stlink项目在GCC 14下的编译问题分析与解决方案
2025-06-12 22:34:10作者:董斯意
stlink是一个开源的STM32调试工具链,广泛应用于嵌入式开发领域。近期在Fedora Rawhide系统上使用GCC 14编译stlink 1.8.0版本时遇到了编译错误问题,本文将详细分析该问题的成因并提供解决方案。
问题现象
在Fedora Rawhide系统上使用GCC 14.0.1编译stlink 1.8.0时,编译器报出以下错误:
src/stlink-lib/chipid.c:68:22: error: 'calloc' sizes specified with 'sizeof' in the earlier argument and not in the later argument [-Werror=calloc-transposed-args]
ts = calloc(sizeof(struct stlink_chipid_params), 1);
^~~~~~
错误信息明确指出,在调用calloc函数时,参数顺序存在问题。GCC 14新增了一个编译检查选项-Wcalloc-transposed-args,专门用于检测calloc函数参数顺序是否正确。
问题分析
calloc函数的标准原型为:
void *calloc(size_t nmemb, size_t size);
其参数含义为:
- nmemb:要分配的元素数量
- size:每个元素的大小
在stlink的代码中,调用方式为:
ts = calloc(sizeof(struct stlink_chipid_params), 1);
这种写法虽然功能上正确(分配1个大小为struct stlink_chipid_params的空间),但参数顺序与标准原型不符。GCC 14加强了代码规范检查,将这种写法视为潜在错误。
解决方案
正确的做法是交换calloc的参数顺序,改为:
ts = calloc(1, sizeof(struct stlink_chipid_params));
这种写法:
- 明确表示要分配1个元素
- 每个元素的大小为struct stlink_chipid_params
- 完全符合C语言标准库函数的原型定义
兼容性考虑
值得注意的是:
- 在GCC 13及以下版本中,两种写法都能编译通过
- GCC 14默认启用了更严格的代码检查
- 修改后的代码在所有GCC版本中都能正常工作
最佳实践建议
在C语言开发中,关于内存分配的建议:
- 始终按照标准库函数原型要求的参数顺序调用
- 对于calloc,总是先写数量再写大小
- 考虑使用类型安全的包装宏,如:
#define CALLOC_TYPE(n, type) calloc(n, sizeof(type)) - 对于单个元素的分配,malloc可能比calloc更合适
结论
stlink项目在GCC 14下的编译问题反映了现代编译器对代码规范日益严格的要求。通过调整calloc参数顺序这一简单修改,不仅解决了当前编译问题,也使代码更加符合标准规范,提高了可维护性和可移植性。这一案例也提醒开发者,随着工具链的更新,代码规范检查会越来越严格,遵循标准写法可以避免许多潜在问题。
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客户端软件源代码:物联网开发的强大工具与最佳实践指南 Launch4j中文版:Java应用程序打包成EXE的终极解决方案 全球GEOJSON地理数据资源下载指南 - 高效获取地理空间数据的完整解决方案 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 IK分词器elasticsearch-analysis-ik-7.17.16:中文文本分析的最佳解决方案 电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 STM32到GD32项目移植完全指南:从兼容性到实战技巧 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 基于Matlab的等几何分析IGA软件包:工程计算与几何建模的完美融合 XMODEM协议C语言实现:嵌入式系统串口文件传输的经典解决方案
项目优选
收起
deepin linux kernel
C
26
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
420
3.22 K
Ascend Extension for PyTorch
Python
230
261
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++
689
330
暂无简介
Dart
685
160
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
266
326
🔥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
65
19
🎉 (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
1.22 K
666
仓颉编译器源码及 cjdb 调试工具。
C++
136
869