标题:打破边界:在内核模式中畅游C++——Universal C++ RunTime(UCXXRT)
标题:打破边界:在内核模式中畅游C++——Universal C++ RunTime(UCXXRT)
在软件开发的世界里,C++以其强大的功能和灵活性深受程序员们的喜爱。然而,当你试图将C++的优雅应用到操作系统内核的开发中时,你会发现缺乏一个可靠的运行时库支持。直到Universal C++ RunTime(UCXXRT)的出现,这个局面被彻底改变。
1. 项目介绍
UCXXRT 是一个基于MSVC的开源运行时库,它的独特之处在于能够让你在内核模式驱动程序中享受与用户模式应用程序相同的C++编程体验。它允许你在驱动开发中使用C++标准模板库(STL),如容器和异常处理,而不必依赖自定义实现。对于那些习惯于C++语法的开发者来说,这是一个解放生产力的重大突破。
2. 技术分析
UCXXRT通过禁用内核模式标志并在编译器中启用C++异常支持(/EHsc)来工作。它模拟了C++的异常调度机制,并在特定回调函数中处理异常。这样的设计使得在内核中进行C++异常处理成为可能,同时还支持SAFESEH和GS安全特性。
3. 应用场景
- 驱动开发:在需要高效、安全且易于维护的内核模式代码时,UCXXRT提供了使用C++编写驱动程序的能力。
- 嵌入式系统:对于资源有限但需要高级语言特性的嵌入式环境,UCXXRT是一个理想的解决方案。
- 实验性平台:对ARM和ARM64的支持使UCXXRT成为跨平台内核开发的良好选择。
4. 项目特点
- 多平台兼容:支持x86、x64、ARM(实验性)和ARM64(实验性)架构。
- 异常支持:全面支持C++异常处理。
- 安全性强化:包含了SAFESEH和GS安全检查。
- STL部分支持:虽然不完全,但已支持大部分STL容器。
- 静态对象:支持在内核模式下创建和管理静态对象。
使用案例
来看看一个简单的示例,展示了如何在内核模式中使用try/catch和std::unordered_map:
void Test$ThrowUnknow()
{
// 省略...
}
void Test$HashMap()
{
auto Rand = std::mt19937_64(::rand());
auto Map = std::unordered_map<uint32_t, std::string>();
for (auto i = 0u; i < 10; ++i)
{
Map[i] = std::to_string(Rand());
}
for (const auto& Item : Map)
{
LOG(DPFLTR_IHVDRIVER_ID, DPFLTR_ERROR_LEVEL,
"map[%ld] = %s\n", Item.first, Item.second.c_str());
}
}
获取与使用
你可以通过NuGet包管理器安装或直接将 ucxxrt.props 添加到你的项目来轻松集成UCXXRT。
致谢
感谢JetBrains提供免费的工具支持,如 Resharper C++,它们对UCXXRT的发展起到了关键作用。
UCXXRT是站在巨人肩膀上的项目,它借鉴并致敬了诸如Microsoft的C++标准库、Chuyu-Team的VC-LTL等优秀项目。
当前未支持的功能
虽然UCXXRT已经非常强大,但仍有一些特性正在发展中,例如线程局部存储、std::filesystem等。
UCXXRT为驱动开发开启了一个全新的时代,让我们能够以更加现代化的方式来构建内核组件。无论你是资深的内核开发者还是渴望探索内核编程的新手,UCXXRT都将是你值得信赖的伙伴。立即尝试,让C++的力量在内核世界中绽放光彩!
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