Mbed TLS项目中CMake目标链接的注意事项
2025-06-05 11:27:08作者:乔或婵
在Mbed TLS项目中,开发者在使用CMake构建系统时可能会遇到目标链接名称不一致的问题。本文将从技术角度分析这一现象的原因,并提供解决方案。
问题背景
Mbed TLS作为一款广泛使用的加密库,提供了多个组件供开发者链接使用。在CMake构建系统中,这些组件通常以不同的目标名称暴露给用户。根据用户报告,文档中提到的MbedTLS::tfpsacrypto目标在某些情况下无法正常工作,而需要改用TF-PSA-Crypto::tfpsacrypto。
技术分析
目标命名空间差异
Mbed TLS项目在不同版本中对CMake目标的命名策略有所调整:
-
3.6 LTS版本:目标位于
MbedTLS命名空间下MbedTLS::mbedtlsMbedTLS::mbedx509MbedTLS::tfpsacrypto
-
开发分支(4.0预发布):目标命名空间发生了变化
- 主库仍为
MbedTLS::mbedtls - 但PSA加密组件改为
TF-PSA-Crypto::tfpsacrypto
- 主库仍为
链接顺序的重要性
值得注意的是,在链接这些库时,顺序也很关键。正确的链接顺序应该是:
target_link_libraries(your_target
MbedTLS::mbedtls
MbedTLS::tfpsacrypto
MbedTLS::mbedx509)
这是因为头文件依赖关系导致的,错误的顺序可能导致编译失败。
解决方案
针对不同版本,开发者应采取不同的链接策略:
- 对于稳定版本(3.6.x):
target_link_libraries(your_target
MbedTLS::mbedtls
MbedTLS::tfpsacrypto
MbedTLS::mbedx509)
- 对于开发分支(4.0预发布):
target_link_libraries(your_target
MbedTLS::mbedtls
TF-PSA-Crypto::tfpsacrypto
MbedTLS::mbedx509)
简化方案
对于大多数使用场景,开发者可以只链接主库目标MbedTLS::mbedtls,因为它会自动处理对其他组件的依赖关系。这种简化方式在不需要精细控制各个组件的情况下特别有用。
最佳实践
- 明确项目使用的Mbed TLS版本
- 参考对应版本的构建示例(如
programs/test/cmake_package) - 在复杂项目中,建议显式链接所有需要的组件
- 保持构建系统与文档中示例的一致性
通过理解这些构建细节,开发者可以更顺利地集成Mbed TLS到自己的项目中,避免因目标链接问题导致的构建失败。
登录后查看全文
热门项目推荐
相关项目推荐
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 StartedRust0198
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0129
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python08
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07
项目优选
收起
暂无描述
Dockerfile
767
5.02 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
865
1.96 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
692
1.36 K
Ascend Extension for PyTorch
Python
728
903
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
460
455
deepin linux kernel
C
32
16
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++
1.09 K
1.12 K
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.02 K
265
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
1.92 K
198
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Python
1.01 K
631