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。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00