开发一个Linux桌面环境所需要的

最近开发Linux桌面环境，把自己学到的分享出来

有一说一，体感上没有桌面环境的Linux（纯命令行）和有桌面环境的像两个系统。桌面，或者桌面环境就是我们所看到的图形页面，桌面环境一般指更多的东西。比较著名的有gnome、kde plasma，现在还有hyperland和niri，不过后面两个更像合成器之类的，想要有完整的“环境”必须安装其他软件丰富，下面要讲的也是环境由什么组成。

我不会讲太多技术细节，因为一来我了解也不多，二来现在ai方便。但是在问及ai如何开发桌面环境，还是没有一个好的参考，很多信息、规范分布零碎，我稍微总结总结。

前置知识，桌面等也是个应用，所以需要了解不同应用间是如何通信的。

最核心是Unix Socket，服务器（比如桌面合成器）创建一个地址（文件位置），其他应用作为客户端连接上去，双向通信。与其他Socket（套接字）不同的是，unix socket可以传递fd（文件描述符），举个例子，应用a发送数据给应用b，比较大，是个图片，直接通过socket消息传递总共要复制两次，而通过fd，应用a往里面写数据，unix socket把fd告诉应用b，应用b就直接读取，它们共享了内存（或者其它资源）。这种特性叫SCM_RIGHTS。

然后是dbus。一般dbus是基于unix socket。unix socket可以传递任意二进制数据，为了方便大家交流，dbus就规定了如何解析二进制，比如哪部分是数字，哪部分是字符串等等。同时，dbus还实现了类似“网址”的东西，即服务器地址、路径、接口（这里服务器与socket的不同）。接口里可以call来运行方法，或者get、set属性，还可以监听属性变化。

基本上现代桌面环境各个部分由上面一个两个联系起来。

应用显示，窗口管理：以前由x11负责，是个协议，由桌面环境自己实现协议，现在主流wayland协议，还是由桌面自己开发实现，名称有服务器、合成器等，基于unix socket。应用把界面画好，通过fd发送给合成器，合成器把它显示出来，还会发送鼠标键盘事件给应用。wayland基本管的是窗口内部显示，至于窗口怎么布局，平铺还是堆叠、甚至3d显示，由合成器自己内部处理。其他东西，比如任务栏通知栏等，看你的架构设计。有些是分离的，比如niri+waybar栏，当然也可以把面板、组件与合成器放在一个应用。合成器有些开发框架，比如wlroots等。Wayland Protocol Documentation | Wayland Explorer 这个网站总结了wayland协议，以及各个合成器的支持情况

x11应用兼容：x11和wayland是两套协议，如果你可以的话，你的合成器可以全都兼容，但现在一般是用xwayland把x11翻译成wayland。

剪贴板：wayland里规定了。

下面先介绍freedesktop，类似一个组织或者协议，统一一些东西。 https://www.freedesktop.org/wiki/Software/ https://www.freedesktop.org/wiki/Specifications/ 这两个网址有很多东西可以学。如果你浏览系统的dbus服务名，会发现有很多以org.freedesktop打头。下面我节选部分

应用名称、图标与其执行文件：Desktop Entry Specification，也就是.desktop文件，包含了应用执行路径、名称、图标等

启动器：在/usr/share/applications/ /usr/local/share/applications/ ~.local/share/applications/ 下找到没有NoDisplay的desktop文件

右键图标菜单：desktop文件的[Desktop Action XXX]条目可以设置（我记得手机上图标长按也会弹出菜单，忘记叫什么了）

图标：desktop文件图标用图标名表示，需要从相关目录，并结合主题名称等查找图标，见Icon Theme Specification

通知：Desktop Notifications Specification 通过创建org.freedesktop.Notifications，接收应用发来的通知。还有xdg-portal相关的实现，稍后可以读到

媒体控制器：mpris协议，应用创建org.mpris.MediaPlayer2打头的dbus服务，如org.mpris.MediaPlayer2.firefox，然后控制器可以遍历服务，找到它们，这些服务提供了控制接口，控制播放、暂停等，还可以读取进度、音量等。可以获取元数据，包括媒体名称、封面等。元数据还可以有歌词，不过没有多少应用支持，大部分通过歌名到网上找

拖盘（tray）：StatusNotifierItem，sni。即windows任务栏右下一堆应用图标，比如qq微信等。应用创建服务，桌面环境有个watcher服务，应用向watcher注册，然后另一个桌面环境的客户端（一般叫host）通过watcher读取应用名、图标等。右键应用的菜单通过dbus menu协议实现

电量：UPower 这个也是dbus服务，不过在系统总线上创建的，开发时注意socket路径。可以获取各种东西的电量：笔记本电池、耳机、蓝牙键盘等等

网络连接：networkmanagerdbus服务，处理网络扫描、连接和一大堆

蓝牙：bluz。也提供了dbus服务，扫描、配对、连接等

账户，或者说电源，就是关机、重启、睡眠那些：login1 systemd-logind dbus服务，当然直接用命令也是可以的

验证用户密码：pam。锁屏可以用独立软件，也可以桌面环境自己开发，验证用户密码时就用到pam。pam是linux自带的，不是dbus协议，需要通过引入库交流

权限管理：polkit。就是有时候如用分区软件时弹让你输密码的那个。桌面环境要实现的是前端代理（agent），一般引入专门库处理。底层是向polkit dbus服务注册，等它发请求过来要求弹窗，然后把密码通过socket发送到（具体我还没研究好，可能有加密，不过unix socket本身不会被劫取，而dbus是可以监听全部的消息）helper，剩下的helper自己处理，可以参考 GitHub - polkit-org/polkit: polkit (formerly PolicyKit) is a toolkit for defining and handling authorizations. It is used for allowing unprivileged processes to speak to privileged processes. · GitHub r-vdp/polkit-stdin-agent: Non-interactive polkit authentication agent that answers PAM prompts from a file descriptor - Codeberg.org

指纹、人脸：创建pam模块

音频输出控制等：pipewire

密码环：gnome keyring

输入法：fcitx、ibus等把按键转成文字。fcitx等提供了一个统一的输入法框架，如果是底层，比如在wayland下，需要合成器把按键转发给输入法，得到文字后通过另一个协议发送给目标应用。输入法会提供界面显示，不过也可以像mac和手机那样桌面环境提供统一的候选词选择前端，但是如何通过dbus与fcitx交互我还没了解

屏幕背光：需要往/sys/class/backlight里写数据，要求权限。有的桌面环境可能会用 brightnessctl 控制

打印机：CUPS

介绍xdg desktop portal。flatpak是一个沙箱打包形式，相当于管理了软件权限，自然就需要管理dbus接口。软件只会调用给定的dbus服务，这些服务就通过xdg desktop portal给定。本来这个专门给flatpak开发，但是集中了系统调用，所以有些服务不仅提供给沙箱里面还提供给其他应用。现在wayland下的截屏录屏就需要portal。

基本上桌面环境提供org.freedesktop.impl.portal.desktop.xx服务，并提供各种org/portal/desktop/org.freedesktop.impl.portal.xx接口，然后有个中控把它作为服务提供给应用。

文档资源比较集中，规定了许多功能，如文件选择器、打印、远程连接、截屏、录屏、定位、深色模式（位于设置）等，这些需要桌面环境实现。

所以桌面环境一要处理自己和硬件的关系，二要提供给应用的相关功能

最后，桌面环境如何启动，就需要显示管理器了