Doom Emacs 在 MacOS 上原生编译性能问题分析与解决方案
2025-05-10 18:15:31作者:侯霆垣
问题背景
在使用 Doom Emacs 时,许多 MacOS 用户发现启用原生编译(native compilation)后,编辑器性能反而显著下降。具体表现为启动时间延长约2倍,日常操作出现明显卡顿,这与原生编译本应带来的性能提升背道而驰。
问题根源分析
经过深入调查,发现性能下降主要由以下几个因素导致:
-
即时编译开销:当
package-native-compile设置为nil时(Doom Emacs 默认设置),Emacs 会在首次加载包时进行即时编译,这会导致操作延迟。 -
重复编译问题:某些核心文件(如
gv.el、pcase.el等)在每次启动时都会被重新编译,增加了启动时间。 -
编译缓存管理:编译后的文件未被有效缓存或重用,导致系统不断重复编译相同内容。
优化解决方案
1. 启用包安装时编译
在 $DOOMDIR/init.el 文件中的 (doom! ...) 块之前添加以下配置:
(setq! package-native-compile t)
(setq! native-comp-jit-compilation nil)
package-native-compile t确保包在安装时就进行原生编译,避免首次加载时的编译延迟native-comp-jit-compilation nil禁用即时编译,减少运行时开销
2. 执行完整编译流程
使用以下命令确保所有包都已正确编译:
doom sync --gc --aot
doom upgrade --aot
--aot 参数表示执行"提前编译"(Ahead-Of-Time compilation),确保所有必要的文件都已编译完成。
3. 清理编译缓存
有时清理旧的编译缓存可以解决性能问题:
rm -rf $EMACSDIR/.local/*
然后重新执行 doom sync --gc --aot 重建编译缓存。
性能对比
优化后,Doom Emacs 的启动时间从约4秒降至约2秒,日常操作的响应速度也显著提升。测试环境为:
- 硬件:MacBook Pro (15-inch, 2019)
- 处理器:6核 Intel Core i7 @ 2.6GHz
- 内存:16GB
- 系统:macOS 15.2
注意事项
- 首次完整编译可能需要较长时间(几分钟到几十分钟,取决于系统性能)
- 某些核心文件的重复编译问题可能仍然存在,但这通常不会显著影响日常使用
- 建议在系统空闲时执行完整编译,避免影响其他工作
通过以上优化,用户可以在 MacOS 上充分发挥 Emacs 原生编译的性能优势,获得更流畅的编辑体验。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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
项目优选
收起
deepin linux kernel
C
24
9
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
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
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
392
3.88 K
暂无简介
Dart
671
156
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
React Native鸿蒙化仓库
JavaScript
260
322
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++
661
311
🎉 (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
1.2 K
654
无需学习 Kubernetes 的容器平台,在 Kubernetes 上构建、部署、组装和管理应用,无需 K8s 专业知识,全流程图形化管理
Go
15
1