PCM项目在macOS Ventura上的驱动加载问题分析
2025-06-27 03:53:57作者:钟日瑜
问题背景
Intel Performance Counter Monitor (PCM) 是一个用于监控Intel处理器性能计数器的工具集。最近有用户在macOS Ventura 13.6.4系统上尝试安装PCM时遇到了驱动加载失败的问题,错误信息显示与内核扩展(kext)的符号绑定有关。
错误现象分析
当用户执行sudo make install命令时,系统返回了以下关键错误信息:
- 无法绑定
___asan_init等ASAN(Address Sanitizer)相关符号 - 无法绑定
___cxa_atexit等C++运行时相关符号 - 内核扩展
com.intel.driver.PcmMsr加载失败
这些错误表明,PCM的MSR(模型特定寄存器)驱动模块在macOS Ventura上无法正常加载,主要原因是缺少必要的符号导出。
技术原理
在macOS系统中,内核扩展(kext)是运行在内核空间的模块,需要满足严格的符号绑定和安全要求。从错误信息可以看出:
- ASAN相关符号缺失:表明驱动可能是在启用了地址消毒器(Address Sanitizer)的情况下编译的,但目标系统缺少相应的支持
- C++运行时符号缺失:表明驱动可能使用了C++特性,但未正确链接必要的运行时库
- 安全限制:现代macOS系统对内核扩展有严格的安全限制,包括签名要求和系统完整性保护(SIP)
解决方案
针对这一问题,项目维护者已经推送了修复方案到主分支。用户可以考虑以下解决途径:
- 更新代码:获取最新的master分支代码,其中包含了针对此问题的修复
- 系统配置调整:在确保安全的前提下,可以临时调整系统设置:
- 在恢复模式下部分禁用系统完整性保护(SIP)
- 仅禁用内核扩展签名(0x1)和文件系统保护(0x2)而非完全关闭SIP
兼容性说明
值得注意的是,随着macOS系统安全机制的不断加强,内核扩展的支持方式也在发生变化。用户应当了解:
- macOS对第三方内核扩展的支持逐渐收紧
- 未来可能需要采用DriverKit等新框架替代传统内核扩展
- 性能监控工具可能需要寻找替代实现方案
总结
PCM项目在macOS上的支持面临系统安全机制带来的挑战。用户遇到驱动加载问题时,应首先尝试更新到最新代码版本。同时也要认识到,随着操作系统安全策略的演进,传统的性能监控方式可能需要适应新的技术架构。
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
最新内容推荐
TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南 32位ECC纠错Verilog代码:提升FPGA系统可靠性的关键技术方案 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 全球GEOJSON地理数据资源下载指南 - 高效获取地理空间数据的完整解决方案 JDK 8u381 Windows x64 安装包:企业级Java开发环境的完美选择 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南 IK分词器elasticsearch-analysis-ik-7.17.16:中文文本分析的最佳解决方案 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 ONVIF设备模拟器:开发测试必备的智能安防仿真工具 STM32到GD32项目移植完全指南:从兼容性到实战技巧
项目优选
收起
deepin linux kernel
C
26
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
421
3.22 K
Ascend Extension for PyTorch
Python
230
261
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++
689
330
暂无简介
Dart
685
160
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
React Native鸿蒙化仓库
JavaScript
266
326
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19
🎉 (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
1.22 K
666
仓颉编译器源码及 cjdb 调试工具。
C++
136
869