Mozilla sccache v0.9.1 版本发布:编译器缓存工具的重要更新
sccache 是 Mozilla 开发的一款分布式编译器缓存工具,它能够显著加快编译过程,特别适合大型项目的开发。通过缓存编译结果,sccache 可以避免重复编译相同的代码,从而节省开发者的宝贵时间。该项目支持多种编程语言和编译器,包括 C/C++、Rust 等,是现代化开发工作流中的重要工具。
核心功能改进
Rust 编译缓存优化
本次 v0.9.1 版本针对 Rust 编译器做了多项重要改进。最值得注意的是新增了对 Rust 目标 JSON 规范文件的缓存支持。这意味着当使用自定义目标规范时,sccache 现在能够正确识别并缓存相关编译结果,避免了不必要的重复编译。
此外,修复了与 Rust 覆盖率测试相关的回归问题。在 v0.9.0 中,"cargo build -Zprofile" 命令的支持出现了问题,这会影响使用覆盖率测试的开发工作流。新版本完全恢复了这一功能,确保覆盖率测试能够与 sccache 无缝协作。
NVCC 编译器处理优化
对于使用 NVIDIA CUDA 编译器(nvcc)的项目,v0.9.1 改进了编译过程的处理方式。现在 sccache 会始终分解 nvcc 编译任务,这有助于提高缓存的命中率,特别是在复杂的 CUDA 项目中。这一改进可以显著减少 CUDA 代码的编译时间。
稳定性与兼容性增强
作业服务器管理改进
新版本改进了 sccache 的作业服务器管理机制。现在 sccache 会始终使用自己的作业服务器,而不是依赖外部传入的配置。这一变化提高了编译过程的稳定性,特别是在复杂的并行编译场景中。
依赖处理优化
修复了 rlib 依赖读取器在某些边缘情况下的失败问题。这一改进使得 Rust 项目在解析依赖关系时更加可靠,减少了因缓存问题导致的编译失败。
配置处理优化
新版本改进了对 Cargo 注册表配置的处理方式。现在 sccache 不会将 CARGO_REGISTRIES_* 配置包含在哈希键中,这意味着当开发者切换不同的注册表时,不会导致不必要的缓存失效。这一优化特别适合在多个开发环境间切换的团队。
安全性与维护更新
v0.9.1 包含了多项依赖项更新,特别是 cc 库的升级,这带来了更好的安全性和兼容性。这些底层更新虽然对终端用户透明,但对于维护项目的长期健康至关重要。
跨平台支持
sccache 继续保持出色的跨平台支持,新版本提供了针对多种架构和操作系统的预编译二进制包,包括:
- x86_64 和 ARM 架构的 Linux 系统
- macOS (包括 Apple Silicon 和 Intel 处理器)
- Windows (x86_64 和 ARM64)
总结
Mozilla sccache v0.9.1 是一个重要的维护版本,解决了多个影响开发者体验的问题,特别是在 Rust 和 CUDA 项目中的编译缓存。通过优化依赖处理、改进作业服务器管理以及增强配置灵活性,这个版本进一步巩固了 sccache 作为现代化开发工具链中不可或缺的一环。
对于已经使用 sccache 的团队,升级到 v0.9.1 版本将带来更稳定的编译体验;对于新用户,现在正是开始利用这一强大工具来加速开发周期的好时机。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust050
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00