解决kerl构建Erlang时C编译器无法创建可执行文件的问题
2025-07-10 14:44:04作者:盛欣凯Ernestine
问题背景
在使用kerl工具构建Erlang/OTP 27.0版本时,许多macOS用户遇到了一个常见的构建错误:"C compiler cannot create executables"。这个错误通常发生在配置阶段,表明系统无法验证C编译器的正常工作能力。
错误现象
典型的错误输出会显示:
checking whether the C compiler works... no
configure: error: in '/path/to/build/dir':
configure: error: C compiler cannot create executables
根本原因分析
这个问题通常源于macOS系统中C编译器环境的配置问题。macOS系统自带的编译器工具链有一些特殊性:
- macOS默认使用clang作为C编译器,但gcc命令实际上也是指向clang的符号链接
- 当用户通过Homebrew安装了LLVM套件后,可能会导致编译器路径冲突
- 某些情况下,环境变量设置不当会导致编译器无法正确生成可执行文件
解决方案
方法一:清理冲突的LLVM安装
-
首先检查当前系统中的LLVM安装情况:
brew list | grep llvm -
如果发现安装了LLVM,建议卸载:
brew uninstall llvm -
验证系统默认的编译器:
gcc --version正常输出应该显示Apple clang版本信息。
方法二:正确设置编译器环境
-
确保Xcode命令行工具已安装:
xcode-select --install -
确认编译器路径:
which clang which gcc这两个命令应该指向
/usr/bin/目录下的可执行文件。 -
如果需要指定特定版本的编译器,可以在kerl构建时明确设置:
CC=/usr/bin/clang kerl build 27.0
方法三:检查系统完整性
-
验证编译器是否能正常工作,创建一个简单的测试程序:
// test.c #include <stdio.h> int main() { printf("Hello, world!\n"); return 0; } -
尝试编译并运行:
clang test.c -o test && ./test如果这个简单测试失败,说明系统编译器环境存在更根本的问题。
预防措施
- 在升级macOS系统后,建议重新安装Xcode命令行工具
- 避免同时安装多个编译器套件,除非确实需要
- 使用kerl构建前,先确保基础开发环境正常
- 定期清理Homebrew安装的不必要开发包
总结
macOS环境下构建Erlang时遇到的C编译器问题通常与环境配置有关。通过清理冲突的编译器安装、验证基础开发环境以及正确设置编译路径,大多数情况下可以解决这类问题。建议用户在遇到构建问题时,先从最简单的C程序测试开始排查,逐步缩小问题范围。
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
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
173
193
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++
647
263
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
269
93
暂无简介
Dart
622
140
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
377
3.32 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (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
1.1 K
620
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
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