SPDK项目构建中LTO优化引发的符号引用问题分析
2025-06-25 02:50:58作者:胡易黎Nicole
问题背景
在构建SPDK存储性能开发套件时,当启用链接时优化(LTO)选项后,编译过程会出现"undefined reference to `__wrap_RAND_bytes'"的错误。这个问题主要发生在使用GCC编译器(包括9.3.1和11.4版本)进行构建时,影响了SPDK的认证功能模块。
技术原理
LTO(Link Time Optimization)是一种编译器优化技术,它允许编译器在链接阶段进行跨模块的优化。这种优化方式能够获得比传统编译方式更好的性能,但同时也带来了更严格的符号检查。
在SPDK项目中,为了实现单元测试的隔离性,使用了函数包装技术(wrapper functions)。具体到这个问题,是对OpenSSL库中的RAND_bytes函数进行了包装,创建了__wrap_RAND_bytes包装函数。
根本原因分析
问题的本质在于LTO优化过程中,编译器对符号可见性的处理变得更加严格。包装函数__wrap_RAND_bytes由于缺少必要的属性声明,在LTO优化阶段被错误地优化掉了,导致链接时无法找到这个符号。
具体来说:
- SPDK使用DEFINE_WRAPPER宏来定义大多数包装函数,这个宏会自动添加
__attribute__((used))属性 - 但对于RAND_bytes这类需要特殊处理的函数,使用了更底层的DECLARE_WRAPPER宏
- 原始的DECLARE_WRAPPER宏没有包含
__attribute__((used))属性 - 在LTO优化下,编译器认为这个包装函数未被使用而将其优化掉
解决方案
修复方案主要包含两个部分:
- 在DECLARE_WRAPPER宏中添加
__attribute__((used))属性声明,确保包装函数在LTO优化下不会被错误地移除 - 同时修复了另一个相关的LTO警告问题,该问题涉及未初始化的内存比较操作
技术启示
这个案例给我们带来几点重要的技术启示:
- LTO优化虽然能提升性能,但会改变编译器的行为模式,需要特别注意符号可见性问题
- 函数包装技术在单元测试中非常有用,但需要确保包装函数的可见性
- 宏定义的一致性很重要,特别是当它们用于生成关键功能代码时
- 编译器警告(特别是LTO相关的)往往能揭示潜在的问题,应该引起重视
后续改进
SPDK团队已经意识到需要加强LTO构建的测试覆盖:
- 将在更多平台上启用LTO构建测试
- 引入run_test跟踪机制,确保LTO构建得到充分验证
- 考虑将LTO构建纳入持续集成的主干测试流程
这个问题也提醒我们,在使用高级编译优化选项时,需要全面考虑其对整个构建系统的影响,特别是在涉及特殊技术(如函数包装)的情况下。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
569
3.84 K
Ascend Extension for PyTorch
Python
379
453
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++
893
676
暂无简介
Dart
802
199
openEuler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。
C
350
203
昇腾LLM分布式训练框架
Python
118
147
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
12
1
🔥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
68
20
🎉 (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
1.37 K
781