Wayland 是一种用于图形应用程序与显示合成器之间通信的协议,也包括实现这种通信的程序库。它主要用于 Linux 和其他类 Unix 系统。其核心设计是由应用程序提供渲染好的图像缓冲区,而由合成器控制这些图像在显示设备上的摆放位置,并分发输入事件。Wayland 这个名称并不指某个单一的桌面环境、渲染引擎或显示服务器可执行程序。
Wayland 的开发旨在取代传统上由 X 窗口系统 提供的大部分功能,为此重新划分了应用程序与控制桌面的软件之间的职责边界。它从核心显示协议中移除了服务器端绘图命令,并在架构上将显示服务器与合成器的职责合二为一。这影响了渲染效率、输入隔离、窗口管理以及对旧有应用程序的兼容性。
Wayland 由一个相对精简的核心协议,以及涵盖扩展协议、合成器、图形库、应用程序工具包和兼容组件的广泛生态系统组成。因此,它的实际行为既取决于协议本身,也取决于实现该协议的合成器:两个 Wayland 桌面可以兼容相同的应用程序,却在窗口管理策略、支持的扩展和管理控制功能方面存在显著差异。
起源与历史发展
Wayland 由 Kristian Høgsberg 于 2008 年发起。当时,Linux 图形栈正逐步将显示模式控制和显存管理移入内核,而图形应用也越来越多地通过客户端库自行渲染内容。这些变化降低了对同时提供大量绘图操作的显示服务器的需求。该项目以美国马萨诸塞州的韦兰镇命名。
X 窗口系统设计于 20 世纪 80 年代,其核心是应用程序与显示服务器之间具备网络透明性的通信。其协议包含绘制基本图元、管理窗口和处理输入等操作。此后,系统通过扩展陆续加入了加速渲染、合成、显示配置等功能。现代桌面通常使用窗口管理器,以及独立或集成的合成管理器;与此同时,应用程序越来越多地自行生成像素,而不再依赖最初的 X 绘图模型。Wayland 试图以这种较新的工作方式作为架构起点,而不是将其作为旧架构的扩展。
几项底层技术的发展使这一方案变得可行。Linux 内核模式设置使显示配置可以通过内核接口进行管理。直接渲染基础设施及相关图形接口使应用程序能够使用图形硬件进行渲染,无须经由显示服务器转发绘图命令。客户端工具包已经承担了字体、控件以及应用程序大部分视觉外观的处理工作。Wayland 则专注于剩余的交互:共享应用程序缓冲区、协调缓冲区内容的呈现,以及传递输入。
Wayland 1.0 及其参考合成器 Weston 1.0 于 2012 年 10 月发布。这标志着协议和库接口在稳定性方面迈出了重要一步,但并不意味着桌面环境所需的全部功能都已完成。此后的开发在很大程度上依赖于附加协议,用来支持桌面窗口、输入法、屏幕捕获、显示缩放等功能。因此,核心协议的稳定化与扩展协议的开发各自按不同的进度推进。
桌面对 Wayland 的采用是逐步进行的。2016 年,Fedora Workstation 在 Fedora 25 中将 GNOME Wayland 会话设为默认会话。Ubuntu 在 Ubuntu 17.10 中默认使用 Wayland,在 Ubuntu 18.04 LTS 中改回 Xorg,又在 Ubuntu 21.04 中针对受支持的配置重新默认采用 Wayland。KDE Plasma 在开发 X11 会话的同时也开发了 Wayland 会话,并在 Plasma 6 中将 Wayland 选为上游默认会话。由于各发行版的选择不同,且某些硬件需要例外处理,采用 Wayland 的过程并非一次统一协调的切换。
该项目在 freedesktop.org 生态体系内以开源软件的形式开发。理解其历史,更恰当的方式是将其视为整个图形栈中各项职责的迁移,而不只是用一个服务器可执行程序替换另一个。图形驱动程序、工具包、合成器、应用程序和桌面服务都需要作出相应调整。
架构模型与职责划分
Wayland 采用客户端—服务器模型,但服务器通常也兼任合成器:这一组件将应用程序的内容合成为显示在物理或虚拟显示设备上的图像。图形应用程序则是客户端。它创建代表表面及其他资源的协议对象,将内容渲染到缓冲区中,然后请求合成器将这些缓冲区用作表面的内容。合成器决定这些内容如何呈现在可见场景中。
表面与窗口之间的区别至关重要。核心协议中的 wl_surface 是一个可以附加图像内容及相关状态的对象。它本身并不具备桌面窗口的完整语义。另有协议为其赋予角色,例如顶层应用程序窗口、弹出窗口、子表面或专用桌面组件。这种分离使同一套核心机制能够支持传统桌面、嵌入式界面、自助终端和嵌套图形环境,而不必内置一套通用的窗口管理模型。
合成器通常会维护一个场景,其中包含表面、表面之间的关系,以及裁剪、不透明度和变换等信息。它可以使用图形处理器将这些表面合成到输出帧缓冲区中,也可以采用软件渲染。在条件合适时,合成器可以将应用程序的缓冲区直接放到显示平面上,从而省去中间的合成步骤。Wayland 并不要求所有合成器采用某种特定的场景图实现或图形 API。
在典型的 Linux 桌面上,合成器还会通过操作系统的底层与输入及显示设备通信。它选择显示模式、调度画面呈现、跟踪键盘焦点,并决定由哪个客户端接收指针或触摸事件。窗口管理策略,例如平铺、堆叠、焦点规则和工作区行为,由合成器或与之配套的桌面组件负责。协议本身并不规定具体策略。
这种架构也可以嵌套运行。Wayland 合成器可以作为另一个 Wayland 合成器或 X 服务器的客户端运行,将整个下级桌面呈现在宿主窗口中。其他后端则可以在没有物理显示设备的情况下运行,以支持测试、远程会话或图像生成。因此,直接访问图形硬件只是一种常见的部署方式,而不是所有 Wayland 服务器都必须满足的定义性要求。
这种职责的集中改变了故障边界和信任边界。合成器是图形会话中拥有特权的协调枢纽,一旦发生故障,就可能影响连接到它的应用程序。另一方面,普通应用程序无须获得广泛查看彼此窗口或输入的权限。Wayland 规定了通信边界,而健壮性、故障恢复行为和策略仍取决于具体实现。
协议对象、消息与接口演进
Wayland 的通信围绕具有明确类型的对象组织,而不是传输一连串通用绘图命令。客户端向对象发送请求,服务器则发送事件。每个接口都定义了可用的请求和事件、它们的参数类型以及版本历史。协议描述使用 XML 编写,工具据此生成绑定和配套代码,尤其是为使用 C编程语言 编写的参考库生成这些代码。
在 Linux 上,客户端通常通过 Unix 域套接字连接。连接承载二进制消息,并且可以利用操作系统的辅助数据机制传递文件描述符。文件描述符传递非常重要,因为大型图像缓冲区通常不会以像素数组的形式在协议消息流中传输。相反,消息会标识双方可通过共享内存或图形缓冲区机制访问的资源。因此,这种传输方式与本地的进程间通信机制密切相关。
客户端首先与显示对象交互,获取合成器公布的全局接口注册表。全局接口可能提供表面创建、共享内存缓冲区、输入席位或桌面外壳扩展等功能。客户端以双方约定的版本绑定到已公布的接口,并获得相应的协议对象。不同的全局接口可以有不同的版本号;不存在一个通过协商确定、能够完整描述 Wayland 会话的统一功能级别。
消息的帧结构标明目标对象、操作和消息长度。参数可以包括整数、字符串、数组、对象引用和文件描述符。有些值采用带有八位小数位的有符号定点表示。库负责对象管理和消息编组,但应用程序或工具包代码仍须遵守协议规定的状态和生命周期规则。无效请求可能构成协议错误,导致客户端连接终止。
Wayland 采用异步机制。将请求写入套接字,并不意味着它所产生的可见效果已经出现。需要时,可以通过回调和事件进行显式协调。例如,显示同步请求可以确认此前的请求已得到处理,但不能确认某一帧已经显示在显示器上。工具包将这些操作集成到事件循环中,同时注意避免阻塞式处理方式,以及对事件顺序作出错误假设。
扩展是协议演进的核心。wayland-protocols 项目发布核心协议之外的功能规范,桌面项目和其他团体也会开发额外接口。稳定接口保持兼容性;实验性接口则可能以不同名称或版本进行不兼容的修订。某项扩展的存在并不意味着每个合成器都支持它。客户端必须在运行时探测可用能力,并据此进行适配、提供后备方案,或报告所需功能不可用。
渲染、缓冲区与呈现时序
Wayland 不规定应用程序如何绘制界面。客户端可以使用软件渲染、开放图形库、Vulkan图形接口或更高层的图形库。对显示协议而言,重要的是最终生成的缓冲区及其使用规则。这种分离使 Wayland 在很大程度上独立于应用程序内部使用的界面控件、文本渲染系统和图形引擎。
常见的缓冲区机制中,最简单的是使用共享内存的 wl_shm。客户端创建一个以内存为后备存储的池,并通过尺寸、行跨度、偏移量和像素格式来描述池内的缓冲区。这种机制适用于软件渲染,对实现基本互操作性仍然十分重要。使用硬件加速的客户端通常通过 Linux 的 DMA-BUF 交换缓冲区;这是一种可在设备和进程之间共享内存对象的机制。相关协议描述格式、修饰符和设备偏好,使客户端能够分配适合合成器所用图形与显示硬件的缓冲区。
表面更新具有事务性,但这种事务性虽重要,却有其限度。附加缓冲区、指定受损区域等操作通常只会修改待提交状态。调用 wl_surface.commit 后,这些状态才会作为一次完整一致的更新提供给合成器。合成器随后可以将其纳入后续的某次呈现。这样就不会仅仅因为几个相互关联的请求分别到达,而把中间状态暴露出来。子表面同步可以协调相关表面之间的更新,但并不构成一个覆盖会话内所有对象、不受限制的事务系统。
缓冲区的所有权和使用时序需要谨慎协调。提交缓冲区后,客户端不能假定合成器已经读完其中的数据。缓冲区释放通知表示,按照相关协议的规则,合成器已不再需要该缓冲区。应用程序通常维护多个缓冲区,以便在先前的帧仍在使用时渲染新帧。显式同步扩展可以传递图形同步点,从而应对驱动程序的隐式同步不足以满足需求或不可用的情况。
帧回调和呈现反馈的用途不同。帧回调告知客户端何时适合准备下一次更新,有助于避免为隐藏或受限频的表面进行不必要的渲染。呈现反馈则可以报告某次更新是否已呈现,并提供与该次呈现相关的时序信息。两者都不意味着可以保证在所有硬件上,某个特定回调都对应固定的刷新间隔。
性能取决于整个呈现路径。在格式、几何布局、堆叠顺序及硬件限制允许的情况下,直接扫描输出可以避免对全屏应用程序的像素进行合成。硬件叠加层可以将某些表面置于独立的显示平面上。其他情况下则需要额外的合成或复制,在跨不同图形设备时尤其如此。Wayland 可以支持高效的处理路径,但仅靠协议本身并不能保证零拷贝渲染、更低的延迟,或完全避免帧调度问题。
桌面窗口、输出与缩放
传统桌面窗口主要通过稳定的 xdg-shell 协议来描述。客户端将一个 xdg_surface 与核心表面关联起来,然后为其创建 xdg_toplevel 或 xdg_popup 等角色。顶层角色用于普通应用程序窗口;弹出角色则用于描述菜单等临时表面,其位置受到与父表面之间关系的约束。这些角色引入了桌面语义,而不必将这些语义纳入核心表面接口。
窗口配置是协商的结果,而不是由客户端直接控制全局几何布局。合成器发送 configure 事件,说明提议的状态和尺寸;客户端则先确认相应的序列号,再提交内容作为响应。顶层窗口的 configure 事件可以指示最大化、全屏、激活或正在调整大小等状态。客户端可以告知最小和最大尺寸,也可以表达偏好,但桌面的布局安排仍由合成器负责。普通顶层窗口的客户端并不具备可将自身随意放置到任意全局坐标的无限制操作。
交互式移动和调整大小体现了这种职责划分。应用程序可以请求合成器执行与某个输入事件相关联的移动或大小调整操作。请求中包含将其与输入席位(seat)和事件序列号关联的信息,使合成器能够判断该请求是否源自合法的用户交互。应用程序不必一边在整个桌面范围内跟踪指针,一边自行移动窗口。同样,弹出窗口也可以使用由合成器管理的输入抓取机制,使菜单在指针移出其可见边界时仍能保持一致的交互行为。
核心协议并未规定窗口装饰的实现方式。客户端可以自行绘制标题栏和边框;在支持相应协商协议的情况下,合成器也可以提供服务端装饰。不同桌面环境的偏好和实现选择各不相同。因此,即使基本渲染和输入功能正常,装饰协商机制的缺失或不受支持仍可能影响窗口外观。
输出处理将显示设备的物理特性与应用程序内容使用的坐标系区分开来。核心输出接口报告显示模式、缩放比例和变换等信息,补充协议则提供逻辑布局的详细信息。整数缩放使客户端能够为每个表面坐标单位渲染更多的缓冲区像素。例如,在不考虑变换或视口操作的情况下,一个逻辑宽度为 800 单位、缩放比例为 2 的表面,通常需要宽度为 1,600 像素的缓冲区。
混合像素密度的桌面需要额外处理。分数缩放和视口协议允许更精细地设置缓冲区分辨率与表面显示尺寸之间的对应关系。合成器可以请求使用某个首选缩放比例,而客户端则选择尺寸合适的缓冲区,并描述其映射方式。文本清晰度、取整处理以及窗口在不同显示器之间移动时的表现,取决于工具包的支持和合成器的策略。色彩管理同样需要基本像素格式之外的显式描述:仅凭缓冲区尺寸,无法推断应如何准确处理不同的色彩空间和高动态范围内容。
输入路由与安全边界
Wayland 通过由 wl_seat 表示的席位(seat)来组织相关的输入能力。一个席位可以提供指针、键盘和触摸接口,其能力会随设备的接入或移除而变化。在常见的桌面配置中,多个物理设备共同组成一个逻辑席位。更专门的系统可以使用多个席位,让不同的设备与显示器组合服务于不同的用户或工作区域。
合成器决定输入焦点,并将事件发送给相应的客户端。指针事件通常以接收事件的表面为参照来表示位置,而不是提供一个持续可用的全局桌面坐标。键盘事件会发送给拥有键盘焦点的表面。在 Linux 上,键盘输入的解析通常使用通过键盘协议提供的 XKB 键位映射。触摸事件用于标识触点,并跟踪其从出现到消失的全过程。相对指针、指针约束、数位板和手势协议扩展了这一模型,以满足游戏、绘图程序等应用的需求。
与传统 X11 架构相比,一个重要的安全差异在于:Wayland 的核心协议不提供通用机制,让任意已连接的客户端观察其他所有客户端的输入,或读取任意窗口的内容。知道另一个应用存在,并不意味着能够访问它的缓冲区。这有助于实现更强的应用隔离,尤其是在与操作系统的沙箱结合使用时。不过,Wayland 本身并不是完整的沙箱或身份验证系统:文件访问、进程权限、设备访问以及合成器扩展仍然是需要单独处理的问题。
事件序列号有助于将敏感请求与合成器观察到的交互关联起来。发起拖放、更改选择内容或启动交互式窗口操作的请求,都可以引用先前的事件。这些序列号并非通用的密码学凭证,但它们提供了上下文,使协议实现能够拒绝不符合预期交互过程的请求。具体细节取决于相应的操作和协议。
剪贴板和拖放传输通常使用数据提议(data offer)来描述可用的 MIME 类型。当接收方客户端请求某种格式时,数据可以通过文件描述符传输,而不必以通用数据块的形式存放在核心显示服务器中。选择内容的所有权和焦点规则会影响哪些客户端能够收到数据提议。剪贴板管理器、主选择区以及桌面范围的数据控制服务涉及额外的协议和策略决策;仅凭基本剪贴板接口,无法推知这些机制的全部行为。
屏幕捕获、远程控制和全局快捷键会跨越普通客户端之间的边界,因此需要专门的中介机制。Linux 桌面通常使用桌面门户,在用户参与授权的情况下提供访问,并通过 PipeWire 传输捕获的视频流。合成器专有或标准化的扩展机制也可以为具有特权的桌面组件提供支持。这些安排以明确的接口和授权途径,取代了旧式桌面模型中默认具备、不受限制的访问能力。其有效性取决于具体实现、配置以及赋予会话服务的信任程度,而不只是是否使用了 Wayland。
合成器、工具包与软件生态系统
Weston 是与 Wayland 同步开发的参考合成器。它提供的实现可用于协议开发、测试、演示以及嵌入式部署。其架构支持不同的后端,包括直接驱动显示设备、嵌套运行以及无显示设备运行。Weston 并不旨在规定所有 Wayland 桌面的外观或行为,某项功能在 Weston 中存在,也不意味着其他实现一定支持该功能。
主要的桌面环境都使用各自的合成器。GNOME 使用 Mutter,它兼具合成与窗口管理职责,也是实现 GNOME 桌面体验的组成部分。KDE Plasma 使用 KWin,其 Wayland 支持与 Plasma 的桌面功能相互集成。这些项目共用许多协议,但在视觉效果、窗口布局、显示配置、输入设置、无障碍集成以及兼容性行为方面,各自作出独立的决策。
wlroots 项目为构建合成器提供可复用的组件。它支撑着一系列独立开发的环境,其中包括 Sway——一种配置模型受 i3 窗口管理器影响的平铺式合成器。共享库可以减少处理输入、输出设备、缓冲区和协议接口所需的工作,但不会强制采用某一种完整的桌面环境。其他合成器框架和专用实现则面向自助终端、车载界面、游戏或用途受限的设备。
大多数应用程序不会直接实现通信协议,而是使用 GTK 或 量化紧缩 等工具包,由工具包将应用层的窗口、输入、剪贴板和渲染操作转换为 Wayland 请求。工具包必须处理异步配置、缩放、弹出窗口、输入法、缓冲区分配以及事件分发。因此,支持完善的工具包后端能够让许多应用程序适配 Wayland,而不必由每个应用程序分别实现这些机制。
不过,应用程序仍可能依赖沿袭自 X11 的一些假设。需要查询窗口在全局坐标系中的位置、截取任意桌面区域、不受限制地模拟输入,或嵌入其他应用程序原生窗口的程序,可能需要重新设计或借助额外接口。游戏可能需要相对指针和指针约束支持。输入法框架需要客户端、合成器和文本输入服务之间的协调。无障碍功能同样涉及更高层的基础设施:有关控件和文档的语义信息通常由无障碍 API 提供,而非仅靠显示协议本身。
因此,兼容性测试不能仅仅检查程序能否打开窗口,还需要考察工具包版本、合成器、驱动程序、图形 API、扩展支持、缩放配置和沙箱环境等因素的组合。Wayland 的模块化设计允许小型嵌入式合成器与完整桌面合成器实现不同的功能集,同时都符合协议要求。由此形成的生态系统更为灵活,但应用程序开发者不能假定每一项可选的桌面功能都普遍可用。
X11 兼容性、远程使用与互操作性
Xwayland 为针对 X11 编写的应用程序提供了主要的兼容途径。它是一个以 Wayland 客户端身份运行的 X 服务器。X 应用程序通过 X 协议连接到 Xwayland,而 Xwayland 则将渲染后的图形表面提交给 Wayland 合成器。这使原生 Wayland 应用程序和旧有的 X 应用程序能够在同一个桌面会话中共存,而不必立即移植所有旧程序。
在常见的无根模式下,Xwayland 窗口与原生应用程序窗口并列显示,而不是出现在一个代表整个 X 桌面的可见容器中。合成器通过一个通常称为 XWM 的 X 窗口管理器组件,整合 X 的窗口管理行为。该组件负责协调 X 窗口的属性、焦点、位置及相关状态,使其与合成器在 Wayland 一侧维护的视图保持一致。Xwayland 也可以在有根模式下运行,此时其桌面占据宿主环境中的单个窗口。
这种兼容性相当广泛,但并不等于重现传统 X 会话的所有特性。普通 X 应用程序通常可以保留其内部的绘图和事件模型,但管理整个桌面或假定能够不受限制地访问所有应用程序的程序则会受到限制。X 应用程序即使能够检查其他 X 客户端,也不意味着它可以自动检查原生 Wayland 窗口。因此,屏幕捕获、全局键盘监听和桌面自动化在兼容层边界的两侧会有不同的行为。
安全属性也必须在恰当的层面上加以说明。连接到同一个 Xwayland 服务器的 X 客户端,仍可能保留 X11 特有的某些相互访问能力。在 Wayland 合成器下运行这些应用程序,并不会自动将它们彼此隔离。将 X 应用程序分配到不同的 Xwayland 实例中运行,可以改变这一边界,但具体行为取决于桌面环境或隔离系统。不应将原生 Wayland 客户端与 Xwayland 客户端视为一个统一的信任域。
远程显示是 Wayland 架构与 X 存在差异的另一个方面。Wayland 核心协议不提供 X 式的网络透明性,而且它通常依赖 Unix 套接字和共享缓冲区的文件描述符,这并不直接等同于通过网络连接传输所有显示数据。远程图形访问通常采用另一种实现方式:捕获合成器的输出,将其编码为视频或图像更新,再将经过授权的输入传回。为此,合成器可以提供远程桌面后端,或与桌面服务集成。
应用程序远程访问也可以通过专用代理实现,由代理在不同机器之间传输 Wayland 交互和缓冲区内容;嵌套合成器则可以封装图形会话,以便远程传送。这些设计在带宽使用、延迟、图形加速和隔离方面各有不同。转发单个应用程序图形表面的系统,与以流式方式传输整个桌面的系统,解决的是不同的问题。Wayland 将这些选择留在其精简的核心之外,因此,远程能力取决于外围的具体实现,而不是支持该协议就会自动具备的能力。