Fast-DDS在Apple M系列芯片上的线程亲和性设置问题分析
2025-07-01 05:38:59作者:乔或婵
问题背景
在MacOS 15.2 Arm 64平台上使用Fast-DDS 3.1.0版本时,开发者发现某些示例程序无法正常运行。经过调试发现,这与MacOS系统对线程亲和性(thread affinity)设置的支持有关。
技术细节
线程亲和性设置问题
在MacOS系统上,Fast-DDS尝试通过thread_policy_set函数设置线程亲和性时,M系列芯片会返回错误码46(KERN_NOT_SUPPORTED),表示该功能在当前平台上不被支持。这本身是一个预期行为,但问题在于后续的错误处理逻辑。
递归调用问题
当thread_policy_set调用失败后,Fast-DDS会记录错误日志。然而,这个日志记录过程本身需要创建新的线程,而线程创建过程中又会尝试设置线程亲和性,导致以下递归调用链:
configure_current_thread_affinity()调用失败- 触发
EPROSIMA_LOG_ERROR日志记录 - 日志系统需要创建新线程
- 新线程创建时再次调用
configure_current_thread_affinity() - 形成无限递归,最终导致程序卡死
解决方案分析
临时解决方案
开发者提出的临时解决方案是将错误判断条件从:
if (0 != result)
修改为:
if (KERN_SUCCESS != result && result != KERN_NOT_SUPPORTED)
这样当遇到不被支持的错误时,不会触发错误日志记录,从而避免递归调用问题。
更完善的解决方案
从架构设计角度考虑,更完善的解决方案应包括:
- 对日志系统使用的线程特殊处理,避免在这些线程上尝试设置亲和性
- 在MacOS平台上增加对M系列芯片的特定检测和处理
- 将以下线程相关函数标记为不依赖日志系统:
set_name_to_current_threadapply_thread_settings_to_current_threadconfigure_current_thread_schedulerconfigure_current_thread_affinity
平台兼容性考虑
Apple Silicon芯片(M系列)采用ARM架构,与传统x86架构在系统调用和功能支持上存在差异。Fast-DDS作为跨平台中间件,需要针对不同平台特性进行适配:
- 在MacOS平台上,应检测处理器类型和系统版本
- 对于不支持的功能,应有优雅降级处理
- 关键系统调用应考虑平台差异和兼容性
总结
这个问题揭示了在跨平台开发中需要特别注意的几个方面:
- 系统功能支持检测的重要性
- 错误处理逻辑可能引发的副作用
- 基础功能(如日志系统)的依赖关系管理
- 新硬件平台的适配考虑
对于使用Fast-DDS在Apple Silicon设备上开发的用户,建议关注官方更新或采用经过验证的临时解决方案,同时注意线程相关功能的平台差异。
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-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
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
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
184
196
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++
648
265
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
275
97
暂无简介
Dart
623
140
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
380
3.43 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (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
1.1 K
621
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
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