BlazingMQ在M1 Mac上的本地开发环境搭建问题解析
2025-06-29 18:06:32作者:农烁颖Land
背景介绍
BlazingMQ是Bloomberg开源的一款高性能消息队列系统,采用现代C++编写。在开发者尝试按照官方文档在M1芯片的MacBook Pro上进行本地开发环境搭建时,遇到了两个主要问题:编译失败和容器依赖问题。
编译失败问题分析
在M1架构的Mac设备上,使用Docker Compose构建BlazingMQ时会出现编译失败的情况。经过深入分析,发现这主要是由于系统资源限制导致的:
-
编译器警告问题:构建过程中会产生大量类型转换警告(-Wconversion),虽然这些警告本身不会导致构建失败,但会占用大量日志输出。
-
内存不足问题:真正的构建失败原因是编译器进程被系统终止(Killed signal terminated program cc1plus),这表明构建过程中遇到了内存不足的情况。
解决方案
针对编译失败问题,开发者提供了两种解决方案:
-
调整Docker资源配置:
- 默认配置(8 CPU/7.9GB RAM/1GB交换空间)不足
- 将交换空间增加到至少2GB可解决问题
-
临时禁用安全构建选项:
- 注释掉CMake配置中的-DBDE_BUILD_SAFE=on选项
- 这种方法虽然能解决问题,但不是最佳实践
容器依赖问题分析
文档中的示例命令无法正常运行,原因是bmqtool容器没有正确依赖bmqbrkr服务容器。具体表现为:
- bmqtool尝试连接broker时失败
- 错误信息显示无法解析主机名"bmqbrkr"
- 根本原因是broker服务可能尚未启动完成
解决方案
通过修改docker-compose.yaml文件,在bmqtool服务中添加对bmqbrkr的依赖:
depends_on:
- bmqbrkr
虽然理想情况下应该使用service_healthy检查,但在当前实现中,使用service_started已能解决基本问题。
最佳实践建议
对于在M1 Mac上搭建BlazingMQ开发环境的开发者,建议采取以下步骤:
- 首先调整Docker资源配置,特别是增加交换空间
- 保持安全构建选项启用,不要轻易禁用
- 确保容器间的依赖关系正确配置
- 对于生产环境,应考虑实现更完善的健康检查机制
总结
在ARM架构设备上部署传统为x86架构设计的系统时,经常会遇到资源限制和架构差异问题。BlazingMQ作为高性能消息系统,对资源要求较高,特别是在构建阶段。通过合理配置系统资源和正确设置容器依赖关系,可以成功在M1 Mac上搭建开发环境。
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
245
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++
661
312
React Native鸿蒙化仓库
JavaScript
262
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
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217