Yosys仿真模块中的FST内存泄漏问题分析与修复
2025-06-18 14:10:20作者:沈韬淼Beryl
在数字电路设计验证工具Yosys的仿真模块中,开发团队发现了一个与FST(Fast Signal Trace)文件处理相关的内存泄漏问题。这个问题主要影响使用cosim(协同仿真)功能时的内存管理,可能导致长时间仿真运行时的内存消耗持续增长。
问题背景
FST是一种高效的信号波形存储格式,Yosys使用它来记录仿真过程中的信号变化。在协同仿真场景下,系统需要从FST文件中重建特定时间点的信号状态。原实现采用了一种基于回调函数的机制来处理时间序列数据,但这种设计存在潜在的内存管理缺陷。
问题根源分析
内存泄漏发生在以下调用链中:
run_cosim_fst启动协同仿真- 调用
reconstructAllAtTimes方法重建时间点数据 - 该方法内部使用
fstReaderIterBlocks2进行块迭代 - 迭代过程中通过
calloc分配了内存(scatterptr) - 回调函数lambda在遇到FST文件结束时抛出异常
- 异常抛出导致内存释放代码被跳过
关键问题在于异常处理路径绕过了正常的内存释放流程,使得scatterptr分配的内存无法被回收。
解决方案
开发团队经过深入分析后,确定了以下修复策略:
- 移除了基于异常的时间范围控制机制
- 在回调函数内部添加了显式的时间检查
- 确保所有内存分配都有对应的释放操作
修复后的实现更加健壮,不再依赖异常来控制流程,从而保证了内存的正确释放。值得注意的是,虽然FST库提供了fstReaderSetLimitTimeRange函数,但它并不适合解决这个特定问题,因为协同仿真需要根据周期数而非绝对时间来控制仿真长度。
技术启示
这个案例展示了几个重要的软件开发经验:
- 在C++中使用异常处理需要特别注意资源管理,特别是在与C库交互时
- 回调函数中的非局部控制流(如抛出异常)可能破坏调用者的预期行为
- 内存管理在长时间运行的工具中尤为重要,微小的泄漏累积可能导致严重问题
影响评估
该修复显著提高了Yosys在长时间协同仿真场景下的稳定性,特别是在处理大型设计或长时间仿真时。用户现在可以更放心地使用FST格式进行复杂的验证工作,而不必担心内存泄漏问题。
这个问题的发现和解决过程也体现了开源协作的优势,通过社区成员的共同参与,能够快速定位和修复复杂的技术问题。
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
9
Ascend Extension for PyTorch
Python
213
226
暂无简介
Dart
660
150
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++
656
293
🎉 (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
1.17 K
644
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
490
React Native鸿蒙化仓库
JavaScript
251
320
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++
79
104
openGauss kernel ~ openGauss is an open source relational database management system
C++
159
217
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