cc-rs项目在x86-64 Linux上的测试失败问题分析
2025-07-06 18:57:09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
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
最新内容推荐
IEC61850建模工具及示例资源:智能电网自动化配置的完整指南 海康威视DS-7800N-K1固件升级包全面解析:提升安防设备性能的关键资源 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 SteamVR 1.2.3 Unity插件:兼容Unity 2019及更低版本的VR开发终极解决方案 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 Photoshop作业资源文件下载指南:全面提升设计学习效率的必备素材库 海能达HP680CPS-V2.0.01.004chs写频软件:专业对讲机配置管理利器 咖啡豆识别数据集:AI目标检测在咖啡质量控制中的革命性应用 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南
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