TigerVNC项目中gettimeofday计时器异常问题分析与修复
2025-06-05 15:15:19作者:霍妲思
问题背景
在TigerVNC项目的最新代码提交后,用户在使用x0vncserver时发现控制台输出了大量"Timer: gettimeofday is broken..."的错误信息。这些错误信息表明系统计时器功能出现了异常,可能会影响VNC服务器的正常运行和性能表现。
问题现象
错误信息显示系统认为gettimeofday系统调用存在问题,具体表现为计时器计算出现偏差。开发人员通过调试发现,每次触发错误时,计算得到的等待时间(toWait)与超时时间(timeoutMs)之间总是相差1毫秒,例如:
toWait=51, timeoutMs=50
toWait=9, timeoutMs=8
问题根源分析
经过深入排查,发现问题源于时间差计算函数diffTimeMillis的实现方式。原始代码将秒和微秒分开计算后再合并,这种计算方式在微秒部分发生溢出时会导致精度丢失。具体来说,当微秒差值计算出现负值时,加上999再进行除法运算会产生不准确的结果。
技术细节
在Linux系统中,gettimeofday系统调用返回一个timeval结构体,包含tv_sec(秒)和tv_usec(微秒)两个字段。原始的时间差计算方法是:
((later.tv_sec - earlier.tv_sec) * 1000) + ((later.tv_usec - earlier.tv_usec + 999) / 1000)
这种方法存在两个潜在问题:
- 秒和微秒部分分开计算,忽略了微秒部分可能的溢出
- 在微秒差为负值时,直接加999会导致计算结果偏差
解决方案
修复方案是将时间差统一转换为微秒单位计算,然后再转换为毫秒:
long udiff;
udiff = ((later.tv_sec - earlier.tv_sec) * 1000000) +
(later.tv_usec - earlier.tv_usec);
return (udiff + 999) / 1000;
这种改进后的算法具有以下优点:
- 统一使用微秒作为计算单位,避免中间结果溢出
- 整体计算时间差后再进行毫秒转换,保证精度
- 正确处理负时间差情况
验证与测试
修复后经过严格测试,特别是在触发大量计时器事件的场景下(如打开文件管理器),确认:
- 不再出现"gettimeofday is broken"错误
- 计时器功能正常工作
- 系统性能稳定
总结
这次问题修复展示了时间处理在系统编程中的重要性,特别是在需要高精度计时的网络应用中。通过将时间差计算统一到更小的单位(微秒)后再转换,可以有效避免边界条件导致的精度问题。这一改进不仅解决了当前问题,也为TigerVNC项目的计时器可靠性提供了更好的保障。
登录后查看全文
热门项目推荐
相关项目推荐
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
最新内容推荐
MQTT 3.1.1协议中文版文档:物联网开发者的必备技术指南 Solidcam后处理文件下载与使用完全指南:提升CNC编程效率的必备资源 Python案例资源下载 - 从入门到精通的完整项目代码合集 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 CrystalIndex资源文件管理系统:高效索引与文件管理的最佳实践指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南 Python开发者的macOS终极指南:VSCode安装配置全攻略 瀚高迁移工具migration-4.1.4:企业级数据库迁移的智能解决方案 STM32到GD32项目移植完全指南:从兼容性到实战技巧
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
402
3.13 K
Ascend Extension for PyTorch
Python
224
249
暂无简介
Dart
672
159
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++
663
316
React Native鸿蒙化仓库
JavaScript
262
325
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
🎉 (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
1.2 K
655
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
219