Box64项目解决x86_64二进制在ARM平台上的模块管理函数兼容性问题
2025-06-13 17:14:40作者:殷蕙予
在跨架构运行x86_64二进制文件时,Box64项目最近解决了一个关于模块管理函数兼容性的重要技术问题。本文将深入分析该问题的技术背景、解决方案及其意义。
问题背景
当用户在ARM64架构的Nvidia Orin Nano设备(运行Ubuntu 22.04)上尝试运行Intel提供的x64 Linux二进制工具时,遇到了两个关键错误:
- 系统无法找到
ioperm函数 - 动态链接器无法解析
delete_module符号
这些错误源于x86_64架构与ARM64架构在系统调用和内核模块管理方面的差异。
技术分析
ioperm函数问题
ioperm是一个主要用于x86架构的系统调用,用于控制I/O端口的访问权限。在ARM架构上,这个函数通常不存在或总是返回错误。这是设计上的差异,因为:
- x86架构有专门的I/O端口空间
- ARM架构采用内存映射I/O方式
Box64项目给出的警告信息是合理的,因为ARM架构确实不需要这个功能。
delete_module函数问题
更关键的是delete_module函数的缺失问题。这个函数属于Linux内核模块管理系统调用组,包括:
- create_module
- init_module
- delete_module
- query_module
在现代Linux系统中,这些函数已被标记为废弃,推荐直接使用syscall接口。但在一些遗留的x86_64二进制中仍可能依赖这些函数。
解决方案
Box64开发团队采取了以下措施:
- 为废弃的模块管理函数添加了包装层
- 这些包装层内部使用
syscall接口实现相应功能 - 保持对传统二进制文件的兼容性
这种解决方案既解决了兼容性问题,又遵循了现代Linux系统的最佳实践。
实际影响
经过修复后:
- 用户可以正常使用Intel的网络工具
- 虽然
ioperm警告仍然存在(由于架构差异),但工具功能不受影响 - 跨架构运行的兼容性得到提升
技术意义
这个案例展示了:
- 跨架构模拟的复杂性:不仅需要处理指令集差异,还要处理系统调用和内核接口的差异
- 向后兼容的重要性:即使某些接口已被废弃,模拟器仍需支持它们
- Box64项目的响应能力:快速识别并解决了用户遇到的实际问题
对于需要在ARM设备上运行x86_64工具链的开发者来说,这个改进显著提升了使用体验。
结论
Box64项目通过智能地包装系统调用,成功解决了x86_64二进制在ARM平台上运行时的模块管理函数兼容性问题。这体现了该项目在跨架构兼容性方面的持续进步,为开发者提供了更顺畅的迁移体验。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
25
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
415
3.19 K
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
680
160
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19
Ascend Extension for PyTorch
Python
229
259
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++
689
327
React Native鸿蒙化仓库
JavaScript
265
326
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.21 K
660