Highway项目中的性能计数器测试模块构建问题分析与修复
在Google的开源项目Highway中,近期发现了一个关于性能计数器测试模块的构建问题。该问题主要影响使用GCC 14.2.1编译器和CMake构建系统的Linux环境,特别是在Arch Linux发行版上表现明显。
问题现象
开发者在构建Highway项目时遇到了链接错误,具体表现为perf_counters_test模块无法正确链接。错误信息显示多个与性能计数器相关的函数符号未定义,包括:
- PerfCounters构造函数
- IndexForCounter方法
- StopAllAndReset方法
- Init方法
- StartAll方法
这些未定义的符号都属于hwy::platform::PerfCounters命名空间,表明性能计数器实现与测试用例之间的符号可见性存在问题。
根本原因
经过项目维护者的分析,问题的根本原因在于缺少HWY_DLLEXPORT宏定义。这个宏在动态链接库构建时至关重要,它确保了符号的可见性和可链接性。在共享库构建模式下(BUILD_SHARED_LIBS=ON),如果没有正确导出符号,就会导致测试程序无法链接到这些实现。
技术背景
在C++项目中,特别是在跨平台开发中,符号导出是一个常见问题。不同平台有不同的机制:
- Windows平台使用__declspec(dllexport)
- Unix-like平台使用__attribute__((visibility("default")))
HWY_DLLEXPORT宏就是为了统一这些平台差异而设计的抽象层。当这个宏缺失时,在Unix系统上构建的共享库中的符号默认不会被导出,从而导致链接错误。
修复方案
项目维护者通过以下方式解决了这个问题:
- 确保所有必要的性能计数器类和方法都正确标记了HWY_DLLEXPORT
- 验证了在共享库和静态库构建模式下的兼容性
- 确保跨平台的一致性
修复提交(60ff22e)已经合并到主分支,验证表明该修复确实解决了原始报告中的构建问题。
对开发者的启示
这个案例给C++开发者带来几点重要启示:
- 在开发跨平台库时,必须特别注意符号的可见性控制
- 动态链接和静态链接的构建测试都应该纳入CI流程
- 宏定义的一致性检查应该作为代码审查的重要部分
- 测试模块应该能够反映各种构建配置下的问题
Highway项目团队对此问题的快速响应也展示了开源社区协作的高效性,从问题报告到修复仅用了很短的时间,体现了项目维护的专业性。
结语
性能计数器是许多高性能计算项目的重要组成部分,确保其测试套件的可靠性对于项目质量至关重要。这次构建问题的解决不仅修复了当前的问题,也为项目未来的可维护性提供了保障。对于使用Highway项目的开发者来说,更新到包含此修复的版本即可避免类似问题。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
ruoyi-plus-soybeanRuoYi-Plus-Soybean 是一个现代化的企业级多租户管理系统,它结合了 RuoYi-Vue-Plus 的强大后端功能和 Soybean Admin 的现代化前端特性,为开发者提供了完整的企业管理解决方案。Vue06- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00