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