Compiler Explorer项目中Widberg分支构建失败问题分析与解决
2025-05-13 17:15:19作者:田桥桑Industrious
问题背景
在Compiler Explorer项目的持续集成环境中,Widberg分支的夜间构建长期处于失败状态。构建过程中出现了多个关键错误,影响了项目的持续集成流程。
初始错误分析
构建过程首先在配置阶段报错,错误信息显示:
LIBCXXABI_USE_LLVM_UNWINDER被设置为ON,但LLVM_ENABLE_RUNTIMES中未指定libunwind
这一错误源于LLVM项目的最新变更,现在构建libc++需要显式启用libunwind组件。这是LLVM工具链依赖关系的一个重大变化,开发者在升级LLVM版本时需要特别注意。
第一阶段修复
针对初始错误,解决方案是修改构建配置,在LLVM_ENABLE_RUNTIMES参数中添加libunwind组件。这一修改理论上应该解决问题,但实际构建过程中又出现了新的错误。
后续构建错误
在修复了libunwind依赖问题后,构建过程又遇到了新的编译错误:
/llvm-project/libcxx/src/ryu/d2fixed.cpp:85:27: error: expected '('
const uint32_t __shifted = static_cast<uint32_t>(__multiplied >> 29);
这一错误源于编译器扩展中__shifted被定义为关键字,与源代码中的变量名冲突。这种命名冲突在编译器开发中较为常见,特别是在使用非标准扩展时。
磁盘空间问题
在解决了代码层面的问题后,构建过程又遇到了磁盘空间不足的问题。尽管CI环境提供了128GB的磁盘空间,但在构建过程中仍然耗尽。分析发现:
- RelWithDebInfo构建模式产生了大量调试信息
- 安装过程中的文件复制操作消耗了大量空间
- 最终打包阶段空间不足
最终解决方案
经过多次调试和优化,最终采取了以下措施:
- 将构建模式从RelWithDebInfo改为Release,显著减少了生成文件的大小
- 优化构建配置,减少不必要的中间文件
- 适当增加CI环境的磁盘空间配额
经验总结
通过这一问题的解决过程,我们可以得出以下经验:
- 在升级编译器工具链时,需要仔细检查依赖关系的变化
- 使用编译器扩展时需要特别注意可能的关键字冲突
- CI环境的资源限制可能成为构建大型项目的瓶颈
- 根据实际需求选择合适的构建模式(Release/RelWithDebInfo/Debug)
这一问题的解决不仅恢复了Widberg分支的夜间构建,也为项目后续的持续集成流程优化提供了宝贵经验。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
ruoyi-plus-soybeanRuoYi-Plus-Soybean 是一个现代化的企业级多租户管理系统,它结合了 RuoYi-Vue-Plus 的强大后端功能和 Soybean Admin 的现代化前端特性,为开发者提供了完整的企业管理解决方案。Vue08- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
575
3.89 K
Ascend Extension for PyTorch
Python
396
474
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
360
219
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++
902
704
🎉 (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
1.39 K
787
昇腾LLM分布式训练框架
Python
122
148
React Native鸿蒙化仓库
JavaScript
312
364
暂无简介
Dart
814
200
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
124
161
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++
93
161