在Fedora系统上构建Apollo项目的技术要点解析
2025-06-26 19:12:41作者:庞眉杨Will
项目背景与构建挑战
Apollo是一个开源的流媒体服务器项目,基于Moonlight协议实现,允许用户通过网络将游戏从主机流式传输到其他设备。该项目在Linux平台上的构建过程涉及多个依赖项和复杂的配置,特别是在Fedora系统上可能会遇到一些特有的挑战。
关键构建问题分析
子模块初始化问题
构建过程中最常见的错误之一是未能正确初始化Git子模块。Apollo项目依赖多个第三方库作为子模块,包括:
- moonlight-common-c/enet
- Simple-Web-Server
- libdisplaydevice
这些子模块必须通过git clone --recursive-submodules命令完整获取,否则会导致CMake配置阶段失败,提示找不到相关目录或CMakeLists.txt文件。
Boost库依赖处理
项目对Boost库有特定版本要求(至少1.86.x)。当系统未安装合适版本的Boost时,CMake会尝试通过FetchContent机制自动下载并构建所需版本。这一过程会自动包含以下Boost组件:
- filesystem
- locale
- log
- program_options
- system
- asio
- crc
- format
- process
- property_tree
FFmpeg预编译二进制文件
Apollo构建系统期望在特定路径找到FFmpeg预编译二进制文件。如果不存在,建议用户考虑为相关构建依赖仓库贡献预编译文件,或者通过FFMPEG_PREPARED_BINARIES选项指定系统安装的FFmpeg库路径。
构建流程优化建议
测试构建的特殊处理
项目测试代码目前存在兼容性问题,特别是:
- 在process.cpp中,跨平台的前台任务控制代码(fg.disable())未正确处理非Windows平台的情况
- HTTP配对测试中的类型不匹配问题
建议在构建时禁用测试,使用以下CMake参数:
-DBUILD_TESTS=false -DBUILD_DOCS=false
构建脚本改进
针对Fedora系统的构建脚本(linux_build.sh)需要注意:
- 避免在脚本中执行
source ~/.bashrc,这可能导致脚本意外终止 - 为AMD用户添加
--skip-cuda选项支持,自动禁用CUDA相关构建 - 正确处理SVG资源文件的安装路径问题
完整构建流程
经过问题修复后的推荐构建步骤如下:
- 克隆仓库并初始化子模块:
git clone --recursive-submodules https://github.com/ClassicOldSong/Apollo.git
cd Apollo
- 配置构建环境:
cmake -B=build -S=. \
-DBUILD_WERROR=ON \
-DCMAKE_BUILD_TYPE=Release \
-DCMAKE_INSTALL_PREFIX=/usr \
-DSUNSHINE_ASSETS_DIR=share/sunshine \
-DSUNSHINE_EXECUTABLE_PATH=/usr/bin/sunshine \
-DSUNSHINE_ENABLE_WAYLAND=ON \
-DSUNSHINE_ENABLE_X11=ON \
-DSUNSHINE_ENABLE_DRM=ON \
-DBUILD_TESTS=false \
-DBUILD_DOCS=false
- 编译并安装:
cd build
make -j$(nproc)
sudo make install
总结
在Fedora系统上构建Apollo项目需要注意子模块初始化、依赖库版本匹配以及测试代码的特殊处理。通过合理配置CMake参数和修正构建脚本中的问题,可以顺利完成项目的编译和安装。对于开发者而言,理解这些构建细节有助于快速定位和解决类似项目中的构建问题。
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
最新内容推荐
TextAnimator for Unity:打造专业级文字动画效果的终极解决方案 Python开发者的macOS终极指南:VSCode安装配置全攻略 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 STM32到GD32项目移植完全指南:从兼容性到实战技巧 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 VSdebugChkMatch.exe:专业PDB签名匹配工具全面解析与使用指南 PANTONE潘通AI色板库:设计师必备的色彩管理利器 Python案例资源下载 - 从入门到精通的完整项目代码合集 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 CrystalIndex资源文件管理系统:高效索引与文件管理的最佳实践指南
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
412
3.17 K
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++
664
324
Ascend Extension for PyTorch
Python
227
255
暂无简介
Dart
678
160
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (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
1.21 K
660
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
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
492
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
342
146