0

我正在尝试使用 assign 方法分配给向量，但是相同的代码在我的笔记本电脑上出现段错误，但在我们的计算集群上有效。段错误源于对分配的调用，

  double* val = mat.address_data();
  int* rp     = mat.address_major();
  int* cp     = mat.address_minor();
  // assign to the reserved location
  row_pointer_data.assign( rp,
                           rp+(m+1) );
  col_index_data.assign( cp,
                         cp+nz );
  value_data.assign( val,
                     val+nz );

其中 mat 是一个 MTL4 矩阵，通过指向 int 和 double 的指针指向其内部数据。这些指针分别指向 nz 双精度块、m+1 个整数和 nz 个整数块。我在两个环境中都使用英特尔 c++ 编译器，所有代码都是相同的，对于两个 shell，即 bash shell，堆栈大小是无限的。

但是， col_index_data.assign() 调用在我的笔记本电脑和集群上出现分段错误，它运行良好。

使用 gdb 或 valgrind 指向与相关的同一行，我猜是在调用分配方法中使用的汇编命令 _memmove_sse3()，即，

> #0  __memmove_ssse3 () at ../sysdeps/x86_64/multiarch/memcpy-ssse3.S:2928
> #1  0x000000000042df49 in VibroSys::read_triplet_data (mat=Traceback (most recent call last):   File
> "/home/utab/external_libraries/gdb_printers/python/mtl/printers.py",
> line 124, in to_string
>     A= empty_matrix(nr, nc)   File "/home/utab/external_libraries/gdb_printers/python/mtl/printers.py",
> line 38, in empty_matrix
>     return [copy.deepcopy(nr * ['0']) for c in range(nc)] MemoryError
> 
> , row_pointer_data=std::vector of length 19173284840251003, capacity
> 429530399489 = {...}, row_index_data=<error reading variable: Cannot
> access memory at address 0xa3bf88>, 
>     col_index_data=<error reading variable: Cannot access memory at address 0x100008>, value_data=std::vector of length 0, capacity
> 4764228, col_indices_on_row=Traceback (most recent call last):   File
> "/home/utab/external_libraries/stl_printers/python/libstdcxx/v6/printers.py",
> line 427, in children
>     rep_type = find_type(self.val.type, '_Rep_type')   File "/home/utab/external_libraries/stl_printers/python/libstdcxx/v6/printers.py",
> line 43, in find_type
>     field = typ.fields()[0] IndexError: list index out of range
> 
> std::map with 25701680 elements, is_symmetric=false) at
> /home/utab/vibroSys/src/boost_matrix_utilities.cc:354
> #2  0x000000000042e172 in VibroSys::extract_sub_matrix (input_matrix=Traceback (most recent call last):   File
> "/home/utab/external_libraries/gdb_printers/python/mtl/printers.py",
> line 124, in to_string
>     A= empty_matrix(nr, nc)   File "/home/utab/external_libraries/gdb_printers/python/mtl/printers.py",
> line 38, in empty_matrix
>     return [copy.deepcopy(nr * ['0']) for c in range(nc)] MemoryError
> 
> , sub_index1=std::vector of length 19173284840251003, capacity
> 429530399489 = {...}, sub_index2=<error reading variable: Cannot
> access memory at address 0xa3bf88>, sub_matrix=
>     <error reading variable: Cannot access memory at address 0x100000>) at /home/utab/vibroSys/src/boost_matrix_utilities.cc:995
> #3  0x000000000040f93a in main (argc=36433120, argv=0xa3c000) at timing_test.cc:145

相同代码在两个不同环境中出现这两种不同行为的原因可能是什么？

4

1 回答 1

0

在第二个架构上编译时发现错误是很常见的。考虑缓冲区溢出：如果它没有负面后果（例如，覆盖重要的东西，或者越界和段错误），您可能不会注意到它的存在。然后在另一台机器上，可执行文件的排列方式有所不同，溢出确实会产生负面影响，所以你会注意到它。

即，你有一个错误。它出现在一个地方但有时不在另一个地方的事实并不意味着它不是无处不在的错误，时期，具有潜在的负面后果。

于 2012-05-01T13:04:45.603 回答