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
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 StartedRust0148- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
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
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0111
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
731
4.73 K
Ascend Extension for PyTorch
Python
609
786
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++
1 K
1.01 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
433
392
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
145
237
Claude 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 Started
Rust
1.15 K
148
暂无简介
Dart
983
250
Oohos_react_native
React Native鸿蒙化仓库
C++
347
401
昇腾LLM分布式训练框架
Python
166
197
🎉 (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
1.67 K
985