Wasmer项目创建可执行文件时遇到GitHub API多版本选择问题分析
2025-05-11 21:55:28作者:冯爽妲Honey
Wasmer是一个流行的WebAssembly运行时,允许开发者在各种平台上运行WebAssembly模块。近期,一些用户在使用wasmer create-exe命令创建可执行文件时遇到了一个与GitHub API相关的错误,提示"more that one release selected for target"。
问题现象
用户在macOS和Linux系统上执行以下命令时遇到了问题:
wasmer create-exe -o index.exe index.wasm
错误信息表明系统无法确定应该下载哪个版本的发布包,因为GitHub API返回了多个匹配的发布文件。具体表现为:
- 在aarch64-apple-darwin(苹果M系列芯片)平台上,系统找到了多个arm64架构的发布包
- 在x86_64-unknown-linux-gnu(Linux系统)平台上,同样发现了多个amd64架构的发布包
问题根源
经过Wasmer开发团队的分析,这个问题源于项目近期新增了对多种WebAssembly引擎的支持,包括:
- 标准引擎(vanilla)
- wasmi引擎
- wamr引擎
- v8引擎
由于技术架构的限制,Wasmer无法将所有引擎打包到同一个二进制文件中,因此每个版本发布时,会为每个平台生成多个不同的发布包:
- wasmer-darwin-arm64.tar.gz
- wasmer-v8-darwin-arm64.tar.gz
- wasmer-wamr-darwin-arm64.tar.gz
- wasmer-wasmi-darwin-arm64.tar.gz
当create-exe命令尝试自动下载运行时组件时,GitHub API会返回所有这些变体,导致选择逻辑无法确定应该使用哪一个。
临时解决方案
目前,用户可以采用以下临时解决方案:
- 手动从GitHub发布页面下载对应平台的tarball
- 使用
--tarball参数指定下载的文件路径
例如:
wasmer create-exe --tarball ./wasmer-darwin-arm64.tar.gz -o index.exe index.wasm
长期解决方案
Wasmer团队已经开发了以下改进方案:
- 重构代码库,使所有引擎能够共存于单个二进制文件中
- 改进发布流程,确保每个平台只有一个明确的发布包
这些改进将在即将发布的5.1版本中提供。目前,团队已经发布了5.0.5-rc1候选版本,包含了对这个问题的初步修复。
技术背景
WebAssembly的多引擎支持是一个复杂的技术挑战。不同的引擎有不同的特点和优势:
- 标准引擎:平衡性能和兼容性
- wasmi:注重安全性和确定性
- wamr:针对嵌入式系统优化
- v8:基于Chromium的V8引擎,提供最佳性能
Wasmer团队选择提供多引擎支持是为了满足不同场景的需求,但这暂时导致了发布流程的复杂性增加。未来的统一二进制方案将简化用户体验,同时保留多引擎的技术优势。
用户建议
对于遇到此问题的用户,建议:
- 关注Wasmer的版本更新,及时升级到修复版本
- 如果急需使用,采用手动下载指定tarball的临时方案
- 了解不同引擎的特性,根据实际需求选择合适的引擎变体
Wasmer团队表示会继续优化发布流程和用户体验,确保WebAssembly运行时能够无缝地在各种环境中部署和运行。
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
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