OpenZFS 在 Linux 6.10+ 内核上的构建问题与解决方案
问题背景
OpenZFS 项目在 Linux 6.10 及以上版本内核中遇到了构建失败的问题。具体表现为在编译过程中出现错误提示:"error: macro "__assign_str" passed 2 arguments, but takes just 1"。这个问题影响了所有使用内核模块方式构建的 OpenZFS 版本。
技术分析
这个问题的根源在于 Linux 内核 6.10 版本中对 tracepoint 机制的修改。具体来说,torvalds/linux 提交 2c92ca849fcc 移除了 __assign_str 宏的第二个参数。在 6.10 之前的内核版本中,__assign_str 宏接受两个参数,而新版本只需要一个参数。
__assign_str 宏是 Linux 内核跟踪点(tracepoint)系统的重要组成部分,用于在跟踪点中处理字符串赋值。OpenZFS 使用这个宏来实现其调试和性能监控功能。
影响范围
这个问题影响:
- 所有尝试在 Linux 6.10+ 内核上构建的 OpenZFS 版本
- 包括内核内构建和"GPL hack"构建两种模式
- 所有架构平台
解决方案
社区提出了几种解决方案:
-
条件编译方案:通过内核配置检测确定
__assign_str的参数数量,然后根据检测结果使用正确的宏形式。这需要:- 添加新的内核配置检测
- 修改 tracepoint 相关代码以适应不同内核版本
-
简化方案:直接移除第二个参数,但这只适用于新内核,会破坏与旧内核的兼容性。
-
完整兼容方案:结合内核版本检测和条件编译,确保在所有支持的内核版本上都能正常工作。
实现细节
技术实现上,解决方案需要:
- 创建一个新的内核配置检测(
ZFS_AC_KERNEL_1ARG_ASSIGN_STR)来检查__assign_str的参数数量 - 修改 tracepoint 相关头文件,根据检测结果使用正确的宏形式
- 确保修改不会引入新的编译警告或错误
兼容性考虑
由于 Linux 发行版经常会向后移植内核补丁,单纯依靠内核版本号判断是不够可靠的。因此,解决方案采用了编译时检测的方式,可以准确判断当前内核中 __assign_str 的具体形式。
验证情况
社区成员已经验证了解决方案在多种内核版本上的工作情况:
- Linux 6.9 及更早版本(使用两参数形式)
- Linux 6.10+(使用单参数形式)
- 向下兼容到 Linux 5.10 内核
跟踪功能在这些内核上都能正常工作,可以正确记录和显示 ZFS 相关的调试信息。
总结
OpenZFS 项目通过引入内核功能检测和条件编译,解决了因 Linux 6.10+ 内核中 __assign_str 宏变更导致的构建问题。这个解决方案既保持了与旧内核的兼容性,又支持了新内核的特性,确保了 OpenZFS 在各种 Linux 发行版上的稳定运行。
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00