解决util-linux项目在x86_64主机上构建32位库时的系统调用错误
在构建util-linux项目的32位版本时,开发者可能会遇到一个与系统调用相关的编译错误。这个问题主要出现在x86_64架构的主机上尝试构建32位库时,错误信息表明多个系统调用号(_NR*)未被声明。
问题分析
当使用meson构建系统在x86_64主机上构建32位util-linux库时,构建过程会在生成syscalls.h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。这些系统调用号是通过工具tools/all_syscalls生成的,该工具需要正确的编译器参数才能为32位架构生成适当的系统调用定义。
根本原因
问题的根源在于meson构建系统中生成syscalls.h文件的命令没有包含必要的编译器参数。具体来说,cc.cmd_array()函数调用没有包含从CFLAGS或c_args获取的参数,特别是缺少了关键的-m32标志,这导致系统调用生成工具无法正确识别32位架构的系统调用号。
解决方案
通过修改meson.build文件,将编译器参数正确传递给系统调用生成工具可以解决这个问题。具体修改是在生成syscalls.h的自定义目标命令中添加get_option('c_args')参数:
syscalls_h = custom_target('syscalls.h',
input : 'tools/all_syscalls',
output : 'syscalls.h',
command : ['tools/all_syscalls', cc.cmd_array(), get_option('c_args')],
)
这个修改确保了系统调用生成工具能够获得完整的编译器参数,包括架构相关的-m32标志,从而正确生成32位系统调用定义。
技术背景
在Linux系统中,系统调用号是内核提供给用户空间的接口标识。不同的架构(如x86和x86_64)可能有不同的系统调用号定义。当在64位主机上构建32位程序时,必须确保使用32位的系统调用定义,这需要正确的编译器标志来指示目标架构。
util-linux项目通过tools/all_syscalls工具动态生成系统调用定义,这个工具需要知道目标架构才能生成正确的系统调用号。缺少-m32标志会导致工具无法识别需要生成32位系统调用定义,从而产生编译错误。
构建建议
对于需要在x86_64主机上构建32位util-linux库的开发者,建议:
- 确保构建环境安装了必要的32位开发工具链
- 在meson配置中明确指定32位架构参数
- 验证生成的syscalls.h文件是否包含正确的32位系统调用定义
- 如果遇到类似问题,检查所有自定义目标的命令是否包含完整的编译器参数
这个问题的解决不仅修复了构建错误,也为在其他架构上构建util-linux提供了参考,展示了正确处理跨架构构建时需要考虑的系统调用差异问题。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
ruoyi-plus-soybeanRuoYi-Plus-Soybean 是一个现代化的企业级多租户管理系统,它结合了 RuoYi-Vue-Plus 的强大后端功能和 Soybean Admin 的现代化前端特性,为开发者提供了完整的企业管理解决方案。Vue06- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00