Intel PCM Docker镜像中libasan.so.8缺失问题的分析与解决
2025-06-27 18:39:46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
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
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
8
Ascend Extension for PyTorch
Python
199
219
暂无简介
Dart
637
145
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++
654
278
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
React Native鸿蒙化仓库
JavaScript
246
316
🎉 (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
1.12 K
629
仓颉编译器源码及 cjdb 调试工具。
C++
128
860
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++
75
99
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
385
3.74 K