Raspberry Pi Pico SDK 在 GCC 13 下构建失败问题分析
2025-06-16 05:00:55作者:咎岭娴Homer
问题背景
在使用 Raspberry Pi Pico SDK 进行项目开发时,开发者发现当使用 GCC 13 编译器并启用 -Wall -Werror 编译选项时,构建过程会失败。错误信息指向了二进制信息(binary info)功能相关的代码。
错误详情
构建失败的具体错误信息如下:
/home/shawn/pico-sdk/src/common/pico_binary_info/include/pico/binary_info/code.h:42:151: error: dereferencing type-punned pointer will break strict-aliasing rules [-Werror=strict-aliasing]
42 | #define bi_decl_if_func_used(_decl) ({__bi_mark_enclosure _decl; __bi_decl(__bi_ptr_lineno_var_name, &__bi_lineno_var_name.core, ".binary_info.", ); *(const volatile uint8_t *)&__bi_ptr_lineno_var_name;});
技术分析
1. 严格别名规则(strict-aliasing)
GCC 的严格别名规则是编译器优化的一部分,它假设不同类型的指针不会指向同一内存位置。违反这一规则可能导致未定义行为。在这个案例中,代码使用了类型双关(type-punning)技术,即通过不同类型的指针访问同一内存位置,这触发了编译器的警告。
2. 二进制信息功能的实现
Pico SDK 的二进制信息功能用于在编译后的二进制文件中嵌入额外的元数据信息。问题代码中的宏 bi_decl_if_func_used 试图通过类型转换来确保变量不会被编译器优化掉。具体来说:
- 宏定义了一个局部作用域
- 在其中声明了二进制信息结构
- 最后通过类型双关的方式强制引用变量
3. 问题根源
这种实现方式在较早的 GCC 版本中可能不会触发警告,但随着编译器版本的更新和对标准符合性的提高,GCC 13 更加严格地执行了严格别名规则,导致构建失败。
解决方案
根据问题跟踪信息,此问题已经被修复。开发者可以采取以下措施:
- 更新到最新版本的 Pico SDK,其中包含了对此问题的修复
- 如果暂时无法更新SDK,可以临时禁用二进制信息功能
- 对于自定义项目,可以考虑修改编译器标志,针对特定文件禁用严格别名警告
经验总结
- 类型双关虽然在某些情况下很有用,但应该谨慎使用,特别是在跨平台和跨编译器环境中
- 随着编译器版本的更新,对C语言标准的实现会更加严格,开发者在升级工具链时需要注意兼容性问题
- 嵌入式开发中,类似"防止变量被优化掉"的需求很常见,但应该寻找更标准化的实现方式,如使用
volatile关键字或编译器特定的属性(attribute)
最佳实践建议
对于嵌入式开发者,在处理类似情况时,建议:
- 优先使用编译器提供的标准机制来实现功能,而非依赖未定义行为
- 在跨版本开发时,考虑设置CI/CD管道在不同编译器版本下测试项目
- 关注上游项目的更新,及时合并修复和改进
- 对于关键功能,考虑编写更健壮的、符合标准的替代实现
这个问题展示了嵌入式开发中工具链兼容性的重要性,也提醒开发者在实现底层功能时需要更加注意语言标准的符合性。
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
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
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
暂无简介
Dart
671
155
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++
660
308
Ascend Extension for PyTorch
Python
220
236
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
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
392
3.83 K
React Native鸿蒙化仓库
JavaScript
259
322