xmake项目中实现全局脚本域避免重复执行的方法
2025-05-22 19:53:37作者:宣海椒Queenly
在xmake构建系统中,开发者经常需要处理多个测试目标依赖相同测试数据的情况。本文介绍如何通过xmake的全局变量机制实现脚本的"单例"执行模式,避免重复操作带来的性能问题和并发冲突。
问题背景
在大型项目中,我们通常会编写多个单元测试目标(target),这些测试目标往往需要依赖相同的测试数据文件。常见的做法是为每个测试目标添加一个规则(rule),在测试运行前拷贝所需的测试数据文件。
然而,这种做法存在两个明显问题:
- 每个测试目标都会重复执行相同的拷贝操作,造成不必要的性能损耗
- 当并行执行测试时(-jN),多个进程同时操作相同文件可能导致冲突
解决方案
xmake提供了全局变量表_g,我们可以利用它来实现脚本的"单例"执行模式。具体实现如下:
rule("prepare_test_data")
before_run(function(target)
if not _g.test_data_prepared then
_g.test_data_prepared = true
-- 执行只需要运行一次的准备工作
os.trycp("localization/loc_archon/*.conf", target:rundir(), {rootdir = "."})
os.trycp("localization/loc_archon/*.yaml", target:rundir(), {rootdir = "."})
os.trycp("localization/**.conf", target:rundir(), {rootdir = "."})
os.trycp("localization/test_data/**", target:rundir(), {rootdir = "."})
end
end)
实现原理
_g是xmake提供的全局变量表,在整个构建过程中保持有效- 我们使用
_g.test_data_prepared作为标志位 - 当第一个测试目标执行时,标志位为nil,执行准备工作并设置标志位
- 后续测试目标执行时,检测到标志位已设置,跳过准备工作
优势分析
- 性能提升:避免了重复的文件拷贝操作
- 并发安全:解决了并行测试时的文件操作冲突问题
- 代码简洁:不需要复杂的条件判断或锁机制
- 维护方便:所有准备工作集中在一处,便于统一管理
实际应用建议
在实际项目中,我们可以进一步优化:
- 将准备工作封装成独立函数,提高代码复用性
- 添加日志输出,方便调试和问题追踪
- 考虑添加清理逻辑,在测试完成后删除临时文件
local function prepare_test_data(target)
if not _g.test_data_prepared then
_g.test_data_prepared = true
print("准备测试数据...")
-- 具体准备工作...
end
end
rule("prepare_test_data")
before_run(prepare_test_data)
after_run(function()
-- 可选的清理逻辑
end)
通过这种方式,我们可以优雅地解决xmake项目中多目标依赖相同资源的初始化问题,既保证了执行效率,又确保了并发安全性。
登录后查看全文
热门项目推荐
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-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- 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
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
项目优选
收起
deepin linux kernel
C
28
15
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
663
4.27 K
🎉 (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
1.54 K
895
Ascend Extension for PyTorch
Python
505
610
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
392
290
暂无简介
Dart
909
219
🔥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
69
21
昇腾LLM分布式训练框架
Python
142
168
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++
940
867
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
1.33 K
108