[Golang] 實現跨平台編譯的CGO交叉編譯：解鎖Go語言開發的更多可能

實現跨平台編譯的CGO交叉編譯：解鎖Go語言開發的更多可能

在現代軟體開發中，跨平台支援已經成為一個重要的議題。不同的平台可能需要不同的二進位檔案格式或庫，這導致了開發者需要在多個平台上進行編譯。如果你使用的是Go語言，你有幸可以利用CGO交叉編譯來實現這一點。

CGO交叉編譯的基本概念

在沒有使用CGO的情況下，Go語言的交叉編譯非常簡單，只需使用少量的參數即可完成。以下是一個例子：

CGO_ENABLED=0 GOOS=linux GOARCH=amd64 go build

在這個命令中，我們使用了CGO_ENABLED=0來關閉CGO，然後通過GOOS和GOARCH來指定目標平台為Linux，架構為amd64。這樣我們就可以在不使用CGO的情況下進行編譯。

另外，我們還可以使用-ldflags選項來添加一些編譯選項，例如去除調試信息、靜態編譯等。以下是一個帶有這些選項的例子：

CGO_ENABLED=0 GOOS=linux GOARCH=amd64 go build -ldflags '-s -w --extldflags "-static -fpic"' main.go

CGO的挑戰與解決辦法

然而，當我們需要使用CGO進行交叉編譯時，情況就變得複雜了。CGO（C Go調用）允許Go語言調用C函數，但這對於交叉編譯來說可能是一個障礙，因為不同的平台可能有不同的C庫。

在這種情況下，我們需要關閉CGO，並使用專門的編譯器和選項。以下是一個示例，展示了如何使用CGO進行交叉編譯：

CGO_ENABLED=1 GOOS=linux GOARCH=amd64 CC=x86_64-linux-musl-gcc CGO_LDFLAGS="-static" go build -a -v

在這個命令中，我們將CGO_ENABLED設置為1，以啟用CGO。然後，我們通過CC環境變數指定GCC編譯器，並使用CGO_LDFLAGS來指定CGO部分的編譯為靜態編譯。這樣我們就可以實現帶有CGO的交叉編譯。

跨平台編譯工具的應用

如果你是在macOS平台上進行開發，你可以通過一個名為musl-cross的工具來簡化交叉編譯的過程。以下是如何使用這個工具的步驟：

1. 通過Homebrew安裝musl-cross工具：

brew install FiloSottile/musl-cross/musl-cross

2. 安裝成功後，你可以使用musl-cross工具來實現交叉編譯。只需在編譯命令中指定編譯器和參數即可：

CGO_ENABLED=1 GOOS=linux GOARCH=amd64 CC=x86_64-linux-musl-gcc CGO_LDFLAGS="-static" go build -a -v

結語

CGO交叉編譯是一個強大的工具，使得Go語言開發者能夠在不同的平台上進行開發和部署。無論是對於沒有CGO的純Go項目，還是帶有CGO的項目，我們都可以透過適當的參數和工具，輕鬆實現跨平台編譯的目標。這種靈活性為我們的開發帶來了更多可能性，使得我們能夠更方便地在不同的環境中進行測試和部署。

參考資料：

[Go語言涉及CGO的交叉編譯(跨平台編譯)解決辦法]
[FiloSottile/musl-cross - GitHub Repository] (https://github.com/FiloSottile/musl-cross)

在 Docker 中使用 Koko 工具創建網絡連接的示例

在 Docker 環境中，經常需要創建不同容器之間的網絡連接以及配置網絡參數。Koko 是一個工具，可以幫助我們在 Docker 容器中設置網絡連接。本文將介紹如何使用 Koko 工具在 Docker 容器中創建網絡連接，並顯示一些示例命令。

1.創建獨立的網絡連接

首先，我們可以使用以下命令在兩個 Ubuntu 容器之間創建獨立的網絡連接：

sudo docker run --network none -dt --name ubuntu1 ubuntu:bionic /bin/bash
sudo docker run --network none -dt --name ubuntu2 ubuntu:bionic /bin/bash

這將在兩個容器之間創建一個隔離的網絡環境，使它們能夠相互通信。

2.在容器中創建veth對

接下來，我們可以使用以下命令容器在主機和主機之間創建 veth 對：

sudo ./koko -c net1 -d k8s_helloworld-python_helloworld-python_default_409cdca7-6c2a-45bf-a885-a5e6794f34c1_22,net1,10.200.0.2/24
sudo ./koko -c net2 -d k8s_helloworld-python-access-pod_helloworld-python-access-pod_default_36bf5089-8791-44dc-aa0c-40d1bd09a8c4_22,net1,10.200.0.3/24

接下來的命令將在容器和主機之間創建兩個 veth 對 net1 和 net2，並為它們分配 IP 地址。

3.創建橋接網絡

我們可以通過以下步驟創建一個橋接網絡放置veth對連接到橋接接口：

sudo ip l a br0 type bridge
sudo ip l s br0 up
sudo ip l s net1 master br0
sudo ip l s net2 master br0

這將創建一個名為 br0 的橋接接口，把 net1 和 net2 連接到這個橋接接口上。

4. 在命名空間中顯示IP地址

要顯示容器中的IP地址，我們可以使用以下命令：

sudo docker exec -it k8s_micro-apm_micro-apm-qj76q_kube-system_5bd48be1-5530-4811-a546-1d4a688343a2_3 ip addr | grep -P "^\d|inet "
sudo docker exec -it k8s_helloworld-python_helloworld-python_default_409cdca7-6c2a-45bf-a885-a5e6794f34c1_22 ip addr | grep -P "^\d|inet "
sudo docker exec -it k8s_helloworld-python-access-pod_helloworld-python-access-pod_default_36bf5089-8791-44dc-aa0c-40d1bd09a8c4_22 ip addr | grep -P "^\d|inet "
sudo docker exec -it k8s_micro-apm_micro-apm-qj76q_kube-system_5bd48be1-5530-4811-a546-1d4a688343a2_3 ping -c5 10.200.0.2

這些命令將顯示容器中的 IP 地址，並且最後一條命令還會在容器之間執行 Ping 測試。

5.清理網絡連接

最後，我們可以使用以下命令來清理網絡連接：

sudo ./koko -D k8s_micro-apm_micro-apm-qj76q_kube-system_5bd48be1-5530-4811-a546-1d4a688343a2_3,net1
sudo ./koko -D k8s_helloworld-python_helloworld-python_default_409cdca7-6c2a-45bf-a885-a5e6794f34c1_22,net1
sudo ./koko -D k8s_helloworld-python-access-pod_helloworld-python-access-pod_default_36bf5089-8791-44dc-aa0c-40d1bd09a8c4_22,net1
sudo ip l d br0

在創建網絡連接和橋接接口之前將清理命令。

結論

通過這些示例命令，我們可以在 Docker 容器中使用 Koko 工具來創建、管理和清理網絡連接，滿足不同的網絡配置需求。希望本文能夠幫助您更好地理解如何在 Docker 環境中進行網絡設置。

[TensorFlow Lite] TensorFlow Lite 有用的工具

TensorFlow Lite Tool: Toco (轉換器)

toco是用來生成一個可供TensorFlow Lite框架使用tflite文件。

bazel 編譯方式
$ bazel build tensorflow/lite/toco:toco

程式位於tensorflow/lite/toco資料夾下。Toco有三個主要功能，即匯入、匯出和轉換。匯入將輸入轉為Model類別，匯出將模型轉為flite模型或是grpahviz。轉換以輸入標示為基礎對模型操作，並且它會刪除未使用的運算元等。

[Raspberry Pi] Install TensorFlow Lite on Raspberry Pi 4

Build TensorFlow Lite Static Library on Raspberry Pi 4

I found a very useful resource about installing TensorFlow Lite 2.* on Raspberry Pi 4 as follows: https://qengineering.eu/install-tensorflow-2-lite-on-raspberry-pi-4.html

It's about to build TensorFlow Lite static library in version 2.4 :

# the tools needed

[Raspberry Pi] Install TensorFlow 2.2 and OpenCV 4.4.0 on Raspberry Pi 4 and use Neural Compute Stick 2

So far as we have known that Raspberry Pi 4, which is based on ARMv7 Processor rev 3 (v7l), has much more CPU computing power than previous generations. Neural Compute Stick 2(NCS 2) is a Plug and Play Development Kit for AI Inferencing via USB. Fortunately, I have both of them. Because of that, I was just wondering how to use them at the same time. The first idea coming to my mind is about AI inferencing. If we can have Tensorflow installed on it and do inferencing using NCS 2, that will be great. 

[Golang] Golang with Cgo 動態連結(dynamic linking) 函式庫範例與筆記 in Linux environment

之前曾經動手實作並測試Golang with Cgo 動態連結(dynamic linking) 與 靜態連結(static linking)函式庫範例用在Windows環境，相關內容整理在這篇:

[Golang] Golang with Cgo 動態連結(dynamic linking) 與 靜態連結(static linking)函式庫範例與筆記 in Windows environment

最近看到一篇 "最简单的cgo示例"，既簡單且完整的示範了Golang with Cgo 動態連結(dynamic linking) 函式庫範例在Linux環境，個人將其改寫並放到github上: 

[Golang] Golang應用程式使用TensorFlow/TensorFlow Lite(TFLite)/Tensorflow Serving 的方法整理

Golang應用程式使用TensorFlow 或是 Tensorflow Lite(TFLite) 的前提是必須要有Tensorflow C 函式庫 或是 TensorFlow Lite C 函式庫，一般來說，比較少情況會是用Golang應用程式使用TensorFlow透過TensorFlow C 函式庫，因為未經過最佳化而效能不佳。Golang應用程式使用TensorFlow Lite(TFLite) 透過TensorFlow Lite C 函式庫會是效能較好的其中一種方式。以下將整理相關資訊來說明:

[Offensive Security] eBPF、K8S與Offensive Security相關議題之研究

 資安議題已經是越來越火熱的項目，本篇主要目的是進行eBPF、K8S與Offensive Security相關議題之研究，以便於掌握目前之發展狀況。