cc-rs项目在x86-64 Linux上的测试失败问题分析
2025-07-06 17:43:06作者:廉皓灿Ida
cc-rs是Rust生态中一个重要的构建工具库,用于调用C/C++编译器。最近在x86-64 Linux平台上运行测试时出现了失败情况,本文将深入分析这个问题及其解决方案。
问题现象
在x86-64 Linux系统上运行cc-rs的测试套件时,会出现以下错误信息:
cargo:warning=llvm-ar: error: /path/to/cc-rs/target/debug/gcc-test7gypcv/d1fba762150c532c-foo.o: No such file or directory
error: test failed, to rerun pass `--test test`
经过二分查找,确定问题源于一个特定的提交,该提交添加了对Android NDK工具链的支持。
问题根源
问题的核心在于测试环境中的工具链处理逻辑存在缺陷。具体表现为:
- 测试模拟了一个Android交叉编译环境,创建了arm-linux-androideabi-clang和arm-linux-androideabi-ar的模拟工具
- 在Linux平台上,测试没有模拟llvm-ar工具
- 当系统没有安装Android NDK时,构建系统会回退使用llvm-ar而不是预期的arm-linux-androideabi-ar
- 由于llvm-ar是真实工具而非模拟工具,它无法找到测试生成的中间文件,导致失败
技术细节
cc-rs的构建逻辑中有一个关键函数get_base_archiver_variant,它会根据目标平台和可用工具决定使用哪种归档工具。对于Android目标,在没有安装NDK的情况下,它会回退到使用llvm-ar。
测试框架为交叉编译环境创建了模拟的clang和ar工具,但没有为llvm-ar创建模拟工具。当构建系统回退到使用llvm-ar时,这个真实工具无法找到测试生成的中间文件,因为测试环境已经重定向了这些文件的路径。
解决方案
修复方案主要包括两个方面:
- 工具链模拟扩展:在Linux测试环境中也模拟llvm-ar工具,确保无论构建系统选择哪种工具都能正常工作
- 错误处理改进:将测试中的直接退出(exit)改为panic,这样可以获得更清晰的测试失败报告
影响范围
这个问题主要影响:
- 在x86-64 Linux上运行cc-rs测试的开发人员
- 没有安装Android NDK的环境
- 使用多线程运行测试的情况(单线程下错误信息更完整)
最佳实践建议
对于使用cc-rs的开发者:
- 在开发环境中运行测试时,考虑设置RUST_TEST_THREADS=1以获得更完整的错误信息
- 如果需要进行Android交叉编译测试,建议安装Android NDK以获得更真实的测试环境
- 关注cc-rs的更新,及时获取修复版本
这个问题展示了构建工具在跨平台支持中的复杂性,特别是在处理不同工具链和模拟环境时的挑战。通过这个案例,我们可以更好地理解构建系统如何选择工具链以及如何设计健壮的测试环境。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
567
3.83 K
🔥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
68
20
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
12
1
暂无简介
Dart
798
197
🎉 (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
1.37 K
779
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
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
349
200
Ascend Extension for PyTorch
Python
377
447
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
16
1