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。
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出Python00
Kimi-K2-ThinkingKimi-K2-Thinking是最新开源思维模型,作为能动态调用工具的推理代理,通过深度多步推理和稳定工具调用(200-300次连续调用),在HLE、BrowseComp等基准测试中刷新纪录。原生INT4量化模型,256k上下文窗口,实现推理延迟和GPU内存使用的无损降低,支持自主研究、编码和写作等工作流。【此简介由AI生成】Python00
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00