Async-profiler项目如何消除对libstdc++的依赖
2025-05-28 04:30:10作者:乔或婵
背景介绍
Async-profiler是一款广泛使用的Java性能分析工具,它通过低开销的方式收集JVM的性能数据。在开发过程中,项目团队发现async-profiler存在对标准C++库(libstdc++)的依赖问题,这给工具的使用带来了诸多限制。
依赖问题的具体表现
async-profiler原本使用了多个标准C++库的功能,包括:
- IO流处理
- 字符串操作(std::string)
- 容器类(std::map, std::vector等)
这种依赖导致了几个实际问题:
- 版本兼容性问题:在新版Linux发行版上构建的async-profiler无法在旧版系统上运行
- Alpine Linux支持问题:Alpine Linux默认不预装libstdc++
- 二进制文件体积膨胀:静态链接libstdc++会使生成的二进制文件变得过大
解决方案的演进
项目团队采取了渐进式的改进方案来解决这些问题:
第一阶段:替换IO流处理
开发者发现仅替换IO流处理就能显著减小二进制文件体积,从1.4MB缩减到500KB左右。这一改进使得工具在Alpine Linux上的运行成为可能。
第二阶段:优化链接方式
通过引入以下编译和链接选项进一步优化:
-Wl,--exclude-libs,ALL:防止libstdc++符号被导出,避免与主机进程加载的不兼容版本冲突-fdata-sections和-ffunction-sections配合-Wl,--gc-sections:允许链接器执行死代码消除,减少约15%的体积
第三阶段:完全消除依赖
最终,项目通过#952变更彻底消除了对libstdc++的依赖,使得工具可以:
- 在任何C++标准下编译
- 在glibc和musl libc系统上都能运行
- 保持较小的二进制体积
技术实现细节
在实现过程中,团队特别注意了以下技术点:
- 替代标准库中的字符串和容器操作
- 处理与时间格式化相关的函数依赖
- 确保二进制兼容性
- 优化最终生成的文件大小
成果与影响
经过这些改进后,async-profiler获得了以下优势:
- 更广泛的Linux发行版兼容性
- 更小的部署体积
- 消除了版本冲突风险
- 简化了用户环境要求
这些改进使得async-profiler成为更加健壮和易于部署的JVM性能分析工具,特别适合在容器化环境和资源受限的场景中使用。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
最新内容推荐
PCDViewer-4.9.0-Ubuntu20.04:专业点云可视化与编辑工具全面解析 Qt控件CSS样式实例大全 - 打造现代化GUI界面的终极指南 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 海能达HP680CPS-V2.0.01.004chs写频软件:专业对讲机配置管理利器 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南 IK分词器elasticsearch-analysis-ik-7.17.16:中文文本分析的最佳解决方案 ONVIF设备模拟器:开发测试必备的智能安防仿真工具 Python开发者的macOS终极指南:VSCode安装配置全攻略 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案
项目优选
收起
deepin linux kernel
C
24
7
暂无简介
Dart
615
139
Ascend Extension for PyTorch
Python
165
184
React Native鸿蒙化仓库
JavaScript
240
314
仓颉编译器源码及 cjdb 调试工具。
C++
126
855
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
371
3.16 K
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
257
91
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
475
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
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++
646
255