在Botan项目中解决无RTC环境下的构建与运行问题
2025-06-27 01:59:29作者:范垣楠Rhoda
背景介绍
Botan作为一个功能强大的密码学库,在嵌入式系统开发中有着广泛的应用。然而,当开发者在Zynq Ultrascale+设备的A53核心上进行裸机(baremetal)开发时,遇到了构建失败的问题。本文将详细分析这一问题及其解决方案。
问题分析
在无实时时钟(RTC)的裸机环境下构建Botan库时,主要遇到两个关键问题:
- 构建失败:由于CLI工具对文件系统的依赖,导致DataSource_Stream构造函数调用失败
- 运行时错误:程序运行时出现_gettimeofday未定义引用错误
解决方案
构建问题解决
对于构建问题,开发者提供了两种解决路径:
- 仅构建静态库:通过配置参数
--build-targets=static,可以跳过CLI工具和测试的构建,仅生成所需的库文件 - 代码修复:项目维护者随后提交了补丁,解决了DataSource_Stream在无文件系统环境下的构建问题
运行时问题解决
针对运行时出现的_gettimeofday未定义引用问题,解决方案更为复杂:
- 提供时间函数实现:开发者需要在目标平台上实现_gettimeofday函数
- 配置选项:Botan项目新增了
--without-os-features=rtc选项,允许在没有实时时钟的环境下构建 - 内存分配调整:增加堆大小解决std::bad_alloc错误
随机数生成器问题
在无RTC环境下使用AutoSeeded_RNG时,会遇到PRNG未播种的异常。这是因为:
- 自动播种的RNG依赖系统熵源和时间戳
- 裸机环境下这些熵源不可用
解决方案包括:
- 临时方案:手动添加熵值(仅适用于测试环境)
- 长期方案:
- 实现自定义的RandomNumberGenerator或Entropy_Source子类
- 利用硬件熵源(如TPM或智能卡)
- 对于Zynq平台,可考虑使用FPGA的环形振荡器生成随机数
平台支持扩展
虽然Botan官方未将FreeRTOS列为一级支持平台,但开发者确认:
- 使用
--os=none配置可在FreeRTOS上运行 - 项目团队愿意协助解决FreeRTOS环境下的问题
最佳实践建议
对于嵌入式密码学开发,建议:
- 仔细评估目标平台的硬件能力
- 为关键功能(如随机数生成)提供可靠的熵源
- 合理配置内存分配
- 仅启用必要的密码学模块以减少资源占用
通过以上措施,开发者可以在资源受限的嵌入式环境中成功部署和使用Botan密码学库。
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 StartedRust0455
源启盛夏_AtomGit暑期开发者成长计划「源启盛夏」暑期校园开发者成长计划旨在激活校园开源力量,通过积分激励、认证扶持、资源倾斜等形式,引导高校组织和开发者完成「入驻 — 建项目 — 做贡献 — 获认证 — 得资源」的完整闭环。无论你是想带领社团入驻平台的组织者,还是希望用代码贡献证明自己的开发者,都能在这里找到属于你的成长路径。Markdown01
jiuwenswarmJiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。Python0782
new-apiAI模型聚合管理中转分发系统,一个应用管理您的所有AI模型,支持将多种大模型转为统一格式调用,支持OpenAI、Claude、Gemini等格式,可供个人或者企业内部管理与分发渠道使用。🍥 A Unified AI Model Management & Distribution System. Aggregate all your LLMs into one app and access them via an OpenAI-compatible API, with native support for Claude (Messages) and Gemini formats.TSX029
AscendNPU-IRAscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优C++0314
mllm轻量化的端侧多模态推理框架,支持多种硬件后端https://ubiquitouslearning.github.io/mllm/C++03
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Markdown
832
5.52 K
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
496
521
作为 Ascend for PyTorch 社区的核心组件,TorchNPU 是昇腾专为 PyTorch 打造的深度学习适配插件,使 PyTorch 框架能够直接调用昇腾 NPU,为开发者提供昇腾 AI 处理器的超强算力。
Python
808
1.16 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++
797
1.6 K
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++
980
2.31 K
deepin linux kernel
C
33
16
JiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。
Python
3.03 K
782
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
487
314
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++
1.21 K
1.26 K
CANN 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 Notebook
666
305