PCM项目在RHEL 9.2上的编译问题解决方案
2025-06-27 03:31:26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
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 StartedRust0508
Kimi-K3Kimi K3 是Kimi能力最强的模型:这是一个拥有 2.8 万亿参数的混合专家(MoE)模型,具备原生视觉理解能力,并支持 100 万 token 的上下文窗口。Python00
ai-trend-publishTrendPublish: 全自动 AI 内容生成与发布系统 | 微信公众号自动化 | 多源数据抓取 (Twitter/X、网站) | DeepseekAI、千问、讯飞模型 | 智能内容分析排序 | 定时发布 | 多模板支持 | Node.js | TypeScript | AI 技术趋势跟踪工具TypeScript02
ccg-workflow多模型协作开发系统 - Claude 编排 + Codex 后端 + Gemini 前端,28 个命令覆盖开发全流程,一键安装零配置Go07
源启盛夏_AtomGit暑期开发者成长计划「源启盛夏」暑期校园开发者成长计划旨在激活校园开源力量,通过积分激励、认证扶持、资源倾斜等形式,引导高校组织和开发者完成「入驻 — 建项目 — 做贡献 — 获认证 — 得资源」的完整闭环。无论你是想带领社团入驻平台的组织者,还是希望用代码贡献证明自己的开发者,都能在这里找到属于你的成长路径。Markdown01
AscendNPU-IRAscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优C++0332
项目优选
收起
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
506
530
暂无描述
Markdown
842
5.59 K
deepin linux kernel
C
33
16
作为 Ascend for PyTorch 社区的核心组件,TorchNPU 是昇腾专为 PyTorch 打造的深度学习适配插件,使 PyTorch 框架能够直接调用昇腾 NPU,为开发者提供昇腾 AI 处理器的超强算力。
Python
822
1.23 K
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++
1.01 K
2.38 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++
824
1.62 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++
1.23 K
1.33 K
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
493
332
JiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。
Python
3.12 K
821
Claude 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 Started
Rust
3.45 K
508