解决stress-ng在Android上静态编译时的TLS段对齐问题
stress-ng是一款强大的系统压力测试工具,广泛用于Linux系统性能测试和稳定性验证。在Android平台上使用静态编译版本时,开发者可能会遇到一个特定的错误:"executable's TLS segment is underaligned: alignment is 8, needs to be at least 64 for ARM64 Bionic"。
问题背景
当开发者尝试在Android设备上运行静态编译的stress-ng时,系统会抛出关于TLS(Thread Local Storage)段对齐不足的错误。这个错误特别出现在ARM64架构的Android设备上,因为Bionic C库(Android的C标准库实现)对TLS段有更严格的对齐要求。
问题分析
TLS是线程局部存储的机制,允许每个线程拥有自己的变量副本。在ARM64架构的Android系统中,Bionic C库要求TLS段的最小对齐为64字节,而默认的静态编译只提供了8字节对齐,这导致了兼容性问题。
解决方案
经过项目维护者的研究和测试,发现通过修改Makefile中的链接器标志可以解决这个问题。具体解决方案是添加以下编译选项:
-ffunction-sections:将每个函数放在独立的section中-fdata-sections:将每个数据放在独立的section中-Wl,--gc-sections:链接时移除未使用的section
这些选项的组合使用可以有效解决TLS段对齐问题,同时还能优化生成的二进制文件大小。
实现细节
在stress-ng的Makefile中,静态编译部分的修改如下:
ifeq ($(STATIC),1)
override LDFLAGS += -static -z muldefs -ffunction-sections -fdata-sections -Wl,--gc-sections
override CFLAGS += -DBUILD_STATIC
endif
替代方案
值得注意的是,如果不需要静态编译,使用动态链接版本可以完全避免这个问题。动态链接版本直接使用系统提供的库,不会遇到TLS段对齐问题。
结论
这个问题的解决展示了在跨平台开发中,特别是针对Android这样的特殊环境时,需要考虑底层架构和库实现的差异。通过适当的编译选项调整,可以解决这类兼容性问题,使stress-ng这样的强大工具能够在更多平台上发挥作用。
对于需要在Android设备上进行系统压力测试的开发者来说,这个解决方案提供了可靠的技术支持,确保了工具在各种环境下的可用性。
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