86Box项目在Termux环境下的构建问题分析与解决方案
2025-06-25 11:30:49作者:牧宁李
问题背景
86Box是一款开源的IBM PC模拟器,支持模拟多种经典计算机硬件配置。近期有开发者在Android Termux环境下尝试构建86Box时遇到了链接阶段的符号重复定义问题。本文将详细分析该问题的成因,并提供完整的解决方案。
问题现象
在Termux环境下构建86Box时,链接器报告了多个线程相关函数的重复定义错误。具体表现为:
- 线程创建函数(thread_create_named)重复定义
- 线程等待函数(thread_wait)重复定义
- 事件相关函数(thread_create_event等)重复定义
- 互斥量相关函数(thread_create_mutex等)重复定义
这些错误导致构建过程失败,无法生成可执行文件。
问题分析
通过分析构建日志和源代码,可以确定问题根源在于:
-
86Box项目提供了两套线程实现:
- 基于C++11标准库的实现(src/thread.cpp)
- 基于Unix系统调用的实现(unix/unix_thread.c)
-
在Unix/Linux环境下,这两套实现同时被编译并链接到最终的可执行文件中,导致符号冲突。
-
特别是当构建系统未正确配置CPPTHREADS选项时,系统会同时编译这两套实现。
解决方案
方法一:禁用C++11线程实现
最直接的解决方案是明确禁用C++11线程实现,强制使用Unix系统调用实现:
cmake -D CPPTHREADS=OFF ..
这种方法简单有效,适合大多数Unix-like系统,包括Termux环境。
方法二:源代码条件编译
对于需要保留C++11实现的特殊情况,可以通过修改源代码添加条件编译指令:
// 在src/thread.cpp文件开头添加
#if !defined(__unix__)
// C++11线程实现代码
#endif
这种方法更加灵活,但需要维护额外的条件编译代码。
构建建议
对于Termux环境下的86Box构建,推荐以下最佳实践:
-
确保构建环境完整:
pkg install git cmake make gcc -
明确指定构建选项:
cmake -D CPPTHREADS=OFF -D FLUIDSYNTH=OFF .. -
对于资源受限的移动设备,建议禁用动态重编译:
cmake -D CPU_DYNAREC=OFF ..
验证结果
应用上述解决方案后,86Box应能在Termux环境下成功构建并运行。测试时可以使用以下基本配置:
[Machine]
machine = ibmpc
cpu_family = 8088
mem_size = 64
[Video]
gfxcard = mda
这种配置对系统资源需求较低,适合在移动设备上测试基本功能。
总结
86Box在非标准Unix环境(如Termux)下的构建问题主要源于线程实现的冲突。通过合理配置构建选项或修改源代码,可以解决符号重复定义的问题。本文提供的解决方案已在Android 11+Cortex-A55平台上验证通过,开发者可根据实际需求选择适合的方法。
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
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 开源电子设计自动化利器:KiCad EDA全方位使用指南 Jetson TX2开发板官方资源完全指南:从入门到精通 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 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 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Python案例资源下载 - 从入门到精通的完整项目代码合集 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 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
246
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++
663
313
React Native鸿蒙化仓库
JavaScript
262
324
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
🎉 (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
655
🔥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
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218
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
330
137