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 00:01:13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
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
最新内容推荐
电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 开源电子设计自动化利器:KiCad EDA全方位使用指南 Jetson TX2开发板官方资源完全指南:从入门到精通 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 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 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Python案例资源下载 - 从入门到精通的完整项目代码合集 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 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
246
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
672
157
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++
662
313
React Native鸿蒙化仓库
JavaScript
262
323
🔥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++
135
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218