SPDK项目构建中LTO优化引发的符号引用问题分析
2025-06-25 09:37:52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
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。C045
MiniMax-M2.1从多语言软件开发自动化到复杂多步骤办公流程执行,MiniMax-M2.1 助力开发者构建下一代自主应用——全程保持完全透明、可控且易于获取。Python00
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C01
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
agent-studioopenJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力TSX0122
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
项目优选
收起
deepin linux kernel
C
26
10
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
435
3.3 K
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
9
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
65
19
暂无简介
Dart
699
162
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++
696
374
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
🎉 (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
1.23 K
675
Ascend Extension for PyTorch
Python
243
281
React Native鸿蒙化仓库
JavaScript
271
328