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 01:24:48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
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 StartedRust0449
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。Markdown00
XianyuAutoAgent智能闲鱼客服机器人系统:专为闲鱼平台打造的AI值守解决方案,实现闲鱼平台7×24小时自动化值守,支持多专家协同决策、智能议价和上下文感知对话。Python03
new-apiAI模型聚合管理中转分发系统,一个应用管理您的所有AI模型,支持将多种大模型转为统一格式调用,支持OpenAI、Claude、Gemini等格式,可供个人或者企业内部管理与分发渠道使用。🍥 A Unified AI Model Management & Distribution System. Aggregate all your LLMs into one app and access them via an OpenAI-compatible API, with native support for Claude (Messages) and Gemini formats.TSX026
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++0313
mllm轻量化的端侧多模态推理框架,支持多种硬件后端https://ubiquitouslearning.github.io/mllm/C++00
项目优选
收起
暂无描述
Markdown
828
5.49 K
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
494
518
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++
786
1.58 K
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
803
1.14 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++
973
2.29 K
deepin linux kernel
C
32
16
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++
483
313
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
3.02 K
769
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Markdown
1.27 K
814
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
652
288