OpenJ9项目中Semeru构建错误分析与解决:JCC_d2i_Key指针类型不兼容问题
问题背景
在OpenJ9项目的Semeru版本构建过程中,开发团队遇到了一个关键的编译错误。这个错误发生在构建DHKey.c文件时,系统报告了"passing argument 4 of 'JCC_d2i_Key' from incompatible pointer type"的错误信息。这个错误直接导致了构建过程中断,影响了多个平台和Java版本的构建流程。
错误详情分析
错误信息明确指出,在函数Java_com_ibm_crypto_plus_provider_ock_NativeInterface_DHKEY_1createKey中,调用JCC_d2i_Key函数时,第四个参数传递了不兼容的指针类型。具体来说:
- 期望的参数类型是unsigned char**
- 实际传递的参数类型是const unsigned char**
这种类型不匹配在C语言中是一个严重的编译问题,特别是当编译器设置了将所有警告视为错误(-Werror)时,会导致构建失败。
问题根源
深入分析后发现,这个问题源于OpenJCEPlus项目中的ICC(IBM Crypto Core)动态链接库更新。开发团队最近为了准备9月版本发布,对semeru-java11分支和工具库进行了更新,引入了新版本的ICC DLL。这些更新包括:
- 对OpenJCEPlus项目的semeru-java11分支进行了更新
- 对工具库进行了相应修改
这些变更必须同时存在才能保证构建成功。然而,由于ICC新版本的开源工作尚未完成,这些变更目前还没有合并到发布分支中。
影响范围
这个构建错误影响广泛,出现在多个平台和Java版本的Semeru构建中,包括:
- Linux aarch64平台上的JDK24构建
- Linux ppc64le平台上的JDK21u构建
- Mac x64平台上的JDK17u构建
值得注意的是,Windows平台没有受到这个错误的影响。
解决方案
针对这个问题,开发团队采取了以下解决措施:
- 更新temurin-build项目中的prepareWorkspace.sh脚本,确保Semeru构建与OpenJCEPlus的变更保持一致
- 区分构建流程中不同分支的使用:
- 主线构建使用semeru-java11分支
- 发布构建使用semeru-java-11.0.28分支
具体来说,解决方案包括修改构建脚本,使其能够正确处理不同构建场景下的分支选择,并确保使用正确版本的ICC组件。
技术启示
这个案例为我们提供了几个重要的技术启示:
-
组件版本一致性:在大型项目中,各个组件的版本必须保持严格一致,特别是当涉及加密核心这样的基础组件时。
-
构建环境管理:需要清晰地管理不同构建场景(如日常构建与发布构建)使用的代码分支和依赖版本。
-
类型安全:C/C++项目中对指针类型的严格检查非常重要,即使是const修饰符的差异也可能导致严重问题。
-
跨平台兼容性:加密相关代码在不同平台上的行为可能存在差异,需要全面测试。
后续工作
虽然主线构建的问题已经解决,但团队仍需关注:
- 确保发布构建能够正常工作
- 跟踪ICC新版本的开源进度
- 在ICC开源完成后,将相关变更合并到发布分支
这个问题的解决过程展示了开源项目中组件协作和版本管理的重要性,也为类似问题的解决提供了参考范例。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00