Sharpmake 0.74.0版本发布:XCode增强与Fastbuild并发优化
项目简介
Sharpmake是Ubisoft开发的一款高效构建系统生成工具,它能够帮助开发者快速生成跨平台的构建文件(如Visual Studio解决方案、XCode项目等)。作为一个元构建系统,Sharpmake通过C#脚本定义项目结构和构建规则,极大简化了复杂项目的构建配置工作。
0.74.0版本核心更新
XCode构建选项增强
本次版本对XCode生成器进行了重要改进,主要涉及两个方面的优化:
-
暴露额外的strip选项:现在开发者可以更精细地控制XCode构建过程中的strip行为。strip是指移除可执行文件中不必要的信息(如调试符号)以减小文件大小的过程。
-
默认值逻辑优化:修正了Testability和StripLinkedProduct参数的默认值设置,使其更加合理。Testability选项控制是否生成可测试的代码,而StripLinkedProduct决定是否在链接时剥离符号。新的默认值将更符合大多数开发场景的需求。
Fastbuild并发组支持
Fastbuild是Ubisoft开发的高效分布式构建系统,本次更新为其添加了重要的并发组(Concurrency Groups)功能:
-
并发组概念:允许将构建任务分组,每组可以独立控制并发度。这对于资源受限的环境特别有用,例如可以限制某些资源密集型任务的并发数量,避免系统过载。
-
实际应用场景:当项目中有大量需要GPU加速的着色器编译任务时,可以将它们放入单独的并发组,限制并发数量以避免GPU资源耗尽。
.NET 9支持
随着微软.NET生态的持续演进,Sharpmake 0.74.0版本新增了对.NET 9的支持:
-
前瞻性兼容:虽然.NET 9尚未正式发布,但Sharpmake已提前做好准备,确保开发者能在新版本发布后立即使用。
-
构建工具链更新:支持最新的C#语言特性和编译工具链,为开发者提供更现代的构建体验。
Fastbuild输入文件根路径配置
新增了CompilerInputFilesRoot配置项,通过Config.FastBuildInputFilesRootPath设置:
-
路径规范化:允许开发者指定Fastbuild输入文件的根路径,通常可以设置为项目的源代码根目录(
SourceRootPath)。 -
构建可靠性提升:明确的根路径设置可以减少因路径问题导致的构建失败,特别是在分布式构建环境中。
技术价值分析
本次更新体现了Sharpmake在以下几个方面的持续进步:
-
平台支持深化:通过增强XCode生成器,Sharpmake进一步巩固了其在跨平台开发领域的地位,为macOS/iOS开发者提供了更专业的构建体验。
-
构建性能优化:Fastbuild并发组的引入使得大规模项目的构建资源分配更加智能,能够根据任务特性灵活调整并发策略,显著提升构建效率。
-
生态前瞻性:提前支持.NET 9展示了Sharpmake团队对技术趋势的敏锐把握,确保开发者能够无缝过渡到新的技术栈。
-
配置灵活性:新增的路径配置选项为复杂项目结构提供了更多定制空间,使Sharpmake能够适应更多样化的项目需求。
升级建议
对于现有用户,建议在测试环境中评估0.74.0版本后再进行生产环境部署,特别注意:
-
检查XCode构建配置中是否有自定义的strip设置,可能需要根据新的默认值逻辑进行调整。
-
对于使用Fastbuild的大型项目,可以尝试使用并发组功能优化构建性能,特别是当项目包含多种资源需求差异较大的构建任务时。
-
计划迁移到.NET 9的项目可以开始使用新版本进行兼容性测试。
Sharpmake持续为游戏开发和大型软件项目提供强大的构建支持,0.74.0版本的这些改进进一步强化了其在复杂构建场景下的表现力与控制力。
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。C030
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