在ARM架构上运行PalWorld专用服务器的SIGSEGV问题分析与解决方案
2025-06-30 10:15:14作者:尤辰城Agatha
背景介绍
PalWorld是一款基于虚幻引擎5(UE5)构建的多人在线游戏,其专用服务器通常运行在x86_64架构上。然而,当开发者尝试在ARM架构设备(如树莓派)上通过Box64模拟器运行该服务器时,会遇到SIGSEGV(信号11)错误,导致服务器崩溃。这个问题涉及到复杂的架构转换和内存管理机制。
问题现象
在树莓派4B(Cortex-A72)设备上运行PalWorld专用服务器时,系统会抛出Signal 11错误,并伴随以下内存分配日志:
Signal 11 caught.
Malloc Size=262146 LargeMemoryPoolOffset=262162
Malloc Size=131160 LargeMemoryPoolOffset=393352
Malloc Size=131160 LargeMemoryPoolOffset=524536
技术分析
根本原因
-
架构差异:x86_64和ARM架构在内存对齐、原子操作和指令集方面存在显著差异,Box64在转换某些特定指令时可能无法完全正确处理。
-
内存管理:虚幻引擎5的内存分配器在模拟环境下可能无法正确工作,特别是LargeMemoryPool的偏移量计算可能存在问题。
-
信号处理:SIGSEGV通常表示程序试图访问未分配或受保护的内存区域,在模拟环境下更容易出现这类问题。
影响范围
此问题主要影响:
- 使用ARM架构设备运行PalWorld服务器的用户
- 通过Box64模拟x86_64环境的场景
- 虚幻引擎5.1.1版本构建的服务器
解决方案
临时解决方案
经过测试,使用特定版本的Box64可以暂时解决此问题:
- 安装Box64版本2.7(特定构建版本)
- 该版本包含了对内存管理模拟的优化
- 能够正确处理PalWorld服务器的内存分配请求
长期建议
- 等待官方支持:关注虚幻引擎对ARM架构的原生支持进展
- 性能考量:即使解决了崩溃问题,ARM设备运行x86_64服务器性能可能不足
- 替代方案:考虑使用云服务或x86架构设备运行服务器
技术细节
Box64的工作原理
Box64是一个动态二进制转换器,它能够:
- 在运行时将x86_64指令转换为ARM64指令
- 处理系统调用和库函数的转换
- 管理内存访问和线程调度
虚幻引擎的内存管理
UE5使用自定义的内存分配器,特点包括:
- 大内存池(LargeMemoryPool)管理
- 特定的内存对齐要求
- 复杂的垃圾回收机制
这些特性在模拟环境下容易出现问题,特别是当内存分配请求跨越特定边界时。
实施建议
对于希望在ARM设备上运行PalWorld服务器的用户,建议:
- 确保系统有足够的交换空间(至少4GB)
- 使用经过验证的Box64版本
- 监控系统资源使用情况
- 考虑性能限制,适当降低服务器配置
结论
在ARM架构上通过模拟器运行x86_64应用程序始终存在兼容性风险。虽然特定版本的Box64可以暂时解决PalWorld服务器的崩溃问题,但从长远来看,建议用户考虑更合适的硬件平台或等待官方对ARM架构的支持。这一案例也展示了跨架构模拟的复杂性和挑战,特别是在处理高性能游戏服务器这类资源密集型应用时。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0213
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0137
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
GLM-5.2智谱开源 GLM-5.2,这是针对长文本任务的最新旗舰模型。相较于前代产品 GLM-5.1,它在长文本任务处理能力上实现了显著飞跃,并且首次在稳定的 100 万 token 上下文中提供这一能力。Jinja00
SwanLab⚡️SwanLab - an open-source, modern-design AI training tracking and visualization tool. Supports Cloud / Self-hosted use. Integrated with PyTorch / Transformers / LLaMA Factory / veRL/ Swift / Ultralytics / MMEngine / Keras etc.Python00
tiny-universe《大模型白盒子构建指南》:一个全手搓的Tiny-UniverseJupyter Notebook03
项目优选
收起
deepin linux kernel
C
32
16
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
468
461
暂无描述
Dockerfile
776
5.07 K
Ascend Extension for PyTorch
Python
756
961
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
872
2.01 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
696
1.4 K
昇腾LLM分布式训练框架
Python
183
230
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.1 K
1.14 K
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.04 K
271
Oohos_react_native
React Native鸿蒙化仓库
C++
361
430