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。
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