Puerts在macOS下运行v8 10.6时的权限问题解决方案
在macOS系统上使用Puerts运行v8 10.6引擎时,开发者可能会遇到一个与动态库权限相关的崩溃问题。这个问题表现为启动时出现内存权限设置失败的错误,导致应用程序无法正常运行。
问题现象
当在macOS环境下运行基于Puerts和v8 10.6引擎的应用程序时,系统会抛出以下错误信息:
Check failed: 12 == (*__error()).
FailureMessage Object: 0x7ff7b6b56f50
==== C stack trace ===============================
0 libpuerts.dylib 0x000000010f687123 v8::base::debug::StackTrace::StackTrace() + 19
1 libpuerts.dylib 0x000000010f68dcfb v8::platform::(anonymous namespace)::PrintStackTrace() + 27
2 libpuerts.dylib 0x000000010f67ab83 V8_Fatal(char const*, ...) + 323
3 libpuerts.dylib 0x000000010f685a59 v8::base::OS::SetPermissions(void*, unsigned long, v8::base::OS::MemoryPermission) + 249
4 libpuerts.dylib 0x000000010fabd487 v8::internal::MemoryAllocator::SetPermissionsOnExecutableMemoryChunk(v8::internal::VirtualMemory*, unsigned long, unsigned long, unsigned long) + 199
从错误堆栈可以看出,问题发生在v8引擎尝试设置内存权限时,具体是在v8::base::OS::SetPermissions函数中。这表明动态库libpuerts.dylib在执行内存权限操作时遇到了权限不足的问题。
问题原因
这个问题与macOS系统的安全机制密切相关。从macOS Catalina(10.15)开始,苹果引入了更严格的系统完整性保护(SIP)和代码签名要求。当应用程序尝试修改内存页面的执行权限时,系统会进行严格的验证。
v8引擎在执行JavaScript代码时,需要将某些内存区域标记为可执行,以便JIT编译后的代码能够运行。这一操作需要动态库具有适当的签名和权限。如果动态库没有正确的签名,系统会拒绝权限修改请求,导致上述错误。
解决方案
解决这个问题的办法是为动态库libpuerts.dylib添加适当的代码签名。可以通过以下命令实现:
codesign --sign - --options linker-signed --force libpuerts.dylib
这个命令的作用是:
--sign -:使用临时签名证书对文件进行签名--options linker-signed:设置链接器签名选项--force:强制覆盖现有签名(如果有)
执行此命令后,动态库将获得必要的权限来修改内存页面的执行标志,从而解决v8引擎在运行时遇到的内存权限设置失败问题。
深入理解
macOS的代码签名机制不仅用于验证应用程序来源,还用于控制应用程序的权限和能力。当应用程序或库尝试执行某些敏感操作(如修改内存权限)时,系统会检查其签名状态。
v8引擎的JIT编译功能需要动态修改内存页面的执行权限,这是现代JavaScript引擎实现高性能的关键特性。在macOS上,这种操作需要库文件具有适当的签名权限。
使用codesign命令为动态库添加签名后,系统会允许这些敏感操作,同时仍然保持基本的安全保障。临时签名(-)虽然不如开发者ID签名正式,但对于开发和测试目的已经足够。
注意事项
-
此解决方案适用于开发和测试环境。对于正式发布的应用程序,建议使用正式的开发者证书进行签名。
-
如果问题仍然存在,可能需要检查macOS的系统完整性保护(SIP)设置,或者考虑更新Puerts和v8引擎到最新版本。
-
在某些情况下,可能需要为应用程序的所有依赖库都执行类似的签名操作,而不仅仅是
libpuerts.dylib。
通过理解macOS的安全机制和v8引擎的工作原理,开发者可以更好地处理这类权限相关问题,确保JavaScript代码能够在macOS环境下高效运行。
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