OpenVAS Scanner 中 GCC15 编译问题的分析与解决
在构建 OpenVAS Scanner 23.18.0 及以上版本时,用户遇到了一个与 GCC15 编译器相关的构建失败问题。这个问题主要出现在 Rust 组件 nasl-c-lib 的编译过程中,具体表现为 libgpg-error 库的编译错误。
问题现象
当使用 GCC15 进行编译时,构建过程会在编译 libgpg-error 的 t-printf.c 文件时失败。错误信息显示编译器无法识别 nullptr 关键字,并产生了类型不匹配的警告:
t-printf.c:452:18: error: expected identifier or '(' before 'nullptr'
452 | volatile char *nullptr = NULL; /* Avoid compiler warning. */
| ^~~~~~~
此外,编译器还报告了多个格式字符串与参数类型不匹配的警告,这些都与 nullptr 的使用有关。
问题根源分析
这个问题源于以下几个技术因素:
-
C++关键字冲突:
nullptr是 C++11 引入的关键字,用于表示空指针。在 C 语言中,这个标识符原本可以作为变量名使用。GCC15 可能加强了对 C/C++ 关键字冲突的检查。 -
libgpg-error 的兼容性问题:libgpg-error 1.47 版本中的测试代码使用了
nullptr作为变量名,这在早期 GCC 版本中是可以接受的,但在 GCC15 中会导致编译错误。 -
构建系统集成:OpenVAS Scanner 的 Rust 组件 nasl-c-lib 依赖 libgcrypt-sys,后者又会下载并静态编译 libgpg-error 作为依赖项。
解决方案
OpenVAS Scanner 开发团队已经通过以下方式解决了这个问题:
-
更新依赖版本:将 libgpg-error 的版本升级到与 GCC15 兼容的新版本。
-
构建系统调整:修改构建脚本以正确处理依赖项的编译选项和环境。
对于用户而言,解决方案包括:
-
更新 OpenVAS Scanner:升级到包含修复的版本(23.20.1 或更高)。
-
临时解决方案:如果无法立即升级,可以尝试以下方法之一:
- 使用 GCC14 或其他兼容的编译器版本
- 手动修改本地 libgpg-error 源代码中的
nullptr变量名 - 设置适当的编译标志来抑制错误
技术背景延伸
这个问题揭示了现代 C/C++ 项目开发中几个重要的技术考量:
-
ABI 兼容性:编译器版本的升级可能会引入不兼容的变化,特别是对于低级别的系统库。
-
混合语言开发:Rust 与 C 的互操作需要特别注意依赖项的管理和编译环境的配置。
-
静态链接的挑战:静态链接第三方库虽然可以简化部署,但会增加构建复杂性和潜在的兼容性问题。
最佳实践建议
对于开发者和系统管理员:
-
保持开发环境更新:定期更新编译工具链和依赖库,但要注意测试兼容性。
-
隔离构建环境:使用容器或虚拟环境来确保构建过程的一致性。
-
监控上游更新:关注依赖项目的发布说明,特别是关于编译器兼容性的变更。
-
实施持续集成:设置自动化的构建测试来及早发现兼容性问题。
这个问题展示了开源软件生态系统中版本管理和兼容性维护的复杂性,也体现了 OpenVAS Scanner 团队对用户问题的快速响应能力。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00