xmake项目中实现全局脚本域避免重复执行的方法
2025-05-22 19:29:42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
相关项目推荐
kernelopenEuler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。C051
MiniMax-M2.1从多语言软件开发自动化到复杂多步骤办公流程执行,MiniMax-M2.1 助力开发者构建下一代自主应用——全程保持完全透明、可控且易于获取。Python00
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C01
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
agent-studioopenJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力TSX0126
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
26
10
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
443
3.35 K
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++
822
397
Ascend Extension for PyTorch
Python
251
285
React Native鸿蒙化仓库
JavaScript
277
329
暂无简介
Dart
702
165
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
10
1
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
140
51
🎉 (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
1.24 K
679
本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
556
111