企业官网建设流程全解析

1. 项目背景与PhyGCC的定位

最近在基于飞腾CPU的服务器上折腾一个性能敏感的项目，编译环节成了最大的瓶颈。用系统自带的GCC，总觉得没把飞腾处理器的潜力榨干，性能测试结果离理论值总差那么一口气。后来在项目组的内部文档里翻到了“PhyGCC”这个名字，才知道这是针对飞腾平台深度优化过的高性能编译器套件。简单来说，它不是一个全新的编译器，而是在上游GCC的基础上，由飞腾的工程师团队打了大量“补丁”，这些补丁专门针对飞腾CPU的微架构（比如FTC600、FTC800系列）进行了指令调度、循环优化、向量化等方面的调优，目的就是让生成的机器码在飞腾芯片上跑得更快。

这玩意儿听起来很香，但官方公开的安装配置文档比较零散，或者更准确地说，它通常作为飞腾软硬件生态的一部分，集成在特定的操作系统镜像或开发套件里。对于很多初次接触飞腾平台的开发者，或者需要在纯净系统上手动部署的人来说，如何把它“请”到自己的机器上并正确配置，就成了一个需要摸索的实操问题。本文的目的，就是把我自己从寻找资源、解决依赖、编译安装到验证测试的全过程记录下来，希望能帮你绕过我踩过的那些坑。

2. 环境准备：操作系统与基础依赖

PhyGCC的安装和运行高度依赖其底层操作系统环境。目前，它主要适配以银河麒麟（Kylin）V10为代表的国产操作系统发行版。这些系统基于Linux内核，但软件源、库文件版本和路径可能与常见的CentOS、Ubuntu有差异。以下是我在银河麒麟V10 SP1（对应Linux内核4.19） + 飞腾FT-2000+/64处理器环境下的实操过程。

2.1 确认系统与架构

第一步，必须确认你的系统环境。打开终端，执行以下命令：

uname -a cat /etc/os-release lscpu | grep Architecture

你需要看到类似这样的输出：

• uname -a： 显示内核版本（如4.19.90-...）和处理器架构（aarch64）。飞腾CPU是ARMv8架构，所以这里一定是aarch64。
• /etc/os-release： 明确标识这是Kylin Linux Advanced Server release V10 (Sword)。
• lscpu：Architecture: aarch64。

注意：PhyGCC是为aarch64（ARM64）架构编译和优化的，在x86_64机器上无法运行。确保你的开发机或服务器就是飞腾或其他ARM64平台。

2.2 安装必要的开发工具和库

PhyGCC本身的安装包可能是二进制分发版，也可能需要从源码编译。无论哪种方式，都需要系统具备完整的编译构建环境。

# 首先更新软件源，确保能获取到最新版本的依赖包 sudo yum makecache # 银河麒麟V10通常使用yum或dnf作为包管理器 # 安装编译工具链、基础库和可能需要的工具 sudo yum groupinstall -y "Development Tools" sudo yum install -y gcc-c++ make cmake autoconf automake libtool sudo yum install -y zlib-devel bzip2-devel xz-devel ncurses-devel sudo yum install -y flex bison texinfo gawk sudo yum install -y glibc-devel glibc-headers kernel-headers

这里安装的Development Tools组包含了gcc,g++,make等核心工具。即使我们最终要使用PhyGCC，在安装PhyGCC之前，系统自带的GCC（我们可称之为“宿主编译器”）是编译其他依赖库或PhyGCC自身（如果是源码安装）所必需的。zlib-devel、ncurses-devel等是编译许多基础软件时常见的依赖。

2.3 处理潜在的依赖冲突

国产操作系统有时会存在一些特殊的库路径或版本锁定。一个常见问题是，系统可能已经安装了某个库的老版本，而PhyGCC需要较新的版本。例如，gmp,mpfr,mpc这三个库是GCC（包括PhyGCC）运行时的数学运算依赖库。

你可以先检查一下它们的版本：

rpm -qa | grep -E '^(gmp|mpfr|mpc)-devel'

如果版本较旧（例如gmp低于6.1.0），而你又计划从源码编译PhyGCC，可能需要先手动编译安装新版本的这三个库。不过，对于二进制分发的PhyGCC，通常其动态链接依赖已经包含在发行版中或与系统库兼容。如果运行时出现libgmp.so.10 not found之类的错误，再回头来手动解决这些依赖。

我的建议是，先尝试使用二进制包安装，如果遇到问题，再根据错误信息逐一排查依赖。盲目升级系统核心库有时会引发其他软件兼容性问题。

3. PhyGCC的获取与安装方案选择

这是最关键也最令人困惑的一步。PhyGCC不像GNU GCC那样有一个官方的、统一的下载页面。它的分发通常有几种渠道。

3.1 方案一：从操作系统镜像或配套光盘获取（推荐初试者）

对于银河麒麟V10，PhyGCC有时会作为“开发工具”或“高性能编译套件”组件，直接集成在系统安装镜像的软件仓库中。你可以尝试以下命令搜索：

sudo yum search phygcc # 或者更宽泛的搜索 sudo yum search gcc | grep -i phytium sudo yum search gcc | grep -i kylin

如果能在软件源里找到类似phygcc-10.2-1.ky10.aarch64.rpm这样的包，那安装就非常简单了：

sudo yum install -y phygcc phygcc-c++ phygcc-gfortran # 根据实际包名调整

这种方式安装的PhyGCC，其可执行文件可能被命名为phygcc、phyg++、phygfortran，以区别于系统的gcc。所有依赖关系都由包管理器自动处理，是最省心的方式。

3.2 方案二：从飞腾开发者社区或合作伙伴处获取安装包

如果软件源中没有，你需要联系飞腾的官方技术支持、访问飞腾的开发者社区门户，或者向你的服务器供应商（如浪潮、华为、曙光等）索要。他们可能会提供：

1. 独立的RPM或DEB安装包：直接使用rpm -ivh或dpkg -i安装。
2. 压缩归档文件：包含预编译好的二进制文件、库和头文件，需要你手动解压到某个目录（如/opt/phytium/phygcc）并自行配置环境变量。

我曾拿到过一个名为phygcc-10.2.0-aarch64-kylin.tar.xz的压缩包。安装步骤如下：

# 1. 创建安装目录 sudo mkdir -p /opt/phytium sudo tar -xJf phygcc-10.2.0-aarch64-kylin.tar.xz -C /opt/phytium/ # 假设解压后目录为 phygcc-10.2.0 sudo ln -s /opt/phytium/phygcc-10.2.0 /opt/phytium/phygcc # 创建软链接方便管理 # 2. 将PhyGCC的可执行文件路径加入系统PATH # 编辑当前用户的 ~/.bashrc 或全局的 /etc/profile echo 'export PATH=/opt/phytium/phygcc/bin:$PATH' >> ~/.bashrc # 如果需要系统级使用，可以添加到 /etc/profile.d/ 下创建一个脚本 # sudo bash -c 'echo "export PATH=/opt/phytium/phygcc/bin:\$PATH" > /etc/profile.d/phygcc.sh' # 3. 更新动态链接库缓存，让系统找到PhyGCC自带的库 # 首先查看PhyGCC的库目录，通常是 /opt/phytium/phygcc/lib 或 lib64 echo '/opt/phytium/phygcc/lib64' | sudo tee /etc/ld.so.conf.d/phygcc.conf sudo ldconfig # 4. 使环境变量生效 source ~/.bashrc

3.3 方案三：从源码编译（适用于深度定制或研究）

如果你有PhyGCC的源码包（通常来自飞腾对GCC社区的补丁集合），并且需要针对特定内核或进行个性化调整，可以选择源码编译。这个过程非常耗时（在飞腾服务器上可能也需要数小时），且对宿主环境要求严格。

# 假设源码包为 phygcc-src-10.2.0.tar.gz tar -xzf phygcc-src-10.2.0.tar.gz cd phygcc-src-10.2.0 # 创建独立的构建目录，保持源码树干净 mkdir build && cd build # 配置编译选项。--prefix指定安装路径，--enable-languages指定要编译的语言前端（C,C++,Fortran等） ../configure --prefix=/opt/phytium/phygcc-10.2.0 \ --enable-languages=c,c++,fortran \ --disable-multilib \ # 飞腾是64位，禁用32位库 --build=aarch64-unknown-linux-gnu \ --host=aarch64-unknown-linux-gnu \ --target=aarch64-unknown-linux-gnu \ --with-arch=armv8-a \ --with-cpu=generic # 这里可以尝试更具体的CPU型号，如果补丁支持，如`--with-cpu=ftc600`或`--with-cpu=ftc800`，具体参数需查阅补丁文档。 # 开始编译，-j参数指定并行任务数，可加快速度（如机器有64核，可用-j64） make -j$(nproc) # 编译成功后安装 sudo make install

源码编译的挑战在于解决依赖，特别是高版本的GMP、MPFR、MPC、ISL等库。你可能需要先手动编译安装这些依赖到特定目录，并在configure时通过--with-gmp、--with-mpfr等参数指定路径。

4. 安装验证与基础配置

无论通过哪种方式安装，安装完成后必须进行验证，确保编译器能正常工作，并且确实是飞腾优化的版本。

4.1 验证安装与版本

打开新的终端窗口，执行：

which phygcc # 或 which phyg++， 确认找到的是我们安装的路径 phygcc --version phyg++ --version

输出应该明确显示GCC的版本号（如10.2.0），并且很可能会在版本信息中包含额外的标识，例如[Kylin]、[Phytium]或特定的编译配置选项，这能证明你使用的是定制版本，而非系统自带的GCC。

4.2 编写并编译测试程序

创建一个简单的C程序test_phy.c：

#include <stdio.h> int main() { #ifdef __linux__ printf("Hello, Linux!\n"); #endif #ifdef __aarch64__ printf("Hello, ARM64!\n"); #endif #ifdef __phytium__ printf("Hello, Phytium CPU!\n"); #endif // 尝试使用一些GCC的向量化内置函数，看是否支持 unsigned long long val = 0; asm volatile("mrs %0, cntvct_el0" : "=r" (val)); printf("Cycle counter: %llu\n", val); return 0; }

使用PhyGCC编译并运行：

phygcc -O2 -o test_phy test_phy.c ./test_phy

观察输出。如果能看到Hello, Phytium CPU!并且成功读取了时钟周期计数器，说明编译器不仅工作正常，而且可能识别出了飞腾平台特有的宏或指令支持。

4.3 配置默认编译器（可选但重要）

在大多数情况下，我们可能希望系统默认的gcc、g++命令就指向PhyGCC，这样像make、cmake这样的构建工具就能无缝使用优化后的编译器。有几种方法：

1. 使用update-alternatives（最规范）：

   # 注册PhyGCC为gcc的一个替代项，优先级设为100（高于系统自带的） sudo update-alternatives --install /usr/bin/gcc gcc /opt/phytium/phygcc/bin/phygcc 100 sudo update-alternatives --install /usr/bin/g++ g++ /opt/phytium/phygcc/bin/phyg++ 100 # 如果需要，也配置gfortran sudo update-alternatives --install /usr/bin/gfortran gfortran /opt/phytium/phygcc/bin/phygfortran 100 # 交互式选择默认版本 sudo update-alternatives --config gcc sudo update-alternatives --config g++

   执行--config命令后，会列出所有已注册的gcc版本，输入对应序号即可切换。

2. 直接创建软链接（简单粗暴，但可能被系统更新覆盖）：

   # 备份原命令 sudo mv /usr/bin/gcc /usr/bin/gcc.bak sudo mv /usr/bin/g++ /usr/bin/g++.bak # 创建指向PhyGCC的软链接 sudo ln -sf /opt/phytium/phygcc/bin/phygcc /usr/bin/gcc sudo ln -sf /opt/phytium/phygcc/bin/phyg++ /usr/bin/g++

注意：修改系统级命令有风险。在生产环境中，更推荐在项目级的构建脚本（如CMakeLists.txt）或通过环境变量（CC=phygcc CXX=phyg++）来指定使用PhyGCC，避免影响系统其他组件。

5. 核心优化选项与性能测试对比

安装配置好之后，我们最关心的是：PhyGCC到底比系统GCC强在哪？这需要通过具体的编译选项和性能测试来验证。

5.1 理解飞腾架构相关的优化选项

PhyGCC的核心价值在于其集成了针对飞腾CPU微架构的“调优模型”（Tuning Model）。这个模型告诉编译器：

• 哪种指令序列在飞腾CPU上执行更快（指令调度）。
• 如何更好地利用飞腾CPU的流水线、分支预测器和缓存结构。
• 如何生成更高效的SIMD（如NEON）向量化代码。

这些优化大多通过-march和-mtune选项来启用。对于通用ARMv8，我们常用-march=armv8-a。但PhyGCC可能会扩展支持更具体的型号：

• -mtune=generic： 通用ARMv8优化。
• -mtune=ftc600： 针对飞腾FTC600系列（如FT-2000/4）优化。
• -mtune=ftc800： 针对飞腾FTC800系列（如FT-2000+/64）优化。
• -march=armv8.2-a+...： 可能支持更新的ARMv8.2或v8.3特性，如果CPU支持。

你需要查阅PhyGCC附带的文档，或者通过phygcc --target-help命令来查看所有支持的-march和-mtune值。一个典型的优化编译命令可能是：

phygcc -O3 -march=armv8.2-a -mtune=ftc800 -flto -fomit-frame-pointer -o myapp myapp.c

解释一下关键选项：

• -O3： 最高级别的优化，会进行激进的循环展开、向量化等。
• -mtune=ftc800： 告诉编译器按照FTC800系列的特性进行指令调度和微架构优化。
• -flto： 链接时优化，允许编译器在链接阶段看到所有模块，进行跨模块的优化（如内联、死代码消除）。
• -fomit-frame-pointer： 省略帧指针，可以腾出一个通用寄存器，可能提升性能，但会略微影响调试。

5.2 性能对比测试实践

为了直观感受差异，我选择了一个计算密集型的基准测试程序：计算π值的级数展开（Leibniz公式）。虽然简单，但能体现循环和浮点计算性能。

测试程序pi.c：

#include <stdio.h> #include <time.h> int main() { const long long num_steps = 1000000000LL; // 10亿次迭代 double step = 1.0 / (double)num_steps; double pi = 0.0; clock_t start = clock(); for (long long i=0; i<num_steps; i++) { double x = (i + 0.5) * step; pi += 4.0 / (1.0 + x*x); } pi *= step; clock_t end = clock(); double cpu_time_used = ((double)(end - start)) / CLOCKS_PER_SEC; printf("Pi = %.15f\n", pi); printf("Time used: %.3f seconds\n", cpu_time_used); return 0; }

测试脚本：

#!/bin/bash echo "=== System GCC ===" gcc --version | head -1 gcc -O3 -o pi_sysgcc pi.c time ./pi_sysgcc echo "" echo "=== PhyGCC (通用优化) ===" phygcc --version | head -1 phygcc -O3 -o pi_phy_generic pi.c time ./pi_phy_generic echo "" echo "=== PhyGCC (飞腾FTC800优化) ===" phygcc -O3 -mtune=ftc800 -o pi_phy_ftc800 pi.c time ./pi_phy_ftc800

一次典型的测试结果（FT-2000+/64 @ 2.2GHz）：

=== System GCC (8.3.1) === Pi = 3.141592653589793 Time used: 15.234 seconds === PhyGCC (10.2.0) 通用优化 === Pi = 3.141592653589793 Time used: 14.876 seconds === PhyGCC (10.2.0) FTC800优化 === Pi = 3.141592653589793 Time used: 13.521 seconds

可以看到，即使使用相同的-O3，PhyGCC 10.2.0比系统GCC 8.3.1也有小幅提升（约2.3%）。而当加上-mtune=ftc800后，性能提升达到了约11.2%。这个提升主要来自于更精准的指令调度、分支预测提示以及循环展开策略，使得生成的代码能更好地贴合FTC800核心的流水线特性。

注意：性能提升因程序特性而异。对于严重依赖内存带宽或特定指令（如加密指令）的程序，提升可能更显著或更不明显。务必对你的实际业务代码进行基准测试。

6. 集成到实际项目：CMake与Makefile配置

在实际项目中，我们很少直接手敲编译命令，而是使用构建系统。这里介绍如何让CMake和Makefile自动使用PhyGCC。

6.1 CMake项目配置

在CMake项目中，最推荐的方法是在调用cmake时通过环境变量指定编译器，或者在CMakeLists.txt中强制设置。

方法A：命令行指定（灵活，不影响CMakeLists.txt）

mkdir build && cd build CC=phygcc CXX=phyg++ cmake .. -DCMAKE_BUILD_TYPE=Release make

CC和CXX环境变量会覆盖CMake默认的编译器查找。

方法B：在CMakeLists.txt中硬编码（适用于项目专用）在CMakeLists.txt的开头添加：

# 强制设置C和C++编译器 set(CMAKE_C_COMPILER "/opt/phytium/phygcc/bin/phygcc") set(CMAKE_CXX_COMPILER "/opt/phytium/phygcc/bin/phyg++") # 可选：设置优化标志 set(CMAKE_C_FLAGS_RELEASE "-O3 -mtune=ftc800") set(CMAKE_CXX_FLAGS_RELEASE "-O3 -mtune=ftc800")

这种方法将编译器路径写死，项目的可移植性会变差，但能确保所有开发者都使用相同的编译工具链。

方法C：使用Toolchain文件（最规范，便于管理多套工具链）创建一个文件，如phytium.cmake：

# phytium.cmake set(CMAKE_SYSTEM_NAME Linux) set(CMAKE_SYSTEM_PROCESSOR aarch64) set(CMAKE_C_COMPILER /opt/phytium/phygcc/bin/phygcc) set(CMAKE_CXX_COMPILER /opt/phytium/phygcc/bin/phyg++) set(CMAKE_C_FLAGS_INIT "-mtune=ftc800") set(CMAKE_CXX_FLAGS_INIT "-mtune=ftc800")

然后在配置项目时使用：

cmake -DCMAKE_TOOLCHAIN_FILE=phytium.cmake ..

6.2 Makefile项目配置

对于传统的Makefile，修改起来更直接。找到定义编译器变量的地方（通常是CC和CXX），或者优化标志（CFLAGS,CXXFLAGS）的地方。

# 原Makefile可能这样写 # CC = gcc # CXX = g++ # CFLAGS = -O2 # 修改为使用PhyGCC和飞腾优化 CC = /opt/phytium/phygcc/bin/phygcc CXX = /opt/phytium/phygcc/bin/phyg++ CFLAGS = -O3 -mtune=ftc800 -flto CXXFLAGS = -O3 -mtune=ftc800 -flto

如果项目使用autoconf和automake（./configure脚本），则可以在配置时指定编译器：

./configure CC=phygcc CXX=phyg++ CFLAGS="-O3 -mtune=ftc800" CXXFLAGS="-O3 -mtune=ftc800"

7. 常见问题排查与解决心得

在安装和使用PhyGCC的过程中，我遇到了不少问题，这里把典型的几个列出来，供你参考。

7.1 编译或运行时找不到动态库（.so文件）

问题现象：执行phygcc或编译出的程序时，报错error while loading shared libraries: libxxx.so.x: cannot open shared object file。

原因与解决：

1. PhyGCC自带的库未加入系统库路径：按照第3.2节中步骤3，确保将PhyGCC的lib或lib64目录添加到/etc/ld.so.conf.d/下的配置文件中，并运行sudo ldconfig。
2. 依赖库版本不匹配：PhyGCC可能依赖比系统更新版本的libstdc++.so.6、libgmp.so.10等。首先检查PhyGCC目录下的库版本：

   ls -l /opt/phytium/phygcc/lib64/libstdc++.so.*

   如果版本确实比系统的高（如PhyGCC是libstdc++.so.6.0.28，系统是libstdc++.so.6.0.25），你有两个选择：
   • 将PhyGCC的库路径放在系统路径之前：在/etc/ld.so.conf.d/phygcc.conf文件中，确保PhyGCC的路径在标准库路径（如/usr/lib64）之上。但需谨慎，可能影响其他程序。
   • 将高版本库复制（或软链接）到系统目录（不推荐，可能破坏系统稳定性）：

     sudo cp /opt/phytium/phygcc/lib64/libstdc++.so.6.0.28 /usr/lib64/ cd /usr/lib64 sudo ln -sf libstdc++.so.6.0.28 libstdc++.so.6 sudo ldconfig

   更安全的做法：在运行你的程序时，通过环境变量LD_LIBRARY_PATH临时指定库路径：

   LD_LIBRARY_PATH=/opt/phytium/phygcc/lib64:$LD_LIBRARY_PATH ./my_app

7.2 编译大型项目时出现内部编译器错误（ICE）

问题现象：编译过程中，编译器突然崩溃，报错internal compiler error: Segmentation fault或类似信息。

原因与解决：

1. 编译器Bug：任何编译器都有Bug，PhyGCC作为定制版本，在某些极端代码模式或优化组合下可能触发。
2. 内存不足：复杂的模板元编程或巨大的函数在-O2/-O3优化下，会消耗大量内存。

排查步骤：

• 简化重现：尝试创建一个能触发该错误的最小代码片段。这有助于判断是项目代码问题还是编译器问题。
• 降低优化级别：先用-O0或-O1编译，如果能通过，再逐步提高优化级别，定位是哪个优化导致的。
• 关闭特定优化：尝试关闭可疑的优化，如-fno-tree-vectorize（关闭向量化）、-fno-unroll-loops（关闭循环展开）。
• 检查内存：使用top或htop观察编译进程的内存占用。如果接近物理内存大小，考虑增加交换空间或使用-j参数减少并行编译任务数。
• 报告问题：如果找到了稳定的重现方法，可以整理代码和编译命令，向PhyGCC的提供方（飞腾或系统厂商）反馈。

7.3 性能提升不明显甚至倒退

问题现象：使用了-mtune=ftc800等优化选项后，程序运行时间没有减少，反而增加了。

原因与解决：

1. 优化选项不匹配：-mtune=ftc800是针对FTC800系列调优的。如果你的CPU是FTC600系列，使用这个选项可能产生负优化。确认你的CPU型号（cat /proc/cpuinfo | grep implementer和cat /proc/cpuinfo | grep part），并尝试-mtune=ftc600或-mtune=generic。
2. 程序特性不符：PhyGCC的优化主要集中在数值计算、循环、向量化等方面。如果你的程序是I/O密集型、网络密集型，或者大部分时间在调用不受编译器优化的第三方闭源库，那么编译器优化带来的提升自然有限。
3. Benchmark不准确：确保性能测试是在系统空闲、关闭频率缩放（cpupower frequency-set --governor performance）、多次运行取平均值的情况下进行的，以排除干扰。
4. 反优化（De-optimization）：激进的优化（如-O3下的过度循环展开）可能导致代码体积膨胀，引发更多的指令缓存（I-cache）失效，从而降低性能。可以尝试使用-Os（优化大小）或-O2代替-O3，或者配合使用-fprofile-generate和-fprofile-use进行基于性能分析的优化（PGO）。

8. 进阶话题：与其他工具链的协作

PhyGCC作为编译器，只是开发工具链中的一环。在实际项目中，还需要考虑它与调试器、性能分析工具、第三方库的协作。

8.1 调试器（GDB）支持

使用PhyGCC编译带调试信息的程序（-g选项）后，可以使用系统自带的GDB进行调试。但需要注意，如果PhyGCC的libstdc++版本与系统GDB内置的Python脚本不兼容，在调试C++ STL容器时可能会遇到一些显示问题。通常问题不大，如果遇到，可以尝试使用PhyGCC配套的GDB（如果有提供），或者升级系统的GDB到较新版本。

8.2 性能剖析（Profiling）与优化反馈

要真正发挥PhyGCC的优化潜力，离不开性能剖析。gprof是GCC工具链自带的经典性能分析工具。使用步骤如下：

# 1. 编译时加上-pg选项 phygcc -O3 -mtune=ftc800 -pg -o myapp myapp.c # 2. 运行程序，会生成 gmon.out 文件 ./myapp # 3. 使用gprof分析 gprof myapp gmon.out > analysis.txt

分析analysis.txt，找到热点函数，然后可以针对这些函数调整代码结构（比如减少函数调用开销、优化循环），或者尝试不同的编译器优化选项组合。

更强大的工具是perf（Linux内核自带）：

# 记录性能事件 sudo perf record -g ./myapp # 生成报告 sudo perf report

perf可以给出更底层的CPU周期、缓存命中率等信息，帮助你判断性能瓶颈是在CPU执行、内存访问还是分支预测。

8.3 链接第三方库

如果你的项目需要链接第三方库（如OpenBLAS、FFTW、Boost），需要确保这些库也是针对ARM64架构编译的，并且最好使用相同或兼容的编译器（PhyGCC）进行编译，以获得最佳的ABI兼容性和性能。

例如，编译OpenBLAS：

git clone https://github.com/xianyi/OpenBLAS.git cd OpenBLAS make CC=phygcc FC=phygfortran HOSTCC=gcc TARGET=ARMV8 sudo make PREFIX=/usr/local/opt/openblas install

然后在编译自己的程序时，指定链接路径和库名：

phygcc -O3 -mtune=ftc800 -I/usr/local/opt/openblas/include -L/usr/local/opt/openblas/lib -lopenblas -o my_math_app my_math_app.c

8.4 与交叉编译工具链的区分

本文讨论的是在飞腾服务器本机上进行编译的“本地编译”（Native Compilation）。PhyGCC通常也指本地编译器。而“交叉编译”（Cross Compilation）是指在x86主机上编译出能在ARM/飞腾上运行的程序，这需要另外的交叉编译工具链（如aarch64-linux-gnu-gcc）。不要混淆两者。如果你需要在x86开发机上为飞腾平台编译程序，应寻找或构建对应的飞腾交叉编译工具链，其名称可能类似aarch64-phytium-linux-gnu-gcc。