PCM项目在RHEL 9.2上的编译问题解决方案
2025-06-27 07:15:52作者:凤尚柏Louis
问题背景
PCM(Processor Counter Monitor)是一款用于监控Intel处理器性能指标的开源工具。在Red Hat Enterprise Linux 9.2系统上编译PCM项目时,开发者可能会遇到链接错误,提示"cannot find -lasan"的问题。这是由于系统缺少必要的AddressSanitizer静态库导致的。
问题分析
AddressSanitizer(ASan)是Google开发的内存错误检测工具,PCM项目默认启用了ASan支持以提高代码安全性。在RHEL 9.2及其衍生发行版(如Rocky Linux 9)上,标准的libasan包只提供了动态链接库,而PCM默认配置需要静态链接ASan库。
解决方案
方法一:使用动态ASan链接
最简单的解决方案是修改PCM的编译配置,改用动态链接方式连接ASan库:
git clone https://github.com/opcm/pcm.git
cd pcm
mkdir build
cd build
cmake -DNO_STATIC_LIBASAN=1 ..
cmake --build .
这个方案通过-DNO_STATIC_LIBASAN=1参数告诉CMake不要尝试静态链接ASan库,转而使用系统提供的动态链接库。
方法二:安装静态ASan库(可选)
对于希望保持静态链接的开发者,可以尝试安装GCC工具集提供的静态ASan库:
dnf install gcc-toolset-13-libasan-devel
需要注意的是,不同版本的RHEL 9.x可能提供不同版本的GCC工具集(如12或13),开发者需要根据实际系统情况选择正确的包名。
技术细节
-
ASan工作原理:AddressSanitizer通过在编译时插入特殊代码和运行时库来检测内存错误,如缓冲区溢出、使用释放后的内存等。
-
静态与动态链接区别:
- 静态链接将库代码直接嵌入可执行文件
- 动态链接在运行时加载共享库
-
RHEL 9的特殊性:相比早期版本,RHEL 9调整了ASan相关包的命名和内容,导致静态库需要从GCC工具集中获取。
最佳实践建议
- 对于生产环境,推荐使用动态链接方案,减少可执行文件体积
- 开发环境下可以使用静态链接以获得更好的调试体验
- 定期更新GCC工具集以获取最新的ASan功能和安全修复
通过以上解决方案,开发者可以顺利在RHEL 9.2系统上编译PCM项目,充分利用其提供的处理器监控功能。
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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
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
TextAnimator for Unity:打造专业级文字动画效果的终极解决方案 全球36个生物多样性热点地区KML矢量图资源详解与应用指南 PANTONE潘通AI色板库:设计师必备的色彩管理利器 32位ECC纠错Verilog代码:提升FPGA系统可靠性的关键技术方案 WebVideoDownloader:高效网页视频抓取工具全面使用指南 基于Matlab的等几何分析IGA软件包:工程计算与几何建模的完美融合 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 Photoshop作业资源文件下载指南:全面提升设计学习效率的必备素材库 MQTT 3.1.1协议中文版文档:物联网开发者的必备技术指南 高效验证码识别解决方案:OCRServer资源文件深度解析与应用指南
项目优选
收起
deepin linux kernel
C
24
8
Ascend Extension for PyTorch
Python
199
219
暂无简介
Dart
637
145
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++
654
278
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
React Native鸿蒙化仓库
JavaScript
246
316
🎉 (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
1.12 K
629
仓颉编译器源码及 cjdb 调试工具。
C++
128
860
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,提供Transformer定制化场景的高性能融合算子。
C++
75
99
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
385
3.74 K