Code-Server项目在RISC-V架构上的移植实践
随着RISC-V架构的快速发展,越来越多的开源项目开始支持这一新兴的处理器架构。本文将详细介绍如何将Code-Server项目成功移植到RISC-V 64位架构上的技术实践过程。
Code-Server作为一款基于VS Code的远程开发工具,其跨平台特性使其成为开发者喜爱的工具之一。在Debian 13(代号trixie)即将正式支持RISC-V架构的背景下,为Code-Server添加RISC-V支持具有重要的实践意义。
构建环境准备
在RISC-V机器上构建Code-Server需要准备特定的构建环境。我们选择了Debian unstable(sid)作为基础系统,并安装了必要的构建工具链:
- 基础开发工具:build-essential、git、git-lfs等
- Node.js相关工具:npm、yarn
- Python环境:python3-dev、python3-pip等
- 其他依赖:libkrb5-dev、libsecret-1-dev等
特别需要注意的是,由于Playwright/chromium和Electron尚未提供RISC-V支持,必须设置以下环境变量来跳过相关组件的下载:
export ELECTRON_SKIP_BINARY_DOWNLOAD=1
export PLAYWRIGHT_SKIP_BROWSER_DOWNLOAD=1
构建过程详解
完整的构建过程包括以下几个关键步骤:
- 克隆Code-Server源代码及其子模块
- 应用必要的补丁文件
- 安装项目依赖(yarn install)
- 构建主程序(yarn build)
- 构建VS Code组件(yarn build:vscode)
- 生成发布包(yarn release)
其中,构建VS Code组件的过程最为耗时,在测试环境中耗时约6小时30分钟。这主要是因为VS Code代码库庞大且包含大量TypeScript代码需要编译。
兼容性挑战与解决方案
在移植过程中,我们遇到了几个关键的兼容性问题:
-
动态链接库依赖:最初构建的二进制文件依赖libnode.so.115,这在目标系统上不可用。通过改用静态链接方式解决了这一问题。
-
C++ ABI兼容性:不同Linux发行版的libstdc++.so.6提供的CXXABI版本存在差异。我们通过使用较旧的Ubuntu 20.04作为构建基础系统(提供CXXABI 1.3.12)来提高兼容性。
-
运行时依赖:发现需要额外安装libatomic1库才能正常运行。
功能验证
经过多次构建优化后,Code-Server在RISC-V平台上已能提供完整的功能体验:
- 代码编辑功能完整可用
- 扩展管理功能正常
- 调试功能工作正常(包括断点设置、变量查看等)
需要注意的是,并非所有依赖原生二进制文件的扩展都能在RISC-V架构上运行,这与扩展本身的架构支持情况有关。
未来展望
随着RISC-V生态的不断完善,预计未来将会有更多工具链和依赖库提供官方支持。特别是当Node.js提供官方的RISC-V构建版本后,Code-Server在RISC-V上的构建和运行体验将得到进一步提升。
对于开发者而言,现在就可以在RISC-V设备上体验Code-Server的开发环境,为即将到来的RISC-V应用开发浪潮做好准备。这一移植实践不仅为Code-Server项目增加了新的架构支持,也为其他希望在RISC-V平台上运行的复杂JavaScript项目提供了有价值的参考。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00