Redis++项目中使用CMake集成Hiredis的实践指南
2025-07-08 10:36:03作者:秋阔奎Evelyn
问题背景
在构建基于Redis++的项目时,开发者经常需要通过CMake将Hiredis作为依赖项集成进来。当采用非标准安装路径时,可能会遇到CMake无法正确找到Hiredis库的问题,导致构建失败。
典型错误场景
开发者在使用ExternalProject_Add构建Hiredis和Redis++时,即使正确设置了CMAKE_PREFIX_PATH,Redis++仍然报告找不到Hiredis库和头文件。错误信息通常表现为:
- HIREDIS_LIB变量被设置为NOTFOUND
- HIREDIS_HEADER变量被设置为NOTFOUND
- 构建过程中出现相对路径错误
解决方案分析
1. 构建顺序控制
确保Hiredis的构建在Redis++之前完成。在CMake中,可以通过DEPENDS参数明确指定构建依赖关系:
ExternalProject_Add(redis-plus-plus
DEPENDS hiredis
...
)
2. 路径设置优化
除了CMAKE_PREFIX_PATH外,还需要确保以下路径设置正确:
- 头文件搜索路径:通过CMAKE_INCLUDE_PATH指定
- 库文件搜索路径:通过CMAKE_LIBRARY_PATH指定
3. 变量传递机制
ExternalProject_Add创建的构建环境是隔离的,普通变量不会自动传递。需要使用特定的CMake参数传递机制:
ExternalProject_Add(redis-plus-plus
CMAKE_ARGS
-DHIREDIS_LIB=${HIREDIS_LIB}
-DHIREDIS_HEADER=${HIREDIS_HEADER}
...
)
完整解决方案示例
# 设置外部依赖安装路径
set(EXTERNAL_INSTALL_LOCATION ${CMAKE_BINARY_DIR}/external)
# 构建Hiredis
ExternalProject_Add(hiredis
PREFIX ${EXTERNAL_INSTALL_LOCATION}/hiredis
SOURCE_DIR ${CMAKE_SOURCE_DIR}/vendor/hiredis
CMAKE_ARGS
-DCMAKE_INSTALL_PREFIX=${EXTERNAL_INSTALL_LOCATION}/hiredis
-DBUILD_SHARED_LIBS=OFF
-DCMAKE_TOOLCHAIN_FILE=${CMAKE_TOOLCHAIN_FILE}
BUILD_ALWAYS TRUE
BUILD_IN_SOURCE FALSE
)
# 设置Hiredis路径变量
set(HIREDIS_HEADER ${EXTERNAL_INSTALL_LOCATION}/hiredis/include)
set(HIREDIS_LIB ${EXTERNAL_INSTALL_LOCATION}/hiredis/lib/libhiredis.a)
# 构建Redis++
ExternalProject_Add(redis-plus-plus
DEPENDS hiredis
PREFIX ${EXTERNAL_INSTALL_LOCATION}/redis-plus-plus
SOURCE_DIR ${CMAKE_SOURCE_DIR}/vendor/redis-plus-plus
CMAKE_ARGS
-DCMAKE_INSTALL_PREFIX=${EXTERNAL_INSTALL_LOCATION}/redis-plus-plus
-DCMAKE_TOOLCHAIN_FILE=${CMAKE_TOOLCHAIN_FILE}
-DCMAKE_PREFIX_PATH=${EXTERNAL_INSTALL_LOCATION}/hiredis
-DHIREDIS_LIB=${HIREDIS_LIB}
-DHIREDIS_HEADER=${HIREDIS_HEADER}
-DREDIS_PLUS_PLUS_BUILD_TEST=OFF
BUILD_ALWAYS TRUE
BUILD_IN_SOURCE FALSE
)
最佳实践建议
- 路径验证:在构建前使用message()命令输出关键路径变量,确认路径设置正确
- 构建顺序:明确指定项目间的依赖关系
- 变量传递:显式传递所有必要的路径变量
- 隔离构建:为每个ExternalProject使用独立的PREFIX路径
- 错误处理:添加适当的错误检查和回退机制
通过以上方法,可以确保Redis++在非标准路径下正确找到并链接Hiredis库,顺利完成构建过程。
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
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
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
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
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
196
218
暂无简介
Dart
635
144
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++
652
276
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
React Native鸿蒙化仓库
JavaScript
245
316
🎉 (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
1.12 K
627
仓颉编译器源码及 cjdb 调试工具。
C++
128
858
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,提供Transformer定制化场景的高性能融合算子。
C++
73
98
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
385
3.72 K