BenchmarkingTutorial项目在Debian 12上的构建指南
2025-07-09 16:08:57作者:霍妲思
项目背景
BenchmarkingTutorial是一个用于展示不同C++数据结构性能差异的开源项目。它通过一系列基准测试比较了各种字符串处理、JSON解析等操作的性能表现。该项目依赖Google Benchmark框架进行性能测试,并使用CMake作为构建系统。
Debian 12构建挑战
在Debian 12系统上构建该项目时,会遇到几个典型的构建问题,这些问题主要与Debian的软件包管理策略和CMake版本要求有关。
CMake版本冲突
Debian 12默认提供的CMake版本为3.25.1-1,而项目需要至少3.25.2版本。直接使用系统包管理器安装的CMake无法满足要求。更复杂的是,Debian 12采用了PEP 668策略,防止用户直接通过pip安装系统级Python包。
解决方案是使用Python虚拟环境:
python3 -m venv /var/tmp/venv
source /var/tmp/venv/bin/activate
pip install cmake --upgrade
ln -s /var/tmp/venv/bin/cmake /usr/local/bin/cmake
BLAS库依赖问题
项目需要BLAS库支持,但Debian 12中相关包的命名有所变化。正确的依赖安装命令应为:
sudo apt-get install -y libopenblas0 libopenblas-dev
构建参数调整
针对Debian系统的特殊性,建议使用以下构建命令:
cmake -B build_release -D CMAKE_BUILD_TYPE=Release -D USE_INTEL_TBB=OFF -D USE_NVIDIA_CCCL=OFF
cmake --build build_release --config Release
基准测试执行技巧
项目使用Google Benchmark框架进行性能测试,测试过程可能耗时较长。可以通过以下方法监控测试进度:
- 创建临时日志文件:
mktemp --tmpdir less_slow.cpp.log.XXXX > name-of-benchmark-log-file
- 在另一个终端中运行监控命令:
watch '
total=$(build_release/less_slow --benchmark_list_tests | wc -l)
file=$(cat name-of-benchmark-log-file)
count=$(grep "^\"" "$file" | wc -l)
printf "Executed %s of %s tests (from %s)\n" "$count" "$total" "$file"
'
- 启动基准测试:
build_release/less_slow --benchmark_out="$(< name-of-benchmark-log-file)" --benchmark_out_format=csv
常见错误处理
执行基准测试时可能会遇到以下错误,属于正常现象:
- "Pointer tagging not supported":表明当前环境不支持指针标记功能
- 其他特定实现的限制:如某些JSON解析器的异常处理模式
这些错误不会影响整体测试流程,系统会继续执行其他测试用例。
总结
在Debian 12上构建BenchmarkingTutorial项目需要注意CMake版本管理和系统依赖的适配。通过使用Python虚拟环境解决CMake版本问题,安装正确的BLAS开发包,并调整构建参数,可以顺利完成项目构建。基准测试执行时,可以通过日志监控技巧了解测试进度。该项目为开发者提供了一个很好的性能比较平台,特别适合需要优化字符串处理和JSON解析性能的场景。
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
Ascend Extension for PyTorch
Python
222
238
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
暂无简介
Dart
671
156
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
312
React Native鸿蒙化仓库
JavaScript
261
322
🔥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
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
859
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217