象分析
从用户提供的日志中可以观察到几个关键点:
-
依赖项安装过程看似正常完成,包括:
- riched20
- arialb32
- vcredist2019
- webview2
-
安装过程中出现了多个与Kerberos认证相关的警告信息:
err:kerberos:kerberos_LsaApInitializePackage no Kerberos support, expect problems -
在尝试运行Battle.net安装程序时,出现了COM组件初始化失败的错误:
err:ole:com_get_class_object apartment not initialised
根本原因
经过社区成员的深入调查,发现问题根源在于Wine/Proton版本与Battle.net客户端的兼容性。具体来说:
- Battle.net最近的更新引入了新的功能或依赖项,导致与旧版Wine/Proton不兼容
- 标准Proton版本缺少必要的补丁来支持这些新功能
- 特别是与位置API相关的功能存在问题,这解释了为什么添加
WINEDLLOVERRIDES="locationapi=d"环境变量可以部分解决问题
解决方案
推荐方案
-
使用GE-Proton9-23版本:
- 这是目前已知能够解决Battle.net安装和运行问题的最佳方案
- 该版本包含了针对Battle.net的特殊补丁
-
具体操作步骤:
- 在Bottles设置中导航至"Preferences > Runners > Proton"
- 找到并安装GE-Proton9-23运行环境
- 为Battle.net创建新的容器(建议不要直接修改现有容器,可能导致不稳定)
替代方案
如果不想使用GE-Proton版本,可以尝试:
- 在现有容器中修改运行环境为GE-Proton9-23
- 添加特定的环境变量:
WINEDLLOVERRIDES="locationapi=d" WINE_SIMULATE_WRITECOPY=1 - 确保所有必要的依赖项已正确安装
技术细节
关键补丁说明
GE-Proton9-23版本中包含的几个关键改进:
- 对Windows位置API的更好支持
- 改进了COM组件初始化过程
- 增强了对Battle.net更新机制的支持
性能考量
使用GE-Proton版本可能会带来轻微的性能开销,但对于Battle.net及其游戏来说,这种开销可以忽略不计。相比无法运行的问题,这点性能损失是可以接受的。
预防措施
为了避免将来出现类似问题,建议:
- 定期更新Bottles和运行环境
- 在安装大型游戏平台前,先查阅社区反馈
- 考虑为每个重要游戏平台创建独立的容器,便于隔离问题
结论
Battle.net在Bottles中的安装问题主要源于平台更新与Wine/Proton版本的兼容性问题。通过使用专门修补过的GE-Proton9-23版本,可以有效地解决这一问题。这提醒我们,在使用Wine类兼容层运行商业游戏平台时,保持运行环境的更新至关重要。
对于Bottles用户来说,理解如何管理和切换不同的运行环境是一项重要技能,这可以帮助解决许多类似的兼容性问题。
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
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
64
19
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
392
3.89 K
暂无简介
Dart
671
156
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
React Native鸿蒙化仓库
JavaScript
261
322
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++
661
311
🎉 (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
1.2 K
654
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