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。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C043
MiniMax-M2.1从多语言软件开发自动化到复杂多步骤办公流程执行,MiniMax-M2.1 助力开发者构建下一代自主应用——全程保持完全透明、可控且易于获取。Python00
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C01
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
agent-studioopenJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力TSX0121
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00