Ring项目优化构建工具链的技术实践
2025-06-17 08:15:38作者:魏献源Searcher
在Ring项目的持续集成(CI)流程中,团队近期对构建工具链进行了重要优化,将原本依赖外部LLVM工具链的方式改为使用Rust工具链内置的llvm-tools-preview组件。这一改进不仅简化了构建依赖管理,还提高了跨平台构建的兼容性。
背景与动机
Ring作为一个密码学库,对构建过程的稳定性和跨平台支持有着严格要求。原先的构建流程中存在几个问题:
- 依赖外部LLVM工具链,增加了环境配置复杂度
- 符号前缀检查脚本(mk/check-symbol-prefixes.sh)在某些平台被跳过
- 不同平台间的构建工具链不统一
这些因素影响了构建的一致性和可维护性,促使团队决定重构工具链管理方式。
技术实现方案
1. 工具链管理优化
团队移除了直接安装LLVM工具链的步骤(原install_packages llvm-$llvm_version),转而利用Rustup工具链管理器安装llvm-tools-preview组件。这一变更通过以下方式实现:
- 在install-build-tools.sh脚本中,仅在使用Clang模式时才安装外部LLVM工具链
- 添加rustup +$toolchain toolchain component add llvm-tools-preview命令来安装工具链组件
- 修改CI配置文件(ci.yml)传递工具链参数(+${{ matrix.rust_channel }})
2. 符号检查脚本增强
原先的符号前缀检查存在平台限制问题,团队进行了以下改进:
- 将脚本中的llvm-nm工具替换为llvm-tools-preview提供的版本
- 扩展脚本在苹果平台(Apple targets)的执行范围
- 计划未来支持Windows平台(通过强制使用bash shell)
- 最终目标是实现全平台支持
技术优势
这一系列改进带来了多重好处:
- 依赖简化:减少对外部LLVM工具链的依赖,降低环境配置复杂度
- 版本一致性:确保使用的LLVM工具与Rust工具链版本完全匹配
- 跨平台支持:为全平台统一构建体验奠定基础
- 维护性提升:集中管理工具链依赖,减少平台特定逻辑
实施策略
团队采用了分阶段实施的策略:
- 首先处理代码覆盖率分析相关的工具链变更
- 随后改进符号前缀检查脚本
- 分平台逐步扩展检查范围
- 每个变更都通过独立的Pull Request实现,确保变更可控
这种渐进式改进方式既保证了变更质量,又最小化了影响范围。
未来方向
虽然已经取得显著进展,但团队仍在继续完善:
- 完成Windows平台的符号检查支持
- 探索更多llvm-tools-preview组件的应用场景
- 进一步统一各平台的构建体验
- 优化构建脚本的可维护性
这些改进将持续提升Ring项目的构建可靠性和开发者体验。
通过这次工具链优化,Ring项目展示了如何通过合理利用现代Rust工具链生态,构建更加健壮和可维护的跨平台项目。这种实践对于其他类似项目也具有参考价值。
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
223
246
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++
663
313
React Native鸿蒙化仓库
JavaScript
262
324
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
🎉 (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
1.2 K
655
🔥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
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218
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
330
137