Box64项目中dlsym函数包装器的改进与符号查找优化
2025-06-13 11:25:48作者:滑思眉Philip
在Box64项目的开发过程中,开发者发现了一个关于dlsym函数包装器的回归问题。这个问题影响了Java Native Access(JNA)库在x86-64模拟环境下的正常运行,导致无法正确查找标准库函数符号。
问题背景
Box64是一个允许在非x86-64架构(如ARM64)上运行x86-64 Linux程序的模拟器。在模拟过程中,它需要处理动态链接库的符号查找,这是通过包装系统dlsym函数实现的。
当用户尝试在ARM64平台上通过Box64运行Java程序并使用JNA调用本地函数时,系统无法找到标准库函数如"printf"的符号,抛出"Symbol not found"错误。这个问题在特定提交后出现,表明符号查找机制存在回归。
技术分析
问题的核心在于Box64的符号查找策略。在包装的dlsym实现中,系统采用了两步查找策略:
- 首先尝试通过ElfGetSymTabStartEnd函数从ELF符号表中查找符号
- 如果未找到,则通过GetSymTabStartEnd函数从内存映射库中查找
开发者发现,将第二步查找替换为更全面的GetGlobalSymbolStartEnd函数可以解决这个问题。这个函数提供了更广泛的符号查找范围,能够发现更多类型的符号,特别是来自模拟库的符号。
解决方案
项目维护者采纳了改进建议,并进行了更全面的修复。最终的解决方案是:
- 保留原有的ELF符号表查找作为第一步
- 使用GetGlobalSymbolStartEnd替代原来的GetSymTabStartEnd进行第二步查找
- 确保所有查找路径都能正确处理模拟环境下的符号解析
这种改进后的查找策略既保持了原有性能,又增加了符号查找的全面性,特别是对于模拟库中的符号。
技术意义
这个修复对于Box64项目的意义在于:
- 提高了符号查找的兼容性,特别是对于Java JNA等依赖动态链接的复杂场景
- 展示了模拟环境下符号解析的特殊挑战
- 为未来类似问题的解决提供了参考模式
对于使用Box64运行复杂x86-64应用程序的用户来说,这个修复确保了更广泛的兼容性,特别是那些依赖动态链接和本地方法调用的Java应用程序。
总结
Box64项目通过不断优化其符号查找机制,提高了在非x86架构上运行x86-64程序的兼容性和稳定性。这个案例展示了模拟器开发中符号解析的重要性,以及如何通过改进查找策略来解决复杂的兼容性问题。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
246
暂无简介
Dart
672
157
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++
663
313
React Native鸿蒙化仓库
JavaScript
262
324
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
🎉 (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
1.2 K
655
🔥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
64
19
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
330
137