VC-LTL:优雅地编译更轻量级的二进制文件
项目介绍
VC-LTL 是一个基于微软 Visual C++ 运行时库(MS VCRT)的开源 CRT 库,旨在减少程序的二进制文件大小,并摆脱对微软运行时 DLL 的依赖,如 msvcr120.dll、api-ms-win-crt-time-l1-1-0.dll 等。VC-LTL 最初是为 Dism++ 项目开发的专用运行时库,于 2017 年 3 月 6 日从 Dism++ 源代码中分离并开源。
在大型项目中,如果所有二进制文件都使用静态编译,会占用大量磁盘空间,并可能导致由于纤程本地存储(FLS)限制而崩溃。VC-LTL 通过使项目使用 Windows 内置的 msvcrt.dll,有效解决了 C 运行时部署问题和 FLS 限制问题,并显著减少了二进制文件的大小。
VC-LTL 完全免费,可用于商业用途。如果你在项目中使用了 VC-LTL,希望你能提及它,以便帮助更多人。
项目技术分析
工作原理
使用 VC-LTL 后,二进制文件将动态链接到 Windows 内置的 msvcrt.dll,从而减少二进制文件的大小。通常情况下,使用 VC-LTL 的项目可以正常使用 C 运行时和 STL。然而,VC-LTL 不支持 MFC 项目,因为支持 MFC 项目过于复杂。
使用 VC-LTL 后,C++ 源代码编译的二进制文件大小将减少约 30%,而纯 C 源代码编译的二进制文件大小将减少约 50%。
技术亮点
- 优雅的引用方式:只需添加一个属性表,即可享受极致的体积体验。
- 无缝使用最新 C/C++ 库:支持最新编译器和最新规范,如异常流防护(guard:cf)、静态对象线程安全初始化(threadSafeInit)等。
- 更好的兼容性:即使想兼容 Windows XP RTM,也可以安心使用新编译器。
- 完全开放代码:广泛接受用户意见,欢迎大家踊跃提交 PR,为 VC-LTL 添砖加瓦。
项目及技术应用场景
应用场景
VC-LTL 适用于需要减少二进制文件大小、简化运行时依赖的项目。特别适合以下场景:
- 大型项目:减少静态编译带来的磁盘空间占用和 FLS 限制问题。
- 嵌入式系统:减少对额外运行时 DLL 的依赖,简化部署。
- 性能敏感的应用:减少二进制文件大小,提高加载速度。
支持的开发工具和平台
- 开发工具:支持 Visual Studio 2015 及以上版本,包括 Clang with Microsoft CodeGen、Clang-LLVM 等。
- 构建工具:支持 Visual Studio、CMake、NMake、CL、QMake 等。
- 操作系统:支持 Windows XP 及以上版本,包括 Windows Server 2003 到 Windows Server 2019。
项目特点
主要特点
- 减少二进制文件大小:通过动态链接
msvcrt.dll,显著减少二进制文件大小。 - 简化运行时依赖:摆脱对微软运行时 DLL 的依赖,简化部署。
- 高兼容性:支持 Windows XP 及以上版本,即使在未安装补丁的环境中也能正常运行。
- 易于集成:通过 NuGet 或属性表轻松集成到现有项目中。
使用方法
VC-LTL 提供了多种集成方式,包括:
- Visual Studio:通过 NuGet 包管理器或属性表集成。
- CMake:通过
VC-LTL helper for cmake.cmake集成。 - NMake/CL:通过
VC-LTL helper for nmake.cmd集成。
常见问题
- 未共享到
msvcrt.dll:确保正确引用 VC-LTL,并检查生成日志。 - 无法解析外部符号
delete等:确保正确引入vc.lib和msvcrt_Platform.lib。 - 检测到
RuntimeLibrary的不匹配项:确保所有静态库都使用 VC-LTL 重新编译。
总结
VC-LTL 是一个强大且易于集成的开源 CRT 库,能够显著减少二进制文件大小,简化运行时依赖,并提供高兼容性。无论你是开发大型项目、嵌入式系统,还是性能敏感的应用,VC-LTL 都能为你带来显著的优化效果。立即尝试 VC-LTL,体验更轻量级的二进制文件编译吧!
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- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00