Windows交叉编译Linux GCC/NVCC详解: MinGW, Docker, WSL

2025-01-04 13:47:38

Windows环境下交叉编译 Linux GCC 和 NVCC

构建可以在Windows上运行并生成Linux可执行文件的GCC或NVCC，是许多开发人员面临的挑战。此过程并不简单，因为它涉及到目标平台的体系结构和库兼容性。此文章讨论此问题，分析根本原因，并给出相应的解决方案。

挑战：直接在Windows上重编译Linux版GCC

使用MinGW G++ 或 VSC++编译Linux版GCC的源代码，并生成可在Windows下执行的编译器，从概念上讲是可行的，但实际上很复杂。GCC是一个庞大的项目，其编译过程高度依赖于目标平台（此处即 Linux）特定的系统库和头文件。

直接用Windows的编译器来编译 GCC，会导致很多错误，例如缺少必要的POSIX兼容层、路径处理差异以及体系结构兼容性问题。最重要的是，生成的可执行文件运行的目的是调用 Linux 操作系统服务，而在 Windows 环境中这些服务不可用。简单来说，Windows 版的编译器不可能生成原生在Linux上跑的应用。

可选方法：交叉编译环境

解决这一问题，关键是搭建一个交叉编译环境 。

交叉编译意味着在一个平台（构建主机）上生成另一个平台（目标主机）的可执行代码。对于我们的情况，构建主机是Windows，目标主机是Linux。这里主要涉及两种常用的交叉编译方法：

MinGW-w64 工具链： MinGW-w64项目提供了一组针对Windows的工具链，可以生成适用于不同目标体系结构（包括Linux x86_64）的可执行文件。
使用 Docker： 通过Docker创建Linux容器，其中包含了需要的编译工具链，并将代码在Linux环境下编译。

解决方案： MinGW-w64 交叉编译

使用 MinGW-w64 提供的工具链，可以方便地在Windows环境下编译出可在Linux上运行的GCC。流程如下：

安装 MinGW-w64： 从 MinGW-w64 的官方网站下载适合你的 Windows 平台的版本。安装时，注意选择正确的体系结构（x86_64 for Linux 64-bit），并选择 'posix' 或 'seh' 线程模型。此外, 安装目标环境需设置为x86_64-w64-mingw32或者x86_64-w64-mingw32，具体取决于构建目标。
设置环境变量： 将 MinGW-w64 安装目录中的bin 文件夹添加到系统的 PATH 环境变量中。这样，就可以直接在命令行使用交叉编译工具链。
编写简单的测试代码（hello.c）：

    #include <stdio.h>

    int main() {
        printf("Hello from Linux!\n");
        return 0;
    }

使用交叉编译器编译： 在命令提示符下，运行以下指令：

    x86_64-w64-mingw32-gcc hello.c -o hello-linux

这行指令使用`x86_64-w64-mingw32-gcc` （为Linux x86-64 平台设计的 GCC 交叉编译器），编译`hello.c` 文件并生成可执行文件`hello-linux` 。这个文件是为Linux平台构建的，不应在Windows直接运行。

验证（在Linux系统下）： 将编译出来的hello-linux文件传送到Linux环境下，添加执行权限(chmod +x hello-linux) ，执行文件，即可看到预期的输出。

该方法提供了一个可靠的途径来生成能在Linux环境下运行的可执行文件，而无需在Linux系统中安装编译环境。

额外安全提示：

确保下载 MinGW-w64 工具链的来源可靠，防止下载恶意软件。此外，应当小心管理生成的 Linux 可执行文件，确保它们的来源可靠，避免运行时执行恶意代码。

挑战：NVCC 在Windows环境下的局限

NVCC是NVIDIA CUDA 编译器的驱动程序，它将 CUDA C/C++ 代码编译为能在NVIDIA GPU上运行的指令。 Windows 版本的NVCC 通常依赖于 Visual Studio 的 cl.exe 编译器，而且，其核心组件构建时也会对 Windows 特定路径有依赖。试图将其链接至其他编译器（如 MinGW G++），往往会引发兼容性问题，因为它和 Linux 版本的 CUDA Toolkits 的编译逻辑完全不同。

此外， NVCC 本身也会调用底层的CUDA工具链。 NVCC 的目标就是产生一个可执行程序。所以，如果要用 Windows 环境下NVCC编译出的文件能在 Linux 下运行，就需要找到一个 Linux 环境下能够产生可在Linux 上跑的可执行程序编译器（通常是 gcc），并且告诉Windows下的NVCC使用Linux下的gcc来编译，但这并非易事。

解决思路：利用 WSL 或 Docker

Windows 下 NVCC 为何不能编译Linux下的可执行程序，本质上是缺少 Linux 的执行环境。所以解决方案的方向便是搭建一个模拟Linux环境进行编译。目前推荐的主要思路就是利用 Windows 下的 WSL(Windows Subsystem for Linux) 或者 Docker 环境：

安装 WSL 或 Docker: 两种方式都可以构建一个隔离的Linux环境。 WSL安装配置相对简单，可以直接访问Windows下的文件系统。Docker需要自行构建一个含有cuda的镜像，稍复杂一些，但是更灵活和可移植。
在 WSL 或 Docker 环境安装 Linux 版本的 CUDA Toolkits：
下载并安装与 Linux 发行版匹配的CUDA Toolkit。
在 WSL 环境或 Docker容器内使用NVCC编译： 使用 Linux 版本的 NVCC 和对应的编译工具链，可以直接编译并产生为 Linux 目标设计的 CUDA 代码。比如在 Docker 中，可执行命令:

docker run --gpus all -it --rm -v $(pwd):/app -w /app  nvidia/cuda:12.0.1-devel-ubuntu22.04 \
 bash -c "nvcc your_cuda_file.cu -o your_cuda_executable -arch=sm_70 && ./your_cuda_executable"

 # 或者简化写法：
 docker run --gpus all -it --rm -v $(pwd):/app -w /app nvidia/cuda:12.0.1-devel-ubuntu22.04 nvcc your_cuda_file.cu -o your_cuda_executable -arch=sm_70

在上面命令中：
* `--gpus all`  指定 Docker 可以访问宿主机的全部 GPU 资源。
*  `-it --rm`  启用交互模式并用完后自动移除容器。
*  `-v $(pwd):/app -w /app` 将主机当前目录挂载到 Docker 容器的 `/app` 目录并切换工作目录。
*   `nvidia/cuda:12.0.1-devel-ubuntu22.04` 使用 Nvidia 官方提供的包含了 CUDA 环境和 Ubuntu 22.04 的镜像，请根据你的需求选择正确的 CUDA 镜像版本和 Linux 系统版本。
*   `nvcc your_cuda_file.cu -o your_cuda_executable -arch=sm_70` 利用 Linux 版 NVCC 编译。
 其中`-arch=sm_70`  指明了目标 GPU 的架构， 根据自己GPU 的架构进行相应修改。
* `&& ./your_cuda_executable`  表示编译完后执行程序 (只有测试需要， 正式应用可以去掉).

 同样， 你可以在 WSL 环境执行编译过程：

 ```bash
 nvcc your_cuda_file.cu -o your_cuda_executable -arch=sm_70
 ./your_cuda_executable
 ```

  以上代码中，`your_cuda_file.cu` 为你的CUDA源代码文件。 `your_cuda_executable`为可执行文件的名称。