Intel PCM Docker镜像中libasan.so.8缺失问题的分析与解决
2025-06-27 05:53:33作者:凌朦慧Richard
问题背景
Intel PCM(Processor Counter Monitor)是一款强大的处理器性能监控工具,它提供了Docker镜像以便用户快速部署使用。然而,在最新版本的Docker镜像中,用户发现运行pcm-sensor-server时会出现动态链接库缺失的错误。
错误现象
当用户尝试运行最新版的Intel PCM Docker镜像时,系统报错:
/usr/local/bin/pcm-sensor-server: error while loading shared libraries: libasan.so.8: cannot open shared object file: No such file or directory
这个错误表明系统无法找到libasan.so.8这个动态链接库文件。libasan是GCC的AddressSanitizer(ASan)工具的一部分,用于内存错误检测。
问题根源分析
经过深入分析,这个问题源于Docker镜像构建过程中的一个配置问题。在构建阶段,虽然安装了libasan-static静态库,但没有包含动态链接库libasan.so.8。而pcm-sensor-server在运行时需要动态链接这个库。
AddressSanitizer是GCC提供的一种快速内存错误检测器,可以检测如下问题:
- 使用释放后的内存(use-after-free)
- 堆/栈/全局变量缓冲区溢出
- 内存泄漏等
解决方案
解决这个问题的方案是在Docker镜像中显式安装libasan动态库。具体修改是在Dockerfile中添加以下指令:
RUN dnf -y install libasan
这个修改确保了运行时环境包含所需的动态链接库。同时,保持原有的libasan-static安装,以确保构建阶段的需求也被满足。
验证结果
修改后的Docker镜像经过验证,pcm-sensor-server可以正常启动并输出处理器信息:
===== Processor information =====
Linux arch_perfmon flag : yes
Hybrid processor : no
IBRS and IBPB supported : yes
技术建议
对于类似的动态链接库缺失问题,开发者可以采取以下预防措施:
- 在构建Docker镜像时,明确区分构建时依赖和运行时依赖
- 使用ldd工具检查二进制文件的动态链接库依赖
- 在多阶段构建中,确保最终镜像包含所有必要的运行时库
- 考虑使用静态链接方式构建关键组件,减少运行时依赖
总结
这个问题的解决不仅修复了Intel PCM Docker镜像的运行问题,也为其他类似项目提供了参考。正确处理动态链接库依赖是确保容器化应用可靠运行的关键因素之一。通过这个案例,我们再次认识到在容器化过程中,构建环境和运行环境的差异需要特别关注。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0508
Kimi-K3Kimi K3 是Kimi能力最强的模型:这是一个拥有 2.8 万亿参数的混合专家(MoE)模型,具备原生视觉理解能力,并支持 100 万 token 的上下文窗口。Python00
ai-trend-publishTrendPublish: 全自动 AI 内容生成与发布系统 | 微信公众号自动化 | 多源数据抓取 (Twitter/X、网站) | DeepseekAI、千问、讯飞模型 | 智能内容分析排序 | 定时发布 | 多模板支持 | Node.js | TypeScript | AI 技术趋势跟踪工具TypeScript02
ccg-workflow多模型协作开发系统 - Claude 编排 + Codex 后端 + Gemini 前端,28 个命令覆盖开发全流程,一键安装零配置Go07
源启盛夏_AtomGit暑期开发者成长计划「源启盛夏」暑期校园开发者成长计划旨在激活校园开源力量,通过积分激励、认证扶持、资源倾斜等形式,引导高校组织和开发者完成「入驻 — 建项目 — 做贡献 — 获认证 — 得资源」的完整闭环。无论你是想带领社团入驻平台的组织者,还是希望用代码贡献证明自己的开发者,都能在这里找到属于你的成长路径。Markdown01
AscendNPU-IRAscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优C++0332
热门内容推荐
最新内容推荐
项目优选
收起
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
506
530
暂无描述
Markdown
842
5.59 K
deepin linux kernel
C
33
16
作为 Ascend for PyTorch 社区的核心组件,TorchNPU 是昇腾专为 PyTorch 打造的深度学习适配插件,使 PyTorch 框架能够直接调用昇腾 NPU,为开发者提供昇腾 AI 处理器的超强算力。
Python
822
1.23 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
1.01 K
2.38 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
824
1.62 K
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++
1.23 K
1.33 K
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
493
332
JiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。
Python
3.12 K
821
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
3.45 K
508