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。
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。C097
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python058
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
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00