samply项目在macOS 15 Sequoia上的符号调试问题解析
2025-06-28 15:02:43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
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