VMware Host Modules项目:解决VMware Workstation 17.5在Linux内核6.8.0下的编译问题
在Linux系统上使用VMware Workstation时,经常会遇到内核模块编译失败的问题。特别是在升级到较新版本的Linux内核后,原有的VMware内核模块可能无法正常编译安装。本文将详细介绍如何利用vmware-host-modules项目解决VMware Workstation 17.5在Linux内核6.8.0环境下的模块编译问题。
问题背景
当用户在Linux内核6.8.0-40-generic环境下尝试运行VMware Workstation 17.5时,系统会尝试编译并加载两个关键的内核模块:vmmon和vmnet。从错误日志中可以看到,编译过程主要遇到了以下几类问题:
- 内核头文件路径验证问题
- GCC编译器版本不匹配警告
- 函数原型缺失警告
- 隐式函数声明错误
- objtool相关错误
其中最关键的错误出现在vmx86.c文件中,提示random_get_entropy_fallback函数隐式声明,这直接导致了编译过程中断。
解决方案
vmware-host-modules项目提供了针对不同VMware版本的修补后的内核模块源代码。对于VMware Workstation 17.5.1版本,可以按照以下步骤解决问题:
- 首先获取项目源代码:
git clone https://github.com/mkubecek/vmware-host-modules.git -b workstation-17.5.1
- 进入项目目录并创建模块压缩包:
cd vmware-host-modules-workstation-17.5.1
tar -cf vmmon.tar vmmon-only
tar -cf vmnet.tar vmnet-only
- 将生成的压缩包复制到VMware模块源目录:
sudo cp -v vmmon.tar vmnet.tar /usr/lib/vmware/modules/source/
- 最后重新配置并安装所有VMware模块:
sudo vmware-modconfig --console --install-all
技术原理
这个解决方案的核心在于使用经过社区修补的模块源代码替换VMware自带的原始代码。vmware-host-modules项目维护者已经针对新内核中的API变化做了相应调整,特别是:
- 修复了
random_get_entropy_fallback相关的问题 - 添加了缺失的函数原型声明
- 调整了与objtool的兼容性
- 确保与GCC 12编译器的兼容性
这种方法相比直接修改系统配置或降级内核版本更为优雅,因为它保持了系统的完整性,同时解决了兼容性问题。
注意事项
-
确保系统中已安装必要的内核头文件和构建工具:
sudo apt install build-essential linux-headers-$(uname -r) -
操作前建议备份原有的模块文件:
sudo cp /usr/lib/vmware/modules/source/vmmon.tar /usr/lib/vmware/modules/source/vmmon.tar.bak sudo cp /usr/lib/vmware/modules/source/vmnet.tar /usr/lib/vmware/modules/source/vmnet.tar.bak -
如果遇到其他问题,可以检查VMware的日志文件获取更多信息:
cat /tmp/vmware-$(whoami)/vmware-modconfig-*.log
通过这种方法,用户可以顺利地在较新版本的Linux内核上运行VMware Workstation,而无需降级内核或等待官方更新。这体现了开源社区在解决软件兼容性问题上的灵活性和高效性。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C051
MiniMax-M2.1从多语言软件开发自动化到复杂多步骤办公流程执行,MiniMax-M2.1 助力开发者构建下一代自主应用——全程保持完全透明、可控且易于获取。Python00
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C01
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
agent-studioopenJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力TSX0129
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