在Nix包管理器中集成Lan-Mouse的技术实践
2025-06-26 08:24:50作者:裘晴惠Vivianne
Lan-Mouse是一款跨平台的鼠标键盘共享软件,类似于苹果设备上的通用控制功能。它允许用户使用单套鼠标键盘控制多台计算机,实现了多设备输入共享的功能。本文将详细介绍如何将Lan-Mouse集成到Nix包管理系统中。
背景与挑战
Lan-Mouse主要针对Linux Wayland环境设计,同时也支持Windows、MacOS和Xorg环境。在将其打包为Nix包时,开发者遇到了几个技术挑战:
- 构建过程中缺少
glib-compile-resources
命令 - 需要正确处理GTK4和libadwaita等GUI依赖
- 需要配置适当的系统级服务以实现开机自启
解决方案
基础Nix包定义
通过分析构建错误和依赖关系,最终确定了以下Nix包定义:
rustPlatform.buildRustPackage rec {
pname = "lan-mouse";
version = "20240124";
nativeBuildInputs = with pkgs; [
pkg-config
cmake
buildPackages.gtk4
];
buildInputs = with pkgs; [
xorg.libX11
gtk4
libadwaita
xorg.libXtst
];
src = fetchFromGitHub {
owner = "feschber";
repo = "lan-mouse";
rev = "8084b52cfc8c661baa43fbea158e0b44cd0ae203";
hash = "sha256-qaPnTbfO1aabm4UsNKHXg/BoEnpNvNgqmIT4+tNG6Tw=";
};
cargoLock = {
lockFile = "${src}/Cargo.lock";
outputHashes = {
"reis-0.1.0" = "sha256-sRZqm6QdmgqfkTjEENV8erQd+0RL5z1+qjdmY18W3bA=";
};
};
RUST_BACKTRACE = "full";
}
关键点在于:
- 将GTK4同时添加到nativeBuildInputs和buildInputs
- 正确指定Cargo.lock文件和依赖哈希
- 启用完整的Rust回溯信息以辅助调试
系统服务集成
为了提供更好的用户体验,可以创建systemd用户服务实现开机自启:
systemd.user.services.lan-mouse = {
description = "Lan Mouse";
after = ["graphical-session.target"];
bindsTo = ["graphical-session.target"];
wantedBy = ["graphical-session.target"];
serviceConfig = {
ExecStart = "${pkgs.lan-mouse}/bin/lan-mouse --daemon";
Restart = "on-failure";
};
};
这种配置确保服务在图形会话启动后自动运行,并在失败时自动重启。
技术细节解析
-
依赖处理:
- GTK4开发包必须同时作为nativeBuildInputs和buildInputs
- libadwaita提供现代GNOME界面组件
- X11相关库提供底层输入共享支持
-
构建过程:
- 使用Rust平台的buildRustPackage构建工具
- 显式指定Cargo.lock文件确保依赖版本一致
- 为自定义crate(reis)提供预计算哈希值
-
运行时配置:
- 设置RUST_BACKTRACE环境变量便于问题诊断
- 使用daemon模式运行减少资源占用
实际应用建议
对于希望在生产环境使用Lan-Mouse的NixOS用户,建议:
- 将包定义提交到nixpkgs官方仓库
- 考虑添加桌面条目(Desktop Entry)以便图形化启动
- 实现配置管理,允许用户自定义连接参数
- 添加多架构支持,特别是ARM平台
总结
通过合理的Nix包定义和系统集成,Lan-Mouse可以很好地融入NixOS生态系统。这一实践不仅解决了特定软件的打包问题,也为类似GUI应用的Nix集成提供了参考模式。未来随着Wayland生态的成熟,这类输入共享工具将发挥更大作用。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-4.6
GLM-4.6在GLM-4.5基础上全面升级:200K超长上下文窗口支持复杂任务,代码性能大幅提升,前端页面生成更优。推理能力增强且支持工具调用,智能体表现更出色,写作风格更贴合人类偏好。八项公开基准测试显示其全面超越GLM-4.5,比肩DeepSeek-V3.1-Terminus等国内外领先模型。【此简介由AI生成】Jinja00- DDeepSeek-V3.2-ExpDeepSeek-V3.2-Exp是DeepSeek推出的实验性模型,基于V3.1-Terminus架构,创新引入DeepSeek Sparse Attention稀疏注意力机制,在保持模型输出质量的同时,大幅提升长文本场景下的训练与推理效率。该模型在MMLU-Pro、GPQA-Diamond等多领域公开基准测试中表现与V3.1-Terminus相当,支持HuggingFace、SGLang、vLLM等多种本地运行方式,开源内核设计便于研究,采用MIT许可证。【此简介由AI生成】Python00
openPangu-Ultra-MoE-718B-V1.1
昇腾原生的开源盘古 Ultra-MoE-718B-V1.1 语言模型Python00ops-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++0118AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。02Spark-Chemistry-X1-13B
科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00GOT-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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile011
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起

deepin linux kernel
C
23
6

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
225
2.27 K

React Native鸿蒙化仓库
JavaScript
211
287

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
526
116

🎉 (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
987
583

openGauss kernel ~ openGauss is an open source relational database management system
C++
148
197

GLM-4.6在GLM-4.5基础上全面升级:200K超长上下文窗口支持复杂任务,代码性能大幅提升,前端页面生成更优。推理能力增强且支持工具调用,智能体表现更出色,写作风格更贴合人类偏好。八项公开基准测试显示其全面超越GLM-4.5,比肩DeepSeek-V3.1-Terminus等国内外领先模型。【此简介由AI生成】
Jinja
46
0

ArkUI-X adaptation to Android | ArkUI-X支持Android平台的适配层
C++
39
55

ArkUI-X adaptation to iOS | ArkUI-X支持iOS平台的适配层
Objective-C++
19
44