理解mold链接器中的重复符号问题:以编译器内置函数为例
在软件开发过程中,链接器错误是开发者经常遇到的问题之一。本文将深入分析在使用mold链接器时遇到的重复符号问题,特别是涉及编译器内置函数的情况。
问题背景
在构建Android平台的Rust项目时,开发者遇到了mold链接器报出的重复符号错误。错误信息显示,两个不同的库文件中都定义了相同的符号,包括__divsi3
、__ashldi3
、__udivsi3
和__lshrdi3
等编译器内置函数。
技术分析
符号冲突的本质
链接器在合并多个目标文件时,发现两个库文件中都包含了相同符号的定义:
libclang_rt.builtins-arm-android.a
中的目标文件- Rust生成的
librs.a
中的编译器内置函数模块
这些符号都是编译器内置函数,用于处理基本的算术运算,如整数除法和位移操作。
符号强弱关系
深入分析发现,libclang_rt.builtins-arm-android.a
中的divsi3.S.o
文件包含了对__aeabi_idiv
的弱定义(weak definition),而Rust生成的librs.a
中的对应文件则包含了强定义(strong definition)。根据链接规则,链接器会优先选择强定义的符号。
问题根源
问题的复杂性在于,divsi3.S.o
文件不仅包含__aeabi_idiv
的定义,还包含了__divsi3
的定义。当链接器选择Rust库中的强定义时,仍然需要从libclang_rt.builtins-arm-android.a
中提取divsi3.S.o
文件来解析其他符号,这就导致了__divsi3
等符号的重复定义。
解决方案
临时解决方案
开发者可以使用链接器选项-Wl,-z,muldefs
来允许重复定义,但这只是临时解决方案,不能从根本上解决问题。
根本解决方案
-
调整Rust构建配置:避免在Rust库中包含编译器内置函数。由于这是通过
-Z build-std
特性引入的,可能需要调整构建方式或等待Rust团队修复此问题。 -
修改编译器运行时库:确保
libclang_rt.builtins-arm-android.a
中的符号定义一致性,要么完全不包含某些符号,要么提供强定义。
链接器行为差异
值得注意的是,lld链接器能够处理这种情况而不会报错。这可能是由于不同链接器在处理弱符号和归档文件提取时的策略差异。mold采取了更严格的策略,更早地报告潜在问题。
最佳实践建议
- 避免在用户库中包含编译器内置函数
- 确保编译器运行时库的符号定义一致性
- 在遇到类似问题时,使用
-Wl,-repro
选项生成重现包以便分析 - 理解不同链接器的行为差异,根据项目需求选择合适的链接器
总结
这个案例展示了构建系统中微妙的交互问题,特别是当多个组件都试图提供相同功能时的冲突。理解符号的强弱定义、链接器如何处理归档文件以及不同工具链组件之间的交互,对于解决复杂的构建问题至关重要。开发者应当关注工具链组件的版本兼容性,并在设计库文件时避免包含本应由工具链提供的功能。
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~044CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-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。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0300- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选









