在Arch Linux上构建Intel PCM工具时解决libasan链接问题
Intel PCM(Performance Counter Monitor)是一款强大的性能监控工具,但在某些Linux发行版上构建时可能会遇到链接问题。本文将详细介绍在Arch Linux系统上构建PCM时遇到的libasan链接错误及其解决方案。
问题现象
当在Arch Linux系统上尝试构建PCM工具时,构建过程会在链接阶段失败,并显示以下错误信息:
/usr/bin/ld: cannot find -lasan: No such file or directory
尽管系统中确实存在libasan.so文件(通常位于/usr/lib/libasan.so),但构建系统无法正确找到并使用它。
问题原因
这个问题的根源在于PCM的CMake构建系统默认尝试使用静态链接方式连接AddressSanitizer(ASan)库。在Arch Linux等某些发行版中,静态版本的ASan库可能不可用或安装方式不同,导致链接器无法找到所需的静态库文件。
AddressSanitizer是一种内存错误检测工具,PCM默认启用它以帮助开发者发现潜在的内存问题。静态链接方式在某些环境下工作良好,但在Arch Linux等发行版中可能需要调整为动态链接。
解决方案
有两种方法可以解决这个问题:
方法一:强制使用动态链接
在运行cmake时添加-DPCM_NO_STATIC_LIBASAN=ON选项,强制使用动态链接方式连接ASan库:
cmake -DPCM_NO_STATIC_LIBASAN=ON ..
cmake --build .
方法二:更新PCM代码库
最新版本的PCM已经针对Arch Linux做了特殊处理,会自动检测系统类型并调整链接方式。只需更新到最新代码即可:
git pull origin master
mkdir build
cd build
cmake ..
cmake --build .
深入理解
AddressSanitizer是LLVM项目的一部分,用于检测内存错误如缓冲区溢出、使用释放后的内存等。它通过编译时插桩和运行时库的结合来实现这些功能。在Linux系统中,ASan通常以动态库形式提供(libasan.so),但某些构建系统可能偏好静态链接以获得更好的可移植性。
Arch Linux作为滚动更新的发行版,其软件包管理方式与其他发行版有所不同,这可能导致一些构建系统假设不成立。PCM项目已经意识到这一点,并针对Arch Linux做了特殊处理,体现了开源项目对不同Linux发行版的良好适配。
总结
在Arch Linux上构建Intel PCM工具时遇到的libasan链接问题,本质上是静态链接与动态链接的选择问题。通过理解构建系统的默认行为并适当调整配置参数,可以顺利解决这一问题。这也提醒我们,在使用开源工具时,了解不同Linux发行版间的差异非常重要。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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