首页
/ RustDesk 源码构建实践:依赖准备、Linux 原生编译与 Docker 构建全流程

RustDesk 源码构建实践:依赖准备、Linux 原生编译与 Docker 构建全流程

2026-09-03 16:11:47作者:冯爽妲Honey

本篇基于 RustDesk 仓库的丹麦语版 README(docs/README-DA.md),完整梳理从源码构建 RustDesk 桌面版的全套流程:Sciter 动态库与 vcpkg 媒体依赖的准备方法、Ubuntu/Fedora/Arch 三大发行版的原生编译步骤,以及基于镜像缓存的 Docker 构建方式。读完后你可以独立完成 RustDesk 的调试构建、发行版适配构建与容器化构建,并能对照仓库源码理解每个构建步骤背后的依赖关系。

一、RustDesk 概览:自托管远程桌面与 GUI 双轨制

RustDesk 是一款用 Rust 编写的远程桌面软件,定位为可自托管的 TeamViewer 替代品。原文档的核心表述是:开箱即用、无需配置,数据完全由用户自己掌控;在 rendezvous/relay(会合/中继)服务上有三种选择——直接使用官方服务器、自建服务器,或者自行编写会合/中继服务器。贡献者指南见 docs/CONTRIBUTING.md

从源码结构看,RustDesk 的桌面端存在两套 GUI 实现:

  • Sciter GUI:基于 Sciter 引擎,对应 src/ui 目录下的 .tis/.html/.css 界面文件;
  • Flutter GUI:对应独立的 flutter 目录,含 Android/iOS/macOS/Windows/Linux 各平台工程。

本文档的构建指南仅针对 Sciter 版本,这也是下文所有依赖与运行步骤的适用前提。

二、依赖准备:Sciter 动态库与 vcpkg 媒体依赖

2.1 Sciter 动态库需要手动下载

桌面版本使用 Sciter 或 Flutter 做 GUI,构建指南仅覆盖 Sciter 路线。原文档明确要求"请自行获取 Sciter 动态库",按平台分别是三个产物:

平台 动态库文件名
Windows sciter.dll
Linux libsciter-gtk.so
macOS libsciter.dylib

这三个文件来自 Sciter 官方 SDK 的发布目录(bin.win/x64bin.lnx/x64bin.osx),下载后需放到可执行文件的运行时搜索路径——Linux 构建流程中会将其放入 target/debug,详见第四节。

2.2 vcpkg 媒体依赖:libvpx、libyuv、opus、aom

文档给出的"原始步骤"(Rå trin til at bygge)是:

  1. 准备好 Rust 开发环境与 C++ 构建环境;
  2. 安装 vcpkg 并正确设置环境变量 VCPKG_ROOT
  3. 安装依赖:
    • Windows:vcpkg install libvpx:x64-windows-static libyuv:x64-windows-static opus:x64-windows-static aom:x64-windows-static
    • Linux/MacOS:vcpkg install libvpx libyuv opus aom
  4. 执行 cargo run

这四组依赖正是远程桌面最核心的媒体能力栈,仓库配置可以印证这一点。根目录 vcpkg.json 声明了 libvpxlibyuvopusaom 四组依赖(均含 host 端构建依赖),并按平台条件附加了 mfx-dispatch(Intel 硬解)和 ffmpeg(启用 amf/nvcodec/qsv 等硬件编解码 feature);同时通过 overlay-ports 指向本地补丁目录 res/vcpkg,其中为 aom、ffmpeg、libvpx、libyuv、opus 等 port 提供了自定义 portfile 与修复补丁,vcpkg-configuration.baseline 固定为 9e593bb18ea69cc5095e012465dcd675a822ed0d 以保证可重复构建。

再从 Cargo.toml 看 Rust 侧的对应关系:scrap(屏幕采集,启用 wayland feature)与 hbb_common 以本地路径依赖引入,magnum-opuskcp-syscpal(音频采集,Linux 上按 discussions 结论被排除)等以 git 依赖引入——vcpkg 提供的 C 库与这些 Rust crate 共同构成了"采集 → 编码(libvpx/aom)→ 音频(opus)→ 传输(KCP/TCP)"的完整链路。

三、最简构建路径

若系统依赖已就绪,文档给出的最小步骤就是上面第二节末尾的 cargo run 一条命令:准备 Rust 与 C++ 环境、安装并设置 VCPKG_ROOT、装好四组 vcpkg 依赖后即可直接运行。这是适合快速验证环境的"冒烟"路径;下面两节分别给出 Linux 原生构建与 Docker 构建的完整细节。

四、Linux 原生构建完整流程

4.1 各发行版系统依赖

Ubuntu 18 / Debian 10

sudo apt install -y g++ gcc git curl wget nasm yasm libgtk-3-dev clang libxcb-randr0-dev libxdo-dev libxfixes-dev libxcb-shape0-dev libxcb-xfixes0-dev libasound2-dev libpulse-dev cmake

Fedora 28 / CentOS 8

sudo yum -y install gcc-c++ git curl wget nasm yasm gcc gtk3-devel clang libxcb-devel libxdo-devel libXfixes-devel pulseaudio-libs-devel cmake alsa-lib-devel

Arch / Manjaro

sudo pacman -Syu --needed unzip git cmake gcc curl wget yasm nasm zip make pkg-config clang gtk3 xdotool libxcb libxfixes alsa-lib pipewire

从包列表可以读出各依赖的用途:libgtk-3-dev 对应 Sciter 的 GTK 后端(libsciter-gtk.so);libxcb-*-dev 系列是 X11 屏幕采集所需的 XCB 扩展;libxdo-dev/xdotool 对应键鼠输入注入(libs/enigo 的 Linux 实现依赖 libxdo);libasound2-dev/libpulse-dev 是 ALSA 与 PulseAudio 音频栈;nasm/yasm 则用于 libvpx 等汇编代码的编译。

4.2 安装 vcpkg 并固定版本

git clone https://github.com/microsoft/vcpkg
cd vcpkg
git checkout 2023.04.15
cd ..
vcpkg/bootstrap-vcpkg.sh
export VCPKG_ROOT=$HOME/vcpkg
vcpkg/vcpkg install libvpx libyuv opus aom

注意 git checkout 2023.04.15 这一步:vcpkg 是滚动仓库,固定到特定 release tag 才能保证依赖构建的可复现性。仓库的 Dockerfile 中也执行了相同的固定操作(git clone --branch 2023.04.15 --depth=1),两条构建路线在此保持一致。

4.3 Fedora 的 libvpx 修正(-fPIC)

文档为 Fedora 单独提供了一段手动修正流程:

cd vcpkg/buildtrees/libvpx/src
cd *
./configure
sed -i 's/CFLAGS+=-I/CFLAGS+=-fPIC -I/g' Makefile
sed -i 's/CXXFLAGS+=-I/CXXFLAGS+=-fPIC -I/g' Makefile
make
cp libvpx.a $HOME/vcpkg/installed/x64-linux/lib/
cd

原理是 Fedora 的 GCC 对链接进共享库/可执行文件的静态目标代码要求强制 -fPIC,而 vcpkg 构建 libvpx 时生成的 Makefile 默认未加该标志,链接阶段会报 relocation 错误。这段命令进入 vcpkg 已展开的 libvpx 源码树,用 sedCFLAGS/CXXFLAGS 注入 -fPIC 后手动重编,再把 libvpx.a 拷回安装目录替换。这是典型的"发行版工具链差异 vs 静态依赖"问题,在 Arch/Ubuntu 上通常不会触发。

4.4 编译与运行

curl --proto '=https' --tlsv1.2 -sSf https://sh.rustup.rs | sh
source $HOME/.cargo/env
git clone https://github.com/rustdesk/rustdesk
cd rustdesk
mkdir -p target/debug
wget https://raw.githubusercontent.com/c-smile/sciter-sdk/master/bin.lnx/x64/libsciter-gtk.so
mv libsciter-gtk.so target/debug
cargo run

几个关键细节:

  • mkdir -p target/debug + 把 libsciter-gtk.so 移入其中:RustDesk 运行时从可执行文件所在目录加载 Sciter 动态库,因此动态库必须与 target/debug/rustdesk 同目录;
  • 仓库的 libs/hbb_common 是一个 git 子模块(见 .gitmodules,指向 rustdesk 组织下的 hbb_common 仓库),首次 clone 建议带上子模块参数,否则本地路径依赖会指向空目录导致编译失败;
  • cargo run 默认产出 debug 构建,适合开发调试。

五、Docker 构建流程

Docker 路线把整套 Linux 构建环境固化进镜像,避免在宿主机折腾依赖。仓库根目录的 Dockerfile 基于 debian:bullseye-slim,安装的系统包与 4.1 节 Ubuntu 包列表同源(另加 libssl-dev、gstreamer、ninja-build 等),并同样固定 vcpkg 到 2023.04.15、安装 libvpx libyuv opus aom,最后预下载 libsciter-gtk.so 并安装 Rust 工具链。

第一步:构建构建器镜像

git clone https://github.com/rustdesk/rustdesk
cd rustdesk
docker build -t "rustdesk-builder" .

第二步:挂载仓库执行构建

docker run --rm -it -v $PWD:/home/user/rustdesk -v rustdesk-git-cache:/home/user/.cargo/git -v rustdesk-registry-cache:/home/user/.cargo/registry -e PUID="$(id -u)" -e PGID="$(id -g)" rustdesk-builder

这条命令的每个挂载与环境变量都有明确目的:

  • -v $PWD:/home/user/rustdesk:把宿主机仓库目录映射进容器,构建产物直接落回宿主机;
  • -v rustdesk-git-cache:...-v rustdesk-registry-cache:...:将 Cargo 的 git 依赖与 crate registry 缓存持久化到命名卷——文档特别提示首次构建较慢,依赖缓存之后会显著加快
  • -e PUID/-e PGID:传入宿主机当前用户的 uid/gid,避免容器内构建产生的 target/ 文件属主与宿主用户不一致。

可选参数与产物位置:文档说明可以在命令末尾追加可选参数(<VALGFRI-ARGS> 位置)来透传给构建命令,例如追加大写 --release 构建优化版本。构建完成后:

target/debug/rustdesk

或发布版:

target/release/rustdesk

这些源码可以直接印证可选参数的处理逻辑:entrypoint.sh 是一个参数解析脚本,循环识别 --release(置位 release 标志)与 --target(动态 rustup target add),其余参数原样透传;它还会把预下载的 libsciter-gtk.so 复制到 target/debugtarget/release,最后以 VCPKG_ROOT=/vcpkg cargo build --locked $argv 收尾——--locked 保证严格按 Cargo.lock 解析依赖。

文档同时给出两条重要限制,务必注意:

  1. 必须从仓库根目录运行可执行文件,否则程序可能找不到所需资源;
  2. cargo installcargo run 等子命令不受此容器化方式支持——它们会在容器内部执行/安装,而不是落到宿主机上。

六、构建产物对应的源码结构(Filstruktur)

原文档的"Filstruktur"一节列出了八个核心模块,结合当前仓库逐一核实如下:

模块 文档描述 仓库现状
libs/hbb_common 视频编解码、配置、tcp/udp 封装、protobuf、文件传输的 fs 功能及其他辅助 确认为 git 子模块(见 .gitmodules
libs/scrap 屏幕采集 libs/scrap/src/common 下按平台组织:dxgi.rs/quartz(Windows/macOS)、x11/wayland/linux.rs(Linux),另有 vpx.rsaom.rshwcodec.rs 等编解码后端,与 vcpkg 依赖一一对应
libs/enigo 平台相关键鼠控制 linux/nix_impl.rslinux/xdo.rsmacos/macos_impl.rswin/win_impl.rs 等平台实现
src/ui GUI Sciter 界面文件(cm.tisremote.tis*.css 等)
src/server 音频/剪贴板/输入/视频服务与网络连接 可看到 audio_service.rsclipboard_service.rsinput_service.rsdisplay_service.rsvideo_service.rs 等文件,与文档描述逐一对应
src/client.rs 发起 peer 连接 已确认存在
src/rendezvous_mediator.rs 与会合/中继服务器通信,等待 TCP 打洞直连或中继连接 已确认存在
src/platform 文档标注为"Flutter Web 客户端的 JavaScript" 从当前源码结构看,该目录实际存放的是原生平台代码(macos.mmwindows.cclinux.rsprivileges_scripts 等),而 Flutter Web 客户端的 JS/桥接代码位于 flutter/lib/web 目录

最后一行体现了文档随项目演进的滞后:建议以当前目录实际内容为准,把 src/platform 理解为"原生平台适配层"。

七、构建前自检清单

综合全文,开始构建 RustDesk 之前可按以下清单核对:

  1. 环境:Rust 工具链(rustup)与 C++ 编译器均已就绪;
  2. vcpkgVCPKG_ROOT 已正确导出,且已执行 vcpkg install libvpx libyuv opus aom(Windows 使用 x64-windows-static triplet);建议 vcpkg 固定到 2023.04.15 以对齐 Dockerfile;
  3. Sciter:对应平台的动态库(sciter.dll / libsciter-gtk.so / libsciter.dylib)已下载,Linux 下已放入 target/debug
  4. 子模块libs/hbb_common 子模块已拉取(.gitmodules);
  5. 发行版差异:Fedora 用户留意 libvpx 的 -fPIC 修正步骤;
  6. Docker 路线:命名卷缓存已创建(首次构建较慢属正常现象),构建命令末尾可追加 --release 等可选参数,但 cargo install/cargo run 子命令不可用于容器方式。

原文档末尾还附有 4 张官方界面截图(登录/连接/文件传输等场景),本文依图片使用规范未予嵌入,可查阅 docs/README-DA.md 原文获取。

登录后查看全文
热门项目推荐
相关项目推荐

项目优选

收起
kernelkernel
deepin linux kernel
C
33
18
ops-transformerops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
1.12 K
2.72 K
kernelkernel
openEuler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。
C
528
588
ops-nnops-nn
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
906
1.82 K
pytorchpytorch
作为 Ascend for PyTorch 社区的核心组件,TorchNPU 是昇腾专为 PyTorch 打造的深度学习适配插件,使 PyTorch 框架能够直接调用昇腾 NPU,为开发者提供昇腾 AI 处理器的超强算力。
Python
854
1.34 K
docsdocs
暂无描述
Markdown
891
5.78 K
jiuwenswarmjiuwenswarm
JiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。
Python
3.53 K
1.01 K
ops-mathops-math
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++
1.34 K
1.45 K
cann-learning-hubcann-learning-hub
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
987
504
AscendNPU-IRAscendNPU-IR
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
540
384