Yosys项目在ppc64le架构下的内存映射问题分析与修复
问题背景
在Yosys项目(一个开源的硬件描述语言综合工具)的维护过程中,开发团队发现了一个特定于ppc64le架构(PowerPC 64位小端架构)的严重问题。该问题仅在Fedora 42及以上版本(使用GCC 15编译器)的ppc64le架构上出现,表现为测试套件中的内存初始化测试失败,甚至导致程序崩溃。
问题现象
当在ppc64le架构上运行Yosys测试套件时,会出现以下两种异常情况:
- 内存初始化测试失败,错误信息显示断言失败
- 更严重的情况下,程序会直接崩溃,产生段错误或双重释放错误
通过二分法定位,发现问题最初出现在提交c5fd96ebb("macc_v2: Start new cell")之后。有趣的是,这个问题仅出现在特定组合下:GCC 15编译器+ppc64le架构,在其他架构如x86_64上即使使用GCC 15也不会出现。
深入分析
通过详细的调试和测试,开发团队逐步缩小了问题范围:
- 问题出现在内存库映射(memory_libmap)过程中
- 崩溃发生在尝试为内存单元设置初始值时
- 根本原因与哈希表操作中的栈使用后释放(stack-use-after-scope)问题有关
使用地址消毒器(ASAN)进一步分析后,发现问题的根源在于内存映射工作器(MapWorker)的生命周期管理不当。具体来说,MapWorker实例在循环外部创建,但在循环内部修改了模块内容后,没有正确重建索引。
解决方案
开发团队提出了一个简洁有效的修复方案:
diff --git a/passes/memory/memory_libmap.cc b/passes/memory/memory_libmap.cc
index b0d0498ea..b62375e7e 100644
--- a/passes/memory/memory_libmap.cc
+++ b/passes/memory/memory_libmap.cc
@@ -2232,10 +2232,10 @@ struct MemoryLibMapPass : public Pass {
if (module->has_processes_warn())
continue;
- MapWorker worker(module);
auto mems = Mem::get_selected_memories(module);
for (auto &mem : mems)
{
+ MapWorker worker(module);
MemMapping map(worker, mem, lib, opts);
int idx = -1;
int best = map.logic_cost;
@@ -2258,8 +2258,6 @@ struct MemoryLibMapPass : public Pass {
log("using FF mapping for memory %s.%s\n", log_id(module->name), log_id(mem.memid));
} else {
map.emit(map.cfgs[idx]);
- // Rebuild indices after modifying module
- worker = MapWorker(module);
}
}
}
这个修改的核心思想是:
- 将MapWorker的实例化移到循环内部,确保每次处理新的内存单元时都使用全新的工作器
- 移除了不必要的索引重建操作
验证结果
应用该补丁后:
- 在ppc64le架构上成功构建
- 所有测试用例均通过
- 不再出现段错误或崩溃现象
- 在x86_64架构上也保持正常功能
技术启示
这个案例提供了几个重要的技术启示:
-
跨平台兼容性测试的重要性:虽然ppc64le架构用户可能不多,但它作为"早期预警系统"帮助发现了潜在的未定义行为问题
-
资源生命周期管理:在C++中,特别是在涉及复杂数据结构和内存操作的场景下,必须严格管理对象的生命周期和作用域
-
哈希表操作的线程安全性:在多线程或复杂操作环境中,哈希表的重建和访问需要特别小心
-
编译器版本差异:不同版本的编译器可能对代码的优化和处理方式不同,可能导致隐藏的问题在特定环境下暴露
这个问题的发现和解决过程展示了开源社区协作的力量,也体现了全面测试覆盖的价值,即使是对看似边缘的架构和编译器组合。
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
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00