Intel PCM在macOS Ventura上的驱动加载问题解析
问题背景
Intel Performance Counter Monitor (PCM)是一款用于监控Intel处理器性能指标的开源工具。在macOS系统上,PCM需要通过内核扩展(kext)来访问处理器的模型特定寄存器(MSR)。然而,在最新的macOS Ventura(13.6.4)系统上,用户报告了无法加载PCM的MSR驱动模块的问题。
错误现象
当用户在macOS Ventura系统上执行sudo make install命令安装PCM时,系统返回了关于com.intel.driver.PcmMsr内核扩展的加载错误。错误信息显示系统无法绑定多个符号,包括___asan_init、___asan_version_mismatch_check_apple_clang_1500等与地址消毒剂(AddressSanitizer)相关的函数。
技术分析
1. 内核扩展安全机制
macOS从Catalina开始逐步加强了对内核扩展的安全限制,到Ventura系统时,内核扩展的加载机制变得更加严格。错误中提到的符号绑定失败表明系统无法在内核空间找到这些函数的实现。
2. AddressSanitizer问题
错误信息中出现的___asan_*系列函数属于AddressSanitizer,这是LLVM/Clang提供的内存错误检测工具。这些符号通常由编译器在用户空间程序中自动链接,但在内核空间中不可用。这表明PCM的驱动模块可能意外地启用了AddressSanitizer编译选项。
3. 系统完整性保护(SIP)
macOS的系统完整性保护(System Integrity Protection)会阻止未经苹果签名的内核扩展加载。虽然错误信息中没有直接提及SIP,但这是macOS上内核扩展问题的常见原因之一。
解决方案
1. 项目方的修复
PCM项目维护者已经推送了一个修复方案到master分支,主要解决了驱动模块编译时的AddressSanitizer相关问题。用户可以更新到最新代码尝试解决。
2. 系统配置调整
如果问题仍然存在,用户可以考虑以下系统级调整:
-
部分禁用SIP:在恢复模式下使用
csrutil enable --without kext命令,仅禁用内核扩展签名验证,同时保留其他安全保护。 -
完全禁用SIP:在恢复模式下使用
csrutil disable命令,但这会降低系统安全性,不推荐长期使用。
3. 编译选项检查
对于开发者而言,在macOS上编译内核扩展时应注意:
- 确保没有意外启用AddressSanitizer等用户空间调试工具
- 使用正确的内核扩展编译标志
- 遵循苹果最新的内核扩展开发规范
总结
随着macOS系统安全机制的不断加强,传统的内核扩展开发方式面临更多挑战。Intel PCM在macOS Ventura上的驱动加载问题反映了这一趋势。项目方已经提供了初步修复方案,用户可以通过更新代码或适当调整系统配置来解决。对于开发者而言,这提醒我们需要更加关注macOS内核扩展开发的最新要求和最佳实践。
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