在Linux aarch64架构上构建scrcpy的技术探索
2025-04-28 15:31:36作者:盛欣凯Ernestine
scrcpy作为一款优秀的Android设备投屏工具,其跨平台特性深受开发者喜爱。然而在Linux aarch64架构(如树莓派)上的支持一直是个技术挑战。本文将深入探讨这一技术问题的解决方案。
架构兼容性问题
scrcpy项目原本主要针对x86架构的Linux系统进行构建和发布。随着ARM架构处理器在嵌入式设备和单板计算机上的普及,用户对aarch64版本的需求日益增长。虽然macOS平台已有aarch64版本,但Linux平台上的支持尚不完善。
构建流程分析
通过分析scrcpy的构建流程,我们发现主要障碍在于GitHub Actions的构建配置。项目使用GitHub Actions作为CI/CD工具,但默认配置中缺少对aarch64架构Linux系统的支持。构建流程主要包括以下关键步骤:
- 依赖项构建(SDL、FFmpeg、libusb等)
- 主程序编译
- 打包发布
解决方案实现
针对这一问题,我们通过修改GitHub Actions工作流文件,添加了针对ubuntu-22.04-arm运行器的支持。具体修改包括:
- 在构建矩阵中添加aarch64架构配置
- 调整构建脚本以适应ARM架构
- 确保交叉编译环境正确设置
ADB工具的特殊处理
在实现过程中,我们发现了一个关键问题:Google官方未提供Linux ARM架构的预编译ADB工具。这导致构建过程中打包的ADB二进制文件不兼容。临时解决方案包括:
- 使用系统已安装的ADB工具(如通过apt安装的版本)
- 创建符号链接指向系统ADB
- 考虑未来实现ADB的自编译流程
性能优化建议
针对ARM架构设备的性能特点,我们建议在使用scrcpy时考虑以下优化参数:
- 降低分辨率(如使用
-m 1024参数) - 简化编码配置(如
--video-codec-options=profile=1) - 根据设备性能调整帧率和比特率
未来展望
虽然目前通过修改构建脚本实现了基本功能,但完整的解决方案还需要:
- 实现ADB工具的自编译流程
- 优化ARM架构下的编解码性能
- 完善自动化测试流程
这一探索为scrcpy在嵌入式设备和单板计算机上的应用开辟了新的可能性,也为其他开源项目的多架构支持提供了参考方案。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-7BSpark-Prover-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-7BSpark-Formalizer-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
最新内容推荐
SteamVR 1.2.3 Unity插件:兼容Unity 2019及更低版本的VR开发终极解决方案 ZLIB 1.3 静态库 Windows x64 版本:高效数据压缩解决方案完全指南 2023年最新HTMLCSSJS组件库:提升前端开发效率的必备资源 Qt控件CSS样式实例大全 - 打造现代化GUI界面的终极指南 Adobe Acrobat XI Pro PDF拼版插件:提升排版效率的专业利器 Photoshop作业资源文件下载指南:全面提升设计学习效率的必备素材库 32位ECC纠错Verilog代码:提升FPGA系统可靠性的关键技术方案 STDF-View解析查看软件:半导体测试数据分析的终极工具指南 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 海康威视DS-7800N-K1固件升级包全面解析:提升安防设备性能的关键资源
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
305
2.68 K
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
136
163
React Native鸿蒙化仓库
JavaScript
233
309
暂无简介
Dart
596
130
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++
630
227
仓颉编译器源码及 cjdb 调试工具。
C++
123
642
🎉 (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
1.06 K
614
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
195
71
仓颉编程语言测试用例。
Cangjie
36
642