samply项目在macOS 15 Sequoia上的符号调试问题解析
2025-06-28 20:48:18作者:鲍丁臣Ursa
背景介绍
samply是一款性能分析工具,在macOS平台上被广泛用于分析原生Ruby gem等应用程序的性能。然而,随着macOS 15 Sequoia系统的发布,用户发现samply无法正确识别动态加载库的调试符号,这严重影响了工具的使用体验。
问题现象
在macOS 15系统升级后,samply工具无法正确解析动态加载库(如Ruby的.bundle文件)中的调试符号。具体表现为:
- 工具无法自动查找和加载对应的.o目标文件
- 调试符号信息完全丢失
- 性能分析结果中只能看到地址信息而无法显示函数名
技术分析
macOS 15的调试符号存储变化
苹果在macOS 15中对调试符号的存储方式做出了调整:
- 传统的.o目标文件虽然仍然存在,但不再是主要的符号来源
- 调试符号现在主要存储在.bundle.dSYM目录结构中
- 新的目录结构包含DWARF调试信息文件和重定位信息
samply的工作原理问题
samply通过proc_maps模块读取进程内存映射信息来获取加载的模块列表。在macOS 15上,该模块的特定实现导致了问题:
- 内存映射机制失效:工具使用内存映射(remap)方式读取目标进程内存信息,这在macOS 15上不再可靠
- dyld信息获取失败:虽然lldb等调试器可以正确获取模块列表,但samply的enumerate_dyld_images函数返回空值
- 动态加载库识别问题:特别是对通过dlopen加载的库,符号信息完全丢失
解决方案
经过开发者调查,发现问题根源在于内存映射的处理方式。具体修复方案包括:
- 移除对特定内存区域的重复映射操作
- 采用更可靠的进程内存读取方式
- 确保dyld信息的正确获取
这种修改虽然可能带来轻微的性能影响,但解决了符号解析的根本问题,使工具恢复了完整功能。
技术启示
这个案例为我们提供了几点重要启示:
- 系统升级可能带来底层API行为的改变,特别是内存管理和调试接口
- 性能分析工具需要特别关注动态加载库的处理机制
- 在系统兼容性方面,有时需要在性能和功能之间做出权衡
- 调试符号处理是性能分析工具的核心功能,需要针对不同系统版本进行充分测试
结论
samply团队已经发布了包含此修复的版本,解决了macOS 15上的符号调试问题。这个案例展示了系统级工具开发中面临的兼容性挑战,以及及时响应系统变更的重要性。对于性能分析工具的用户来说,保持工具更新是确保分析效果的关键。
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
405
3.14 K
Ascend Extension for PyTorch
Python
225
251
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
319
🎉 (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
657
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
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
220
仓颉编译器源码及 cjdb 调试工具。
C++
135
868