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
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0213
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0137
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
GLM-5.2智谱开源 GLM-5.2,这是针对长文本任务的最新旗舰模型。相较于前代产品 GLM-5.1,它在长文本任务处理能力上实现了显著飞跃,并且首次在稳定的 100 万 token 上下文中提供这一能力。Jinja00
SwanLab⚡️SwanLab - an open-source, modern-design AI training tracking and visualization tool. Supports Cloud / Self-hosted use. Integrated with PyTorch / Transformers / LLaMA Factory / veRL/ Swift / Ultralytics / MMEngine / Keras etc.Python00
tiny-universe《大模型白盒子构建指南》:一个全手搓的Tiny-UniverseJupyter Notebook03
热门内容推荐
最新内容推荐
项目优选
收起
deepin linux kernel
C
32
16
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
468
461
暂无描述
Dockerfile
776
5.08 K
Ascend Extension for PyTorch
Python
756
962
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
873
2.02 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
697
1.4 K
昇腾LLM分布式训练框架
Python
183
230
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++
1.1 K
1.14 K
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.04 K
271
Oohos_react_native
React Native鸿蒙化仓库
C++
361
430