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
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C098
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python058
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00
最新内容推荐
探索未来显示技术:Adafruit_SH1106 图形库 推荐使用 taggingJS:一款轻量级的前端标签插件!【亲测免费】 探索像素级完美的结构化运动:PixSFM 推荐开源项目:DropPoint - 让拖放操作更简单【亲测免费】 推荐开源项目:picocom——小巧而强大的串口通信工具 推荐使用:NATS .NET 客户端【亲测免费】 推荐开源项目:MiracleCast - 智能无线显示实现 探索安全新维度:backdoor-apk 动态后门注入工具 探秘Viasfora:Visual Studio 2022的文本编辑增强利器 推荐使用:go-reuseport - 实现高效端口复用的Go语言库
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
477
3.56 K
React Native鸿蒙化仓库
JavaScript
287
340
暂无简介
Dart
728
175
Ascend Extension for PyTorch
Python
287
320
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++
849
446
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
233
98
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
10
1
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
450
180
🎉 (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
1.28 K
704