Erlang/OTP 27.1 在 macOS 上构建失败的解决方案
2025-05-20 06:47:02作者:尤辰城Agatha
在 macOS 14.6.1 系统上使用 asdf 安装 Erlang/OTP 27.1 版本时,开发者可能会遇到构建失败的问题。这个问题主要出现在搭载 M 系列芯片(如 M3 Max)的 Mac 设备上,特别是当系统安装了 Xcode 16 开发工具时。
问题现象
构建过程中会出现以下关键错误信息:
/Applications/Xcode.app/Contents/Developer/Platforms/MacOSX.platform/Developer/SDKs/MacOSX.sdk/usr/include/unistd.h:525:10: fatal error: cannot open file 'aarch64-apple-darwin23.6.0/opt/jit/_ctermid.h': Too many open files
这表明编译器在构建过程中尝试打开的文件数量超过了系统限制。虽然错误信息中提到了 JIT 相关的文件,但实际上这是整个构建过程中的一个系统资源限制问题。
问题根源
这个问题主要由两个因素共同导致:
- Xcode 16 的变化:最新版本的 Xcode 在构建 Erlang/OTP 时会打开更多的文件句柄
- 系统默认限制:macOS 默认的文件描述符限制(ulimit -n)为 256,这对于 Xcode 16 构建 Erlang 来说已经不够用了
解决方案
解决这个问题的方法很简单,只需要在构建前临时提高系统的文件描述符限制:
ulimit -n 1024
执行此命令后,再运行 asdf 安装命令即可正常完成构建:
asdf install erlang latest
技术背景
为什么需要提高文件描述符限制?
现代编译器在构建大型项目时会并行处理多个文件,特别是像 Erlang/OTP 这样的大型项目。Xcode 16 在构建过程中会:
- 为每个编译单元打开源文件和头文件
- 同时维护多个预处理、编译和链接过程
- 对于 JIT 功能,还需要额外的文件操作
所有这些操作都会消耗文件描述符,当总数超过系统限制时就会导致构建失败。
为什么之前版本没有这个问题?
早期版本的 Xcode 在构建 Erlang/OTP 时使用的文件描述符较少,通常不会超过默认的 256 限制。Xcode 16 可能优化了并行编译策略或增加了新的编译功能,导致需要同时打开更多的文件。
永久解决方案
如果开发者经常需要构建 Erlang/OTP 或其他大型项目,可以考虑永久提高文件描述符限制:
- 编辑
/etc/launchd.conf文件(如不存在则创建) - 添加以下内容:
limit maxfiles 1024 unlimited
- 重启系统使更改生效
总结
这个问题展示了开发工具链更新可能带来的兼容性挑战。随着编译器变得越来越智能和高效,它们对系统资源的需求也在增加。了解如何调整系统参数以适应这些变化是现代开发者需要掌握的基本技能之一。对于 Erlang/OTP 开发者来说,在 macOS 上使用 Xcode 16 时记住这个简单的 ulimit 调整可以节省大量故障排除时间。
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 StartedRust0191
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 Notebook0115
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。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
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
763
4.96 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++
856
1.92 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++
676
1.33 K
Ascend Extension for PyTorch
Python
719
875
deepin linux kernel
C
32
16
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
455
437
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++
1.07 K
1.09 K
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
150
252
CANN 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 Notebook
297
114
昇腾LLM分布式训练框架
Python
178
220