LLDBagility 使用教程
2024-09-19 08:55:49作者:俞予舒Fleming
1. 项目介绍
LLDBagility 是一个用于 macOS 内核调试的工具,它允许 LLDB 连接到运行在经过补丁的 VirtualBox 虚拟机上的 macOS 虚拟机。通过虚拟机自省的能力,LLDBagility 提供了一种便捷的 macOS 内核调试方法。该工具实现了一些新的 LLDB 命令,使得调试器能够:
- 连接到正在运行的 macOS VirtualBox 虚拟机并秘密地调试其内核,而无需更改客户操作系统。
- 随时中断(然后恢复)客户内核的执行。
- 在内核代码中的任何位置设置硬件断点。
- 设置在指定存储位置的读取或写入访问时触发的硬件观察点。
- 保存并在几秒钟内恢复虚拟机的状态。
2. 项目快速启动
2.1 安装依赖
确保满足以下依赖条件:
- 最新版本的 macOS 作为主机操作系统。
- 最新版本的 LLDB 调试器(可以通过
xcode-select --install安装)。 kdputilsPython 包(参见kdputils的 README)。- 经过 FDP 补丁的 VirtualBox 构建,以及 PyFDP 绑定(参见 FDP 的 README)。
- 一个 VirtualBox 虚拟机,运行任何版本的 macOS 作为客户操作系统。
2.2 安装 LLDBagility
假设所有依赖条件都已满足,只需将以下命令添加到 ~/.lldbinit 文件中:
command script import <path-to-LLDBagility>/LLDBagility/lldbagility.py
2.3 使用 LLDBagility
- 启动 macOS 虚拟机进行调试。
- 启动 LLDB。
- 在 LLDB 中执行以下命令以开始调试:
(lldb) target create <path-to-guest-kernel-binary>
(lldb) fdp-attach <name-of-macos-vm>
2.4 常用命令
LLDBagility 实现了以下新的 LLDB 命令:
fdp-attach或fa:连接调试器到正在运行的 macOS VirtualBox 虚拟机。fdp-hbreakpoint或fh:设置和取消设置读/写/执行硬件断点。fdp-interrupt或fi:暂停虚拟机的执行并将控制权返回给调试器。fdp-save或fs:保存虚拟机当前状态。fdp-restore或fr:将虚拟机恢复到上一次保存的状态。
3. 应用案例和最佳实践
3.1 调试 macOS 内核
LLDBagility 提供了一种无需修改客户操作系统的方式来调试 macOS 内核。通过使用 fdp-attach 命令,调试器可以连接到正在运行的 macOS 虚拟机,并开始调试其内核。
3.2 设置硬件断点
使用 fdp-hbreakpoint 命令,可以在内核代码中的任何位置设置硬件断点。这对于调试特定内核函数或代码路径非常有用。
3.3 保存和恢复虚拟机状态
在调试过程中,可以使用 fdp-save 和 fdp-restore 命令保存和恢复虚拟机的状态。这对于在调试过程中进行多次测试和恢复非常有用。
4. 典型生态项目
4.1 VirtualBox
LLDBagility 依赖于经过 FDP 补丁的 VirtualBox 虚拟机管理程序。VirtualBox 是一个开源的虚拟化软件,支持多种操作系统作为客户机。
4.2 LLDB
LLDB 是一个强大的调试器,广泛用于 macOS 和 iOS 开发。LLDBagility 扩展了 LLDB 的功能,使其能够调试 macOS 虚拟机中的内核。
4.3 PyFDP
PyFDP 是 FDP 的 Python 绑定,提供了与虚拟机自省相关的功能。LLDBagility 使用 PyFDP 来实现与 VirtualBox 虚拟机的交互。
通过这些工具的结合使用,开发者可以更高效地进行 macOS 内核调试和虚拟机管理。
登录后查看全文
热门项目推荐
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-1.5暂无简介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
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
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
7
Ascend Extension for PyTorch
Python
185
196
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
480
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
276
97
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
380
3.44 K
暂无简介
Dart
623
140
React Native鸿蒙化仓库
JavaScript
242
315
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
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++
648
265
openGauss kernel ~ openGauss is an open source relational database management system
C++
157
210