Yosys项目中的GCC 15编译问题分析与解决方案
2025-06-18 18:06:15作者:翟萌耘Ralph
问题背景
Yosys是一款开源的硬件描述语言综合工具,广泛应用于数字电路设计领域。近期在GCC 15编译器环境下,用户报告了一个严重的崩溃问题,表现为程序在退出时出现内存损坏错误。
问题现象
当使用GCC 15编译Yosys并运行以下简单命令时:
echo 'module top(); endmodule' > test.v
./yosys -p 'read_verilog test.v; hierarchy -top top; proc; design -save foo'
程序会在退出时抛出"corrupted size vs. prev_size in fastbins"错误并崩溃。
技术分析
通过深入分析,我们发现问题的根源在于Yosys的设计保存机制中存在一个对象生命周期管理问题。具体表现为:
DesignPass类在析构函数中清理保存的设计对象- 这些设计对象包含模块(Module)实例
- 模块析构时需要从全局的
all_modules映射中删除自身 - 但由于静态变量的析构顺序问题,
all_modules可能已经先被销毁
这种生命周期管理不当导致了以下具体问题:
- 当程序退出时,静态变量
all_modules可能先于保存的设计对象被销毁 - 随后模块对象析构时尝试访问已销毁的
all_modules映射 - 最终导致内存访问违规和堆损坏
解决方案
经过技术团队研究,提出了以下修复方案:
将DesignPass的清理逻辑从析构函数移动到on_shutdown()方法。这是因为:
on_shutdown()是Yosys明确提供的关闭过程回调- 它会在程序退出流程的早期被调用
- 此时所有静态变量仍然有效
- 可以确保在
all_modules被销毁前完成清理工作
具体实现只需将清理代码从析构函数移动到on_shutdown()方法即可。
影响范围
该问题主要影响:
- 使用GCC 15编译的Yosys版本
- 启用了Python支持的构建(WITH_PYTHON)
- 使用
design -save命令保存设计的场景
最佳实践建议
对于类似的生命周期管理问题,建议开发者:
- 避免在析构函数中进行复杂的资源清理
- 对于需要访问全局状态的清理操作,使用明确的关闭回调
- 特别注意静态变量的初始化/销毁顺序
- 在跨平台/编译器环境下充分测试资源管理逻辑
结论
通过将设计清理逻辑从析构函数迁移到on_shutdown()方法,有效解决了GCC 15环境下的崩溃问题。这一修复不仅解决了当前问题,也提高了代码的健壮性,避免了潜在的类似资源管理问题。
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
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
413
3.18 K
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++
690
325
Ascend Extension for PyTorch
Python
229
258
暂无简介
Dart
679
160
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (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
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
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
492
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
346
147