Sunshine项目在Windows系统下的编译问题分析与解决
2025-05-08 07:17:35作者:咎岭娴Homer
背景介绍
Sunshine是一款开源的远程桌面软件,它允许用户通过网络流式传输游戏和应用。在Windows系统上使用MSYS2 UCRT64环境编译Sunshine最新源码时,开发者可能会遇到一系列链接错误,表现为大量"undefined reference to..."的报错信息。这类问题通常与系统库依赖关系有关,特别是在Windows平台上使用MinGW工具链时更为常见。
问题现象
在编译过程中,链接器会报告大量未定义的引用错误,主要涉及以下几个关键库:
- gnutls相关函数:如
__imp_gnutls_free、libintl_vasprintf等 - asn1相关函数:如
asn1_check_version、asn1_array2tree等 - p11_kit相关函数:如
p11_kit_uri_get_attribute等 - nghttp2相关函数:如
nghttp2_session_check_request_allowed等
这些错误表明编译系统在链接阶段无法找到相应的库函数实现,通常是由于库版本不兼容或依赖关系未正确配置导致的。
问题根源分析
经过深入分析,这些问题主要由以下几个因素造成:
- curl库版本问题:MSYS2仓库中的curl最新版本可能存在兼容性问题
- 依赖链断裂:gnutls、nghttp2等库的依赖关系未正确解析
- 系统环境配置:MSYS2环境中的库版本与Sunshine项目要求的版本不匹配
解决方案
针对上述问题,可以采取以下步骤解决:
-
降级curl库版本:
wget https://repo.msys2.org/mingw/ucrt64/mingw-w64-ucrt-x86_64-curl-8.8.0-1-any.pkg.tar.zst pacman -U --noconfirm mingw-w64-ucrt-x86_64-curl-8.8.0-1-any.pkg.tar.zst -
安装必要依赖(同时忽略curl的更新):
pacman -Syu --noconfirm --ignore=mingw-w64-ucrt-x86_64-curl \ doxygen \ git \ mingw-w64-ucrt-x86_64-cmake \ mingw-w64-ucrt-x86_64-cppwinrt \ mingw-w64-ucrt-x86_64-graphviz \ mingw-w64-ucrt-x86_64-miniupnpc \ mingw-w64-ucrt-x86_64-nlohmann-json \ mingw-w64-ucrt-x86_64-nodejs \ mingw-w64-ucrt-x86_64-nsis \ mingw-w64-ucrt-x86_64-onevpl \ mingw-w64-ucrt-x86_64-openssl \ mingw-w64-ucrt-x86_64-opus \ mingw-w64-ucrt-x86_64-toolchain -
清理CMake缓存:在重新编译前,建议删除CMake缓存目录或执行
cmake --build . --target clean
技术原理
这种问题的出现主要是因为:
- ABI兼容性:不同版本的库可能使用不同的ABI(应用二进制接口),导致符号无法正确解析
- 动态链接顺序:Windows平台下动态库的加载顺序和符号解析规则与Linux有所不同
- MSYS2包管理:MSYS2的滚动更新机制可能导致某些库更新后与其他库不兼容
预防措施
为避免类似问题再次发生,建议:
- 在项目文档中明确记录依赖库的版本要求
- 使用虚拟环境或容器来隔离开发环境
- 定期检查并更新项目的CI/CD配置,确保与上游仓库保持同步
- 考虑使用vcpkg或conan等包管理工具来管理依赖关系
总结
Sunshine项目在Windows平台上的编译问题是一个典型的依赖管理案例。通过降级特定库版本并确保依赖关系正确,可以有效解决这类链接错误。对于开源项目维护者来说,建立完善的依赖管理策略和持续集成流程是保证项目可构建性的关键。对于开发者而言,理解底层链接原理和平台特性有助于快速定位和解决类似问题。
这种问题的解决不仅需要技术手段,还需要项目维护者和社区的良好协作,共同维护一个健康的生态系统。
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-1.5暂无简介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
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
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
185
196
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
480
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
276
97
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
380
3.44 K
暂无简介
Dart
623
140
React Native鸿蒙化仓库
JavaScript
242
315
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
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++
648
265
openGauss kernel ~ openGauss is an open source relational database management system
C++
157
210