Google Benchmark项目中禁用benchmark_main目标的CMake配置优化
2025-05-27 17:37:44作者:殷蕙予
在Google Benchmark项目中,开发者有时会遇到需要自定义主函数(main)的情况,比如需要初始化MPI环境或配置GPU后端等。这种情况下,项目默认编译的benchmark_main目标就显得多余,不仅增加了编译时间,还浪费了系统资源。
默认编译行为的问题
Google Benchmark的CMake配置默认会编译两个主要目标:
- benchmark::benchmark - 核心功能库
- benchmark::benchmark_main - 包含默认主函数的辅助库
对于需要自定义主函数的项目来说,benchmark_main目标实际上是不必要的。但默认情况下,无论是否需要,CMake都会编译这个目标。
解决方案:EXCLUDE_FROM_ALL选项
CMake提供了一个优雅的解决方案——EXCLUDE_FROM_ALL选项。当以子项目形式包含Google Benchmark时,可以使用以下配置:
add_subdirectory(${GOOGLETEST_SOURCE_DIR}
${GOOGLETEST_BINARY_DIR}
EXCLUDE_FROM_ALL)
这个选项的作用是告诉CMake只编译那些被其他目标显式依赖的组件。由于自定义主函数的项目只会直接依赖benchmark::benchmark目标,而不会使用benchmark_main,因此后者将不会被编译。
性能考量
虽然benchmark_main的编译开销相对较小,但在大型项目或持续集成环境中,每个不必要的编译单元都会累积成显著的资源浪费。特别是在以下场景中,优化编译配置尤为重要:
- 跨平台编译环境
- 资源受限的构建服务器
- 需要频繁重新构建的开发流程
最佳实践建议
对于使用Google Benchmark的项目,建议根据实际需求选择合适的包含方式:
- 需要默认主函数:使用常规的add_subdirectory包含方式
- 需要自定义主函数:使用EXCLUDE_FROM_ALL选项优化编译
- 作为独立包使用:由于benchmark_main的编译开销很小,可以接受默认行为
这种灵活的配置方式既保持了向后兼容性,又为有特殊需求的用户提供了优化编译的途径,体现了CMake配置的良好设计理念。
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。C037
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
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C00
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
agent-studioopenJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力TSX0115
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
26
10
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
433
3.29 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++
689
352
Ascend Extension for PyTorch
Python
237
271
暂无简介
Dart
690
162
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
仓颉编程语言运行时与标准库。
Cangjie
143
881
React Native鸿蒙化仓库
JavaScript
266
327
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
211
115
仓颉编译器源码及 cjdb 调试工具。
C++
138
869