解决util-linux项目在x86_64主机上构建32位库时的编译错误
2025-06-28 03:16:00作者:仰钰奇
在构建util-linux项目的32位版本时,开发者可能会遇到一些特定的编译错误。这些错误主要出现在交叉编译环境下,特别是在x86_64架构的主机上构建32位库时。
问题现象
当尝试在x86_64主机上构建32位的util-linux库时,编译过程会在处理enosys.c文件时失败。错误信息显示多个系统调用号(如__NR_accept、__NR_epoll_ctl_old等)未被声明。这些错误表明系统无法正确识别32位架构下的系统调用号定义。
根本原因
经过分析,问题的根源在于生成syscalls.h头文件的过程中,构建系统没有正确传递32位架构相关的编译标志。具体来说:
syscalls.h是通过tools/all_syscalls工具生成的,该工具需要知道目标架构的系统调用号- 当前的构建配置中,生成这个头文件时没有包含
CFLAGS或c_args中的架构相关参数 - 导致工具使用默认的64位架构设置来查找系统调用号,而不是预期的32位架构
解决方案
修复方案是在生成syscalls.h时正确传递编译参数。具体修改是在meson.build文件中,将c_args选项传递给all_syscalls工具:
syscalls_h = custom_target('syscalls.h',
input : 'tools/all_syscalls',
output : 'syscalls.h',
command : ['tools/all_syscalls', cc.cmd_array(), get_option('c_args')],
)
这个修改确保了生成系统调用头文件时使用了正确的架构参数,特别是关键的-m32标志。
技术背景
在Linux系统编程中,系统调用号是内核提供的服务接口标识。不同架构(如x86和x86_64)可能有不同的系统调用号定义。当进行交叉编译时,必须确保:
- 头文件生成工具使用目标架构的配置
- 系统调用号查询基于正确的架构定义
- 所有编译阶段保持一致的架构设置
验证与影响
该修复已经过验证,能够成功解决32位库的构建问题。它不会影响64位构建或其他架构的编译过程,因为c_args会根据构建配置自动包含适当的架构标志。
对于项目维护者和打包人员来说,这个修复确保了util-linux项目能够在各种交叉编译场景下正常工作,特别是在需要同时提供32位和64位库的系统环境中。
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
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
413
3.18 K
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++
690
325
Ascend Extension for PyTorch
Python
229
258
暂无简介
Dart
679
160
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (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
1.21 K
660
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
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
492
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
346
147