在RHEL 9.2上构建Intel PCM工具时解决libasan依赖问题
2025-06-27 05:01:02作者:冯梦姬Eddie
Intel PCM(Performance Counter Monitor)是一款强大的处理器性能监控工具,它能够提供详细的CPU性能计数器信息。然而,在RHEL 9.2系统上构建该项目时,开发者可能会遇到与AddressSanitizer(ASan)相关的链接错误。
问题现象
当在RHEL 9.2系统上按照标准流程构建Intel PCM时,构建过程会在链接阶段失败,并显示错误信息"cannot find -lasan"。这表明系统无法找到AddressSanitizer的静态库文件。
问题分析
AddressSanitizer是Google开发的内存错误检测工具,Intel PCM项目默认启用了该功能以增强代码安全性。在构建过程中,项目尝试链接静态版本的ASan库(libasan.a),但在RHEL 9.2及其衍生发行版(如Rocky Linux 9)中,这个库的包名与传统有所不同。
解决方案
方案一:安装正确的静态库包
在RHEL 9.2系列系统中,AddressSanitizer的静态库包含在以下包中:
gcc-toolset-12-libasan-devel
gcc-toolset-13-libasan-devel
开发者可以根据系统上安装的GCC工具集版本选择对应的包进行安装。
方案二:使用动态链接方式
如果不想处理静态库依赖问题,可以通过构建选项切换到动态链接方式:
cmake -DNO_STATIC_LIBASAN=1 ..
这个选项会指示构建系统使用动态链接的ASan库而非静态库,从而避免静态库缺失的问题。
技术背景
AddressSanitizer是一种快速的内存错误检测器,它能够发现如下类型的问题:
- 内存泄漏
- 堆栈和全局缓冲区溢出
- 释放后使用
- 重复释放
- 初始化顺序问题
Intel PCM项目默认启用ASan是为了提高代码质量,确保性能监控工具本身的稳定性。在开发环境中,这种内存检查机制尤为重要,因为它能帮助捕获潜在的内存问题,避免这些问題影响监控数据的准确性。
最佳实践建议
- 开发环境:建议保持ASan启用状态,以便及时发现和修复内存问题
- 生产环境:如果仅需要运行PCM工具而不进行开发,可以考虑使用预编译的二进制版本
- 跨发行版兼容性:在为不同Linux发行版构建时,应注意包命名的差异
- 性能考虑:ASan会引入一定的运行时开销,在性能关键场景下应权衡是否需要启用
通过理解这些构建问题的本质和解决方案,开发者可以更顺利地在RHEL 9.2及类似系统上使用Intel PCM这一强大的性能监控工具。
登录后查看全文
热门项目推荐
相关项目推荐
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
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
410
3.16 K
Ascend Extension for PyTorch
Python
227
254
暂无简介
Dart
674
160
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
664
322
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.21 K
659
React Native鸿蒙化仓库
JavaScript
264
326
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
220
仓颉编译器源码及 cjdb 调试工具。
C++
135
868