在Ubuntu衍生系统上构建并安装MangoHud及其组件
MangoHud是一个流行的开源游戏性能监控工具,它可以显示FPS、CPU/GPU使用率等关键指标。对于使用Ubuntu衍生系统(如Tuxedo OS)的用户来说,系统仓库中的版本可能较旧,特别是在Wayland环境下运行时可能会遇到兼容性问题。本文将详细介绍如何从源码构建并安装MangoHud及其相关组件(Mangoapp、Mangoctl、Mangoplot)。
准备工作
在开始构建前,需要确保系统已安装必要的构建工具和依赖项。对于基于Ubuntu 24.04的衍生系统,可以执行以下命令安装基础依赖:
sudo apt update
sudo apt install -y git meson ninja-build pkg-config libglvnd-dev libdbus-1-dev libx11-dev libxrandr-dev libvulkan-dev libwayland-dev libdrm-dev
如果使用NVIDIA显卡,还需要安装NVIDIA相关开发包:
sudo apt install -y nvidia-driver-535 libxnvctrl-dev
获取源码
首先克隆MangoHud的主仓库及其相关组件:
git clone --recursive https://github.com/flightlessmango/MangoHud.git
cd MangoHud
配置构建选项
MangoHud支持多种配置选项,可以根据系统环境进行调整。特别是对于Wayland环境,需要确保相关支持已启用。以下是推荐的配置命令:
meson setup build \
--prefix=/usr \
-Dwith_xnvctrl=disabled \
-Dwith_wayland=enabled \
-Dwith_dbus=enabled \
-Dwith_vulkan=enabled \
-Dwith_x11=enabled
参数说明:
--prefix=/usr:指定安装路径为系统目录-Dwith_xnvctrl=disabled:禁用XNVCtrl支持(解决NVIDIA PRIME相关问题)-Dwith_wayland=enabled:启用Wayland支持-Dwith_dbus=enabled:启用DBus支持-Dwith_vulkan=enabled:启用Vulkan支持-Dwith_x11=enabled:启用X11支持
构建和安装
配置完成后,可以开始构建和安装:
ninja -C build
sudo ninja -C build install
构建完成后,建议重新启动系统以确保所有组件正确加载。
验证安装
安装完成后,可以通过以下命令验证MangoHud是否正常工作:
mangohud --version
要测试MangoHud在游戏中的显示效果,可以使用:
mangohud glxgears
解决常见问题
-
XNVCtrl错误:如果遇到与XNVCtrl相关的错误,建议在构建时禁用该功能(如上文所示),特别是在使用NVIDIA PRIME配置的系统上。
-
Wayland支持:对于Wayland环境,确保在构建时启用了Wayland支持,并且系统已正确配置Wayland会话。
-
权限问题:如果安装后MangoHud无法正常工作,可能需要检查权限设置,确保用户有权限访问所需的系统资源。
高级配置
安装完成后,可以通过编辑~/.config/MangoHud/MangoHud.conf文件来自定义显示内容和样式。MangoHud提供了丰富的配置选项,包括:
- 显示哪些性能指标
- 字体大小和颜色
- 显示位置和透明度
- 快捷键设置
通过从源码构建安装,用户可以确保获得最新版本的MangoHud,解决仓库版本过旧带来的各种兼容性问题,特别是在Wayland环境下的使用体验。
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 StartedRust073- 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
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。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
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
Hy3-previewHy3 preview 是由腾讯混元团队研发的2950亿参数混合专家(Mixture-of-Experts, MoE)模型,包含210亿激活参数和38亿MTP层参数。Hy3 preview是在我们重构的基础设施上训练的首款模型,也是目前发布的性能最强的模型。该模型在复杂推理、指令遵循、上下文学习、代码生成及智能体任务等方面均实现了显著提升。Python00