Google Benchmark项目中禁用benchmark_main目标的CMake配置优化
2025-05-27 03:59:11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
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
222
238
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
暂无简介
Dart
671
156
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++
661
312
React Native鸿蒙化仓库
JavaScript
261
322
🔥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
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
859
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217