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。
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 StartedRust0119- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
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
SenseNova-U1-8B-MoT-SFTenseNova U1 是一系列全新的原生多模态模型,它在单一架构内实现了多模态理解、推理与生成的统一。 这标志着多模态AI领域的根本性范式转变:从模态集成迈向真正的模态统一。SenseNova U1模型不再依赖适配器进行模态间转换,而是以原生方式在语言和视觉之间进行思考与行动。Python00
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