libavif项目中fuzz测试的编译优化实践
2025-07-08 21:34:41作者:钟日瑜
在libavif项目的测试构建系统中,发现了一个关于fuzz测试编译效率的优化点。本文将详细介绍这个问题及其解决方案。
问题背景
在libavif项目的测试构建过程中,每个fuzz测试目标都会独立编译avif_fuzztest_helpers.cc文件。这意味着当有多个fuzz测试时,同一个源文件会被重复编译多次,这不仅增加了构建时间,也浪费了系统资源。
技术分析
在CMake构建系统中,add_avif_fuzztest宏被定义为每个测试目标都包含avif_fuzztest_helpers.cc源文件。这种设计虽然简单直接,但在有多个fuzz测试目标时会导致编译效率低下。
解决方案
通过将avif_fuzztest_helpers.cc编译为一个对象库或静态库,可以确保该文件只被编译一次,然后被所有fuzz测试目标共享链接。这种优化方式在大型项目中很常见,能显著提高构建效率。
实现细节
- 创建一个对象库或静态库目标来编译
avif_fuzztest_helpers.cc - 修改
add_avif_fuzztest宏,使其链接到这个预编译的库而不是直接包含源文件 - 确保与fuzztest框架的兼容性,特别是
link_fuzztest函数的调用
技术考量
在实现过程中,需要考虑link_fuzztest函数的行为。经过分析,该函数实际上只是调用了标准的target_link_libraries,因此与对象库的链接方式完全兼容。这种设计保证了优化方案不会影响原有的测试功能。
优化效果
这种优化方案可以带来以下好处:
- 减少重复编译时间
- 降低系统资源消耗
- 保持原有的测试功能不变
- 提高开发效率
总结
通过对libavif项目fuzz测试构建系统的优化,我们实现了编译效率的提升。这种优化思路也可以应用于其他类似的项目中,特别是那些包含多个测试目标且共享公共代码的项目。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
Spark-Prover-X1-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
317
2.74 K
仓颉编译器源码及 cjdb 调试工具。
C++
124
852
Ascend Extension for PyTorch
Python
157
178
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++
639
246
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
242
85
暂无简介
Dart
606
136
React Native鸿蒙化仓库
JavaScript
239
310
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
470
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
364
3.02 K