惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

A
Arctic Wolf
T
Tenable Blog
T
Troy Hunt's Blog
Exploit-DB.com RSS Feed
Exploit-DB.com RSS Feed
P
Privacy & Cybersecurity Law Blog
NISL@THU
NISL@THU
Application and Cybersecurity Blog
Application and Cybersecurity Blog
H
Hacker News: Front Page
S
Secure Thoughts
AWS News Blog
AWS News Blog
L
LINUX DO - 最新话题
D
Darknet – Hacking Tools, Hacker News & Cyber Security
M
MIT News - Artificial intelligence
T
Tor Project blog
S
Schneier on Security
PCI Perspectives
PCI Perspectives
OSCHINA 社区最新新闻
OSCHINA 社区最新新闻
美团技术团队
Google DeepMind News
Google DeepMind News
V
Visual Studio Blog
爱范儿
爱范儿
Google DeepMind News
Google DeepMind News
Cyberwarzone
Cyberwarzone
T
The Exploit Database - CXSecurity.com
罗磊的独立博客
T
Threat Research - Cisco Blogs
Recent Commits to openclaw:main
Recent Commits to openclaw:main
V
V2EX
C
CXSECURITY Database RSS Feed - CXSecurity.com
Stack Overflow Blog
Stack Overflow Blog
freeCodeCamp Programming Tutorials: Python, JavaScript, Git & More
G
GRAHAM CLULEY
L
LINUX DO - 热门话题
D
Docker
J
Java Code Geeks
GbyAI
GbyAI
H
Heimdal Security Blog
The Hacker News
The Hacker News
MongoDB | Blog
MongoDB | Blog
V
Vulnerabilities – Threatpost
T
Tailwind CSS Blog
Cloudbric
Cloudbric
TaoSecurity Blog
TaoSecurity Blog
C
CERT Recently Published Vulnerability Notes
Y
Y Combinator Blog
Recorded Future
Recorded Future
Cisco Talos Blog
Cisco Talos Blog
T
Threatpost
The Register - Security
The Register - Security
Hacker News - Newest:
Hacker News - Newest: "LLM"

博客园 - GDOUJKZZ

【AI应用】【声纹识别】一、mini io 来构建高可用的文件存储方案 【AI】第五篇 大话说神经网络第一篇 docker 目录下的overlay2层的太多,导致占用大量占用磁盘空间怎么办呢。【docker目录清理】 【AI】第四篇 什么是神经网络 【AI】第三篇 RAG是什么 【AI】前置篇 Ai Agent的全貌概览 【AI】第二篇 为什么会有神经网络 【AI】第一篇 语言模型的前世 n-gram的简单介绍 【一】AI赋能 javascript里面的var let const关键字区别和使用 学习心态 从应用开发转到大数据开发 一分钟RequireJS介绍 .NET 6 在小并发下如何生成唯一单据号 垃圾回收机制简单理解 NPOI导出大量数据的避免OOM解决方案【SXSSFWorkbook】 递归有环问题解决方案 C# 使用NPOI处理Excel模板-【前面部分固定,中间是动态的几行,尾部是固定的部分】 高并发的场景下,如何保证生产者投递到消息中间件的消息不丢失
.net 8程序如何在信创的arm64架构下运行【nuget包如何判断能不能在arm架构跑呢】
GDOUJKZZ · 2026-02-24 · via 博客园 - GDOUJKZZ

  最近有些老的应用需要进行信创改造,其中需要依赖到一些包和库。

      首先我们的应用是跑在docker上的,然后打包一个arm的.net 7或者8的运行时,就OK了。

      先说我碰到的坑,就是有些dll,在arm架构下加载不了。原因是因为有些dll不是纯C#代码,包含了一些第三方的C++代码,通过DllImport 引入的,之前dllImport对应的动态链接库,没有提供arm架构的版本,所以导致跑不起来报错,于是变详细的了解一下整个过程。

      假设我们定义了一个Common的类库

情况一:Common 类库是纯 C# 代码(最常见)

  如果你的 Common 类库:

  • ✅ 只包含 C# 代码

  • ✅ 没有使用 DllImport 调用 native 库

  • ✅ 没有引用包含 native 代码的第三方包

  • ✅ 没有使用平台特定的 API(如 Windows Registry)

 那你什么都不用做! 现有的 AnyCPU 版本可以直接在 ARM 上运行。

情况二:Common 类库包含 native 代码

如果你的 Common 类库:

  • ❌ 使用了 DllImport 调用自定义的 C/C++ 库

  • ❌ 依赖了一些需要平台特定编译的第三方 native 库

  • ❌ 包含了针对特定 CPU 优化的算法(如 Intel MKL)

这时才需要为 ARM 单独打包。

如何判断你的库是否包含 native 代码?

检查你的 .csproj 文件或代码中是否有:

或者查看依赖的 NuGet 包是否包含 runtimes 文件夹。

情况三:Common 类库依赖了第三方包

场景 A:依赖的包支持 ARM(大多数现代包都支持)

检查你引用的第三方包是否已经支持 ARM。比如在 NuGet.org 上查看包详情,看它是否包含 runtimes/linux-arm64 目录。

如果依赖的包已经支持 ARM,你的 AnyCPU 库在 ARM 上也能正常工作。

场景 B:依赖的包不支持 ARM

如果某个依赖包只有 x64 版本,那你的库在 ARM 上可能会失败。这时你有几个选择:

  1. 寻找替代包:找同样功能但支持 ARM 的包

  2. 联系包作者:请求添加 ARM 支持

  3. 自己打包:为这个依赖包创建 ARM 版本(如果有源码)