DrMemory在Ubuntu 24.04上的浮点异常问题分析与解决
2025-06-30 02:26:47作者:袁立春Spencer
问题背景
近期在使用DrMemory内存调试工具时,用户报告在Ubuntu 24.04系统上运行简单C++程序时出现了"Floating point exception"(浮点异常)导致崩溃的问题。这个问题在Ubuntu 22.04环境下运行正常,但在新版本系统中出现了异常行为。
问题现象
当用户尝试使用DrMemory 2.6.0版本运行一个简单的"Hello World"程序时,系统报告浮点异常并产生核心转储。值得注意的是:
- 程序本身可以正常执行,问题仅出现在通过DrMemory运行时
- 使用轻量模式(-light)或仅检测内存泄漏的简化模式(-leaks_only)同样会崩溃
- 直接使用DynamoRIO运行则没有问题
- 调试模式下(-debug)同样崩溃,没有提供更多有用信息
技术分析
经过深入调查,这个问题与DynamoRIO底层框架的一个已知问题相关。具体来说,这是由Ubuntu 24.04系统中某些底层库的变更导致的兼容性问题。
DrMemory作为基于DynamoRIO构建的高级工具,在动态二进制插桩过程中需要对浮点运算进行特殊处理。新版本Ubuntu系统对浮点运算单元(FPU)状态管理方式的改变,导致了DrMemory在某些情况下无法正确处理浮点寄存器状态。
解决方案
开发团队已经确认并修复了这个问题。解决方案包括:
- 更新DynamoRIO底层框架,修复浮点状态处理逻辑
- 调整DrMemory对浮点异常的处理方式
- 增强对新系统环境的兼容性检测
用户可以通过以下方式解决此问题:
- 使用最新构建的DrMemory版本(2.6.20125或更高)
- 从源代码重新构建DrMemory工具链
验证结果
测试表明,在修复后的版本中:
- 简单程序可以正常通过DrMemory运行
- 浮点运算密集型应用也能稳定执行
- 各种运行模式(-light、-leaks_only等)均工作正常
总结
这次问题展示了系统升级对二进制插桩工具的潜在影响。作为开发者,在使用这类工具时应当:
- 关注工具与目标系统的兼容性
- 及时更新到最新稳定版本
- 对于关键任务,建议在容器中保持稳定的运行环境
DrMemory团队将继续监控系统环境变化,确保工具在新平台上的稳定运行。
登录后查看全文
热门项目推荐
相关项目推荐
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
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
192
212
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++
650
270
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
296
111
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
384
3.7 K
仓颉编译器源码及 cjdb 调试工具。
C++
128
857
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
React Native鸿蒙化仓库
JavaScript
243
316
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,提供Transformer定制化场景的高性能融合算子。
C++
66
96
暂无简介
Dart
633
143