Rustc_codegen_cranelift项目中的TLS访问SIGSEGV问题分析
在Rustc_codegen_cranelift项目中,开发人员发现了一个在x86_64架构的macOS系统上使用经典链接器时出现的严重问题。当程序尝试访问线程局部存储(TLS)变量时,会导致SIGSEGV段错误。
问题现象
错误发生在程序执行过程中,当尝试访问TLS变量时,CPU指令指针跳转到了一个错误的地址。具体表现为程序试图访问mini_core_hello_world::TLS::h3c257645134f94e9 + 4
,而实际上应该访问的是mini_core_hello_world::TLS::h3c257645134f94e9
。
通过反汇编可以看到,错误的指令是:
0x1000028c4 <+8>: leaq 0x5741(%rip), %rdi
0x1000028cb <+15>: callq *(%rdi)
这里错误的偏移量导致了后续的段错误。
根本原因
经过深入分析,发现问题出在对象文件(object file)的生成和重定位处理上。具体来说:
- 在错误的对象文件中,重定位指令使用了错误的偏移量:
movq 4(%rip), %rdi
X86_64_RELOC_TLV __ZN21mini_core_hello_world3TLS17h3c257645134f94e9E@TLVP
- 而在正确的对象文件中,偏移量是正确的:
movq (%rip), %rdi
X86_64_RELOC_TLV __ZN21mini_core_hello_world3TLS17h3c257645134f94e9E@TLVP
技术背景
这个问题涉及到Mach-O文件格式中TLV(Thread Local Variable)重定位的处理。在macOS系统中,TLV访问需要通过特殊的重定位类型X86_64_RELOC_TLV
来实现。
在对象文件处理库(object crate)中,最近对重定位处理进行了修正,使得所有重定位的加数(addend)现在都是相对于重定位位置的偏移量。这一变化影响了所有之前使用RelocationKind::MachO
并且是PC相对寻址的x86/x86-64重定位。
解决方案
根据对象文件处理库的设计原则:
- 在读取对象文件时,加数总是相对于重定位位置的偏移量
- 写入对象文件时需要与读取行为保持一致
因此,正确的做法是移除Cranelift中针对TLV重定位的特殊处理代码。这一修复已经合并到主分支中。
影响范围
这个问题主要影响:
- 使用经典链接器(-ld_classic)的macOS系统
- x86_64架构
- 涉及线程局部存储(TLS)变量访问的场景
使用Xcode 15的新链接器不会触发此问题,因为新链接器对TLV重定位的处理方式有所不同。
总结
这个问题展示了低级代码生成中重定位处理的复杂性,特别是在跨平台支持时需要考虑不同链接器和系统ABI的差异。通过精确控制重定位偏移量和遵循对象文件处理库的设计原则,可以确保生成的代码在各种环境下都能正确运行。
- 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~042CommonUtilLibrary
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!C0298- 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









