在Windows x64平台上构建jemalloc的ARM64版本
背景介绍
jemalloc是一个高性能的内存分配器,广泛应用于各种系统和应用中。在跨平台开发时,我们经常需要在x64架构的开发机上构建其他架构的版本,比如ARM64。本文将详细介绍如何在Windows x64平台上使用Visual Studio 2022构建jemalloc的ARM64版本。
常见构建问题
在Windows x64平台上构建ARM64版本的jemalloc时,开发者可能会遇到以下错误:
jemalloc-5.3.0\msvc\..\include\jemalloc/internal/spin.h(13,2): error : call to undeclared function '_mm_pause'
这个错误表明编译器无法识别_mm_pause指令,这是因为它是一个x86架构特有的指令,在ARM64架构上不可用。
解决方案
要成功构建ARM64版本的jemalloc,需要正确配置构建环境。以下是经过验证的有效方法:
- 使用正确的host参数配置autogen.sh脚本:
sh -c "CC=cl ./autogen.sh --host=arm64-pc-cygwin"
这个命令的关键在于--host=arm64-pc-cygwin参数,它明确告诉构建系统我们正在为ARM64架构构建。
技术原理
-
交叉编译:在x64平台上构建ARM64版本属于交叉编译,需要正确设置目标平台参数。
-
架构差异:x86架构的
_mm_pause指令在ARM64上不存在,jemalloc会根据目标平台自动选择适当的实现。 -
构建系统配置:
--host参数是GNU构建系统中的关键参数,它指定了代码将在什么平台上运行。
最佳实践
-
确保你的Visual Studio 2022安装了ARM64工具链。
-
在构建前清理之前的构建产物,避免缓存影响。
-
对于复杂的项目,建议先构建一个简单的测试程序验证交叉编译环境是否配置正确。
-
如果遇到其他架构相关错误,检查jemalloc是否有针对特定架构的条件编译代码。
总结
在Windows x64平台上构建jemalloc的ARM64版本需要注意正确配置交叉编译参数。通过指定--host=arm64-pc-cygwin参数,可以确保构建系统生成适合ARM64架构的代码。这种方法不仅适用于jemalloc,对于其他需要交叉编译的开源项目也有参考价值。
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