Kerl项目调试构建问题的分析与解决方案
2025-07-10 05:16:21作者:裘旻烁
问题背景
在使用Kerl构建Erlang/OTP的调试版本时,开发者发现即使按照文档说明执行了构建命令,最终安装的Erlang运行时环境中仍然缺少调试相关的二进制文件。具体表现为无法通过erl -emu_type debug命令启动调试模式的Erlang虚拟机。
问题分析
构建流程差异
Kerl项目在构建Erlang/OTP时,采用了与官方文档略有不同的构建方式。官方文档推荐的方法是:
(cd $ERL_TOP/erts/emulator && make debug)
而Kerl实际执行的是:
make TYPE=$r_type
这种差异导致了调试构建虽然成功完成,但最终的安装步骤未能正确包含调试版本的二进制文件。
环境变量要求
另一个关键发现是KERL_RELEASE_TARGET环境变量不仅需要在构建阶段设置,在安装阶段也需要保持设置。这一点在Kerl的持续集成测试中已经得到验证,但在文档中可能没有足够强调,导致用户在实际操作时容易忽略。
解决方案
临时解决方案
对于需要立即使用调试版本的用户,可以采用以下临时方案:
- 直接从构建目录运行调试版本:
$ERL_TOP/bin/erl -emu_type debug
- 配合rebar3使用时:
export ERL_TOP=/path/to/erlang/source
export PATH="$ERL_TOP/bin:$PATH"
export ERL_FLAGS="-emu_type debug"
rebar3 shell
完整手动构建流程
如果需要完整安装调试版本,可以按照以下步骤操作:
# 设置构建参数
export MAKEFLAGS=-j8
export ERL_TOP=$PWD
export CONFIGURE_OPTS="--enable-debug --disable-dynamic-ssl-lib"
export PREFIX=/path/to/installation
# 配置和构建
./otp_build configure --prefix=$PREFIX $CONFIGURE_OPTS
./otp_build boot -a
make TYPE=debug
# 安装
(./otp_build release -a $PREFIX && cd $PREFIX && ./Install -minimal $PREFIX)
TYPE=debug ./otp_build release -a $PREFIX
# 手动复制调试二进制文件
BEAM_SMP=$(find . -name beam.debug.smp)
ERL_CHILD_SETUP=$(find . -name "erl_child_setup.debug")
cp $BEAM_SMP $PREFIX/erts-*/bin
cp $ERL_CHILD_SETUP $PREFIX/erts-*/bin
构建工具选择建议
在构建Erlang/OTP时,开发者可以选择两种主要方式:
-
otp_build脚本:这是官方推荐的跨平台构建方式,特别适合需要在不同操作系统(包括Windows)上保持一致的构建流程。
-
直接使用make:这种方式提供了更多灵活性,通常能获得更好的构建性能,但缺乏跨平台保证。
对于大多数Linux/macOS开发者,直接使用make可能是更高效的选择,而对于需要支持多平台的构建系统,则应优先考虑otp_build。
总结
Kerl项目目前正在修复这一调试构建问题,未来版本将确保调试构建能够正确安装所有必要的二进制文件。在此期间,开发者可以采用上述临时解决方案或手动构建流程来获得完整的调试环境。理解Erlang构建系统的这两种主要方式也有助于开发者在不同场景下做出合适的选择。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0448
源启盛夏_AtomGit暑期开发者成长计划「源启盛夏」暑期校园开发者成长计划旨在激活校园开源力量,通过积分激励、认证扶持、资源倾斜等形式,引导高校组织和开发者完成「入驻 — 建项目 — 做贡献 — 获认证 — 得资源」的完整闭环。无论你是想带领社团入驻平台的组织者,还是希望用代码贡献证明自己的开发者,都能在这里找到属于你的成长路径。Markdown00
jiuwenswarmJiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。Python0769
Hy3Hy3 是由腾讯混元团队研发的快慢思考融合的混合专家模型,总参数量 295B,激活参数 21B,MTP 层参数 3.8B。4 月底发布 Hy3 Preview 后,我们在 50 多个业务中获得了广泛的反馈,修复了各种体验问题,进一步提升了后训练的质量和规模。今天,我们发布 Hy3。它展现出显著强于同尺寸并比肩旗舰(参数规模往往是 Hy3 的 2~5 倍)开源模型的智能水平,显著提升了在各类产品和生产力任务中的实用价值。Python00
AscendNPU-IRAscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优C++0313
DragonOSDragonOS is an operating system developed from scratch using Rust, with Linux compatibility. It is designed for **Serverless** scenarios. 使用Rust从0自研内核,具有Linux兼容性的操作系统,面向云计算Serverless场景而设计。Rust00
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Markdown
827
5.49 K
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
494
518
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
786
1.58 K
作为 Ascend for PyTorch 社区的核心组件,TorchNPU 是昇腾专为 PyTorch 打造的深度学习适配插件,使 PyTorch 框架能够直接调用昇腾 NPU,为开发者提供昇腾 AI 处理器的超强算力。
Python
803
1.14 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
973
2.29 K
deepin linux kernel
C
32
16
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
482
312
JiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。
Python
3.02 K
769
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Markdown
1.26 K
811
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
648
287