システムとcondaのC++標準ライブラリ(libstdc++)のバージョン違い問題による事象と対処法解説

システムとcondaのC++標準ライブラリ(libstdc++)のバージョン違い問題による事象と対処法解説

こんにちは!

先日、dlibをつかったPythonアプリケーション(conda環境で動作する)作っていたところ、以下のようなエラーに遭遇しました。

ImportError: /home/mlu/anaconda3/envs/example_env/bin/../lib/libstdc++.so.6: version `GLIBCXX_3.4.32' not found (required by /home/mlu/anaconda3/envs/example_env/lib/python3.10/site-packages/_dlib_pybind11.cpython-310-x86_64-linux-gnu.so)

「dlib_pybind11モジュールがGLIBCXX_3.4.32を要求してるけど、みつからない!」という感じのエラーですね。

本稿では、どうしたらこのエラーを直せるか、だけでなく、なぜこのエラーが発生してしまうのかを解説いたします。

まず、直し方から

まず直し方ですが、以下のコマンドでエラーを解消することができます。

conda install -c conda-forge libstdcxx-ng

GLIBCXX_x.x.x not found が発生するカラクリ

実際の環境構築、パッケージのビルド・インストールシーンでこの問題が発生するメカニズムを明らかにしたいとおもいます

STEP1. まずAnacondaのインストールからみていこう

Anacondaは以下のようにインストールしました。あえて少し古いAnacondaをつかっています。

# anaconda インストール
wget https://repo.anaconda.com/archive/Anaconda3-2024.02-1-Linux-x86_64.sh

bash Anaconda3-2024.02-1-Linux-x86_64.sh -b

echo "export PATH=~/anaconda3/bin:\$PATH" >> ~/.bashrc
source ~/.bashrc


これでAnacondaはインストールできました。

STEP2.dlibのインストールに必要なcmakeを入れる

あとでdlibをインストールしますがdlibはPythonパッケージですが、インストール時にバイナリがビルドされますので、そのビルドができるようにシステムにcmakeを入れておきます

sudo apt-get update
sudo apt install -y build-essential
sudo apt-get install -y cmake

build-essential パッケージのインストールでは、

The following NEW packages will be installed:
  build-essential g++ g++-13 libstdc++-13-dev
  Setting up g++ (4:13.2.0-7ubuntu1) ...
update-alternatives: using /usr/bin/g++ to provide /usr/bin/c++ (c++) in auto mode

ということで、g++ がシステムのデフォルトC++コンパイラとして設定されました

次にcmakeのインストールログで重要な部分を抜粋します

The following NEW packages will be installed:
  cmake cmake-data cpp cpp-13 cpp-13-x86-64-linux-gnu cpp-x86-64-linux-gnu gcc gcc-13 gcc-13-base
  gcc-13-x86-64-linux-gnu gcc-x86-64-linux-gnu libaom3 libarchive13t64 libasan8 libatomic1 libc-dev-bin
  libc-devtools libc6-dev libcc1-0 libcrypt-dev libde265-0 libgcc-13-dev libgd3 libgomp1
  ...
3 upgraded, 44 newly installed, 0 to remove and 165 not upgraded.
Need to get 77.4 MB of archives.
After this operation, 232 MB of additional disk space will be used.

Setting up gcc-13-x86-64-linux-gnu (13.3.0-6ubuntu2~24.04) ...
Setting up gcc-13 (13.3.0-6ubuntu2~24.04) ...
Setting up gcc-x86-64-linux-gnu (4:13.2.0-7ubuntu1) ...
Setting up gcc (4:13.2.0-7ubuntu1) ...

はい、このログより、cmakeをインストールしただけで GCC 13.3.0 が丸ごと新規いストールされたことがわかります

STEP3. conda仮想環境を作る

さて、次にPythonアプリケーションの実行環境としてcondaで仮想環境を作りましょう

conda create -n example_env python=3.10.0
conda init bash
source ~/.bashrc
conda activate example_env

これで example_env というconda仮想環境ができました

さて、次はこの環境にはいって、 dlib を pip でインストールしましょう

STEP4. dlibをpipインストール(+ビルド)する

インストールはいたって簡単で、以下のようにします

conda activate example_env
pip install dlib

ただ、ここでは、何が起こってるか詳細に把握するため以下のようにして詳細なログを見られるように dlib をインストールしましょう。

conda activate example_env
# dlibのビルドログを詳細に見る
pip install dlib --verbose --force-reinstall --no-cache-dir

「CMake is not installed on your system!」みたいなのがでたらSTEP2を忘れてますので、cmakeをしっかりシステムにいれておきましょう

さて、dlibをビルドすると、ログに以下のような出力がみられます

-- The C compiler identification is GNU 13.3.0
-- The CXX compiler identification is GNU 13.3.0
-- Check for working C compiler: /usr/bin/cc - skipped
-- Check for working CXX compiler: /usr/bin/c++ - skipped
-- Found PythonInterp: /home/mlu/anaconda3/envs/example_env/bin/python3.10
-- Found PythonLibs: /home/mlu/anaconda3/envs/example_env/lib/libpython3.10.so
/usr/include/c++/13/new:128:26: note: in a call to allocation function 'operator new []' declared here
128 | *GLIBCXX*NODISCARD void* operator new[](std::size_t) *GLIBCXX*THROW (std::bad_alloc)

つまりどういうことかというと、
conda環境でpip installしているにも関わらず

  • コンパイラ: システムの/usr/bin/cc/usr/bin/c++(GCC 13.3.0)を使用
  • C++標準ライブラリ: システムの/usr/include/c++/13/ヘッダーを使用
  • Python環境: conda環境内のPythonライブラリを使用

つまり、dlibは

  • ビルドツール(コンパイラ)→システムのコンパイラを使っている
  • 実行環境(Python)→conda環境をつかう

ということになります

まとめると「GLIBCXX_x.x.x not found が発生するカラクリ」とは

システムの新しいGLIBCXX_3.4.32に依存するバイナリが、conda環境の古いlibstdc++で実行される エラーとなっていた。

これって結構落とし穴ですよね。

ていうか、ビルドはシステムで実行がcondaで、それぞれまったく連携していないライブラリが参照されるっていう点がなんともですね。

そもそも conda 環境とは何なのか?

condaは「隔離された実行環境」を目指してつくられており、完全なOSではないが、独自のライブラリセットを持ち、実行時は環境内のライブラリを優先使用します。前述のとおりcondaの中には libstdc++ が含まれているが、これはシステムとは無関係で、conda-forgeで独自にビルドされたパッケージであるため、システム側のライブラリとはバージョン連携も全くしていません。

そもそもGLIBCXXとは何か?

libstdc++内のABI(Application Binary Interface)バージョンで、
GLIBCXX_3.4.32のような形式であらわされます。新しい機能が追加されるたびに番号が増えていきます。

たとえば以下はGCCのバージョンとの大まかな対応関係です

GCC 11 → GLIBCXX_3.4.29まで
GCC 12 → GLIBCXX_3.4.30まで
GCC 13 → GLIBCXX_3.4.32まで
GCC 14 → GLIBCXX_3.4.33まで

そもそもlibstdcxx-ngとは何か?

libstdcxx-ngはcondaパッケージ名で、conda版のGNU C++標準ライブラリ(libstdc++)の実体です

バージョン番号(例:13, 14, 15)はGCCのメジャーバージョンに対応します

GCCバージョンと libstdcxx-ng(conda版のC++標準ライブラリ) とGLIBCXX_ の対応は?

まとめるとバージョン対応は以下のようになります
GCC 9 → libstdcxx-ng 9 → GLIBCXX_3.4.26まで
GCC 11 → libstdcxx-ng 11 → GLIBCXX_3.4.29まで
GCC 12 → libstdcxx-ng 12 → GLIBCXX_3.4.30まで
GCC 13 → libstdcxx-ng 13 → GLIBCXX_3.4.32まで

実際にシステムとcondaの差分を確認する

さて、すれ違う原理がわかったところで実際に確認してみましょう

conda側のC++標準ライブラリについて調べる

まず、conda側のlibstdcxxのバージョンをみてみましょう。

$ conda list | grep -E "(gcc|libstdcxx)"

_libgcc_mutex             0.1                        main
libgcc-ng                 11.2.0               h1234567_1
libstdcxx-ng              11.2.0               h1234567_1

はい、ここからわかるとおりcondaにはlibstdcxx-ng 11.2.0 が入っていました。これは GCC 11.2.0のビルド済C++標準ライブラリですね。

さらにGLIBCXXのバージョンをみてみましょう

$ strings ~/anaconda3/lib/libstdc++.so.6 | grep GLIBCXX | tail -5

_ZNKSs15_M_check_lengthEmmPKc@@GLIBCXX_3.4.5
_ZNKSt14basic_ifstreamIwSt11char_traitsIwEE7is_openEv@GLIBCXX_3.4
_ZNSs4_Rep26_M_set_length_and_sharableEm@@GLIBCXX_3.4.5
GLIBCXX_3.4.26
_ZNKSs11_M_disjunctEPKc@GLIBCXX_3.4

GLIBCXX_3.4.26 ですね。

ここで最初のエラーメッセージを思い出しましょう、

ImportError: /home/mlu/anaconda3/envs/example_env/bin/../lib/libstdc++.so.6: version `GLIBCXX_3.4.32' not found (required by /home/mlu/anaconda3/envs/example_env/lib/python3.10/site-packages/_dlib_pybind11.cpython-310-x86_64-linux-gnu.so)

「GLIBCXX_3.4.32 がみつからん」といっていますね。

そりゃそうです、conda側はGLIBCXX_3.4.26なのですから。

これが原因ですね。

システム側のC++標準ライブラリについて調べる

では件のdlib(つまり/home/mlu/anaconda3/envs/example_env/lib/python3.10/site-packages/_dlib_pybind11.cpython-310-x86_64-linux-gnu.so)にリンクしてるC++標準ライブラリを調べてみましょう

# ここでは $CONDA_PREFIXは/home/mlu/anaconda3/envs/example_env です
$ldd $CONDA_PREFIX/lib/python3.10/site-packages/_dlib_pybind11.cpython-310-x86_64-linux-gnu.so | grep libstdc++

        libstdc++.so.6 => /lib/x86_64-linux-gnu/libstdc++.so.6 (0x00007f9085cab000)

/lib/x86_64-linux-gnu/libstdc++.so.6って出ていますね。やはりdlibはシステムのlibstdc++にリンクされていましたね。conda環境の$CONDA_PREFIX/lib/libstdc++.so.6にリンクされているわけでは無いことがハッキリしました。

で、システム側のGLIBCXXを調べてみるとちゃんとシステム側には GLIBCXX_3.4.32 がありました。

strings /lib/x86_64-linux-gnu/libstdc++.so.6 | grep GLIBCXX_3.4.32

GLIBCXX_3.4.32

(または strings /lib/x86_64-linux-gnu/libstdc++.so.6 | grep GLIBCXX でシステムのlibstdc++のGLIBCXX一覧を表示させられます)

最後にもう一度、直し方

本問題について、冒頭で直し方を書きました

conda install -c conda-forge libstdcxx-ng

これでconda内のC++標準ライブラリが最新になりますが、

GCC 12 → libstdcxx-ng 12 → GLIBCXX_3.4.30まで
GCC 13 → libstdcxx-ng 13 → GLIBCXX_3.4.32まで

ということで、conda内のC++標準ライブラリはまぁ GCC 13 の標準ライブラリがあればこと足りるということなので最新版というより以下のようにGCC13が入るようにすればOKということになります

conda install -c conda-forge libstdcxx-ng=13

まとめ

今回は、Pythonパッケージのdlibにおいて、「ビルド環境と実行環境でライブラリバージョンが異なる」というdependency hellの実例と原因と対策について解説しました。
すこし古いAnacondaをいれたせいで、そこに備わっていたC++標準ライブラリも古く、逆にシステム側は新しい標準ライブラリが入っており、システム側でビルドしてしまった(というか勝手にそうなる)がためにconda環境では動かないという問題に直面しました。

PythonパッケージはLinux,GCC のようなC++層のビルドを伴うものが多く、このような依存関係問題がよく発生します。Pure Pythonだけでも結構依存関係は面倒ですが、システム層(今回でいえばlibstdcppライブラリ)のビルドでの依存関係の問題がでると「あー面倒」となりがちですが、その発生原理やビルドやリンクのメカニズムを知っていると、地に足のついたトラブル対処ができるとおもいます。逆にこのあたりをウヤムヤにすると、さらなるdependency hell に陥ることがありますので、本稿がそういったお悩み解決のお役にたてれば幸いです!

では、また次回おあいしましょう!

Read more

楽観的ロック vs 悲観的ロック:実際のトラブルから学ぶ排他制御

楽観的ロック vs 悲観的ロック:実際のトラブルから学ぶ排他制御

こんにちは! Qualitegプロダクト開発部です! 「楽観的ロックを実装したのに、まだ競合エラーが出るんですけど...」 これは私たちが実際に経験したことです。 本記事では、楽観的ロックと悲観的ロックの違いを、実際に発生したトラブルを通じて解説します。 抽象的な説明ではなく、 「なぜそれが必要なのか」「どんな問題を解決できるのか」 を実感できる内容を目指します。 目次 1. 問題の背景:並列処理で謎のエラー 2. ロックなしの世界:なぜ競合が起きるのか 3. 楽観的ロックの導入:期待と現実 4. 楽観的ロックの限界:解決できなかった問題 5. 悲観的ロックによる解決 6. 実装時のハマりポイント 7. どちらを選ぶべきか:判断基準 8. まとめ 1. 問題の背景:並列処理で謎のエラー 1.1 システムの概要 私たちが開発していたのは、 複数のワークスペースを切り替えて使用するAPIサーバー でした。 当社AI関係のプロダクトの一部だったのですが、結合テスト兼負荷テストを実行すると、まれに発生してしまっていました。 ユーザーは複数のワーキン

By Qualiteg プロダクト開発部
企業セキュリティはなぜ複雑になったのか? 〜AD+Proxyの時代から現代のクラウド対応まで〜

企業セキュリティはなぜ複雑になったのか? 〜AD+Proxyの時代から現代のクラウド対応まで〜

こんにちは! ChatGPTやClaudeといった生成AIサービスが業務に浸透し始めた今、 「AIに機密情報を送ってしまうリスク」 が新たなセキュリティ課題として浮上しています。 この課題に向き合う中で、私たちは改めて「企業のセキュリティアーキテクチャはどう変遷してきたのか」を振り返る機会がありました。 すると、ある疑問が浮かんできます。 「なんでこんなに複雑になってるんだっけ?」 企業のセキュリティ担当者なら、一度は思ったことがあるのではないでしょうか。 アルファベット3〜4文字の製品が乱立し、それぞれが微妙に重複した機能を持ち、設定は複雑化し、コストは膨らみ続けています。 当社ではAIセキュリティ関連プロダクトをご提供しておりますが、AI時代のセキュリティを考える上でも、この歴史を理解することは重要ではないかと考えました。 本記事では、企業ネットワークセキュリティの変遷を振り返りながら、「なぜこうなったのか」を整理してみたいと思います。 第1章:観測点を集約できた時代 ― オンプレAD + Proxy(〜2010年代前半) 統制しやすかったモデル かつ

By Qualiteg コンサルティング, Qualiteg AIセキュリティチーム
【IT温故知新】WS-* の栄光と黄昏:エンタープライズITはいかにして「実装」に敗北したか

【IT温故知新】WS-* の栄光と黄昏:エンタープライズITはいかにして「実装」に敗北したか

こんにちは。 —— 2003年のSOAから、2026年のAIへ —— この記事は、過去の技術動向を振り返り、そこから学べる教訓について考察してみたものです。 歴史は常に、後から見れば明らかなことが、当時は見えなかったという教訓を与えてくれます。 そして、今私たちが「正しい」と信じていることもまた、20年後には違う評価を受けているかもしれません。 だからこそ、振り返ることには意味があるとおもいます。同じ轍を踏まないために。 はじめに:20年前の熱狂を覚えていますか 2000年代初頭。 私はSOA(サービス指向アーキテクチャ)に本気で取り組んでいました。 当時、SOAは「次世代のエンタープライズアーキテクチャ」として、業界全体が熱狂していました。 カンファレンスに行けば満員御礼、ベンダーのブースには人だかり、書店にも関連の書籍がちらほらと。 SOAP、SOAP with attachments、JAX-RPC、WS-Security、WS-ReliableMessaging、WS-AtomicTransaction... 仕様書の山と格闘する日々でした。 あれから

By Qualiteg コンサルティング
DockerビルドでPythonをソースからビルドするとGCCがSegmentation faultする話

DockerビルドでPythonをソースからビルドするとGCCがSegmentation faultする話

こんにちは!Qualitegプロダクト開発部です! 本日は Docker環境でPythonをソースからビルドした際に発生した、GCCの内部コンパイラエラー(Segmentation fault) について共有します。 一見すると「リソース不足」や「Docker特有の問題」に見えますが、実際には PGO(Profile Guided Optimization)とLTO(Link Time Optimization)を同時に有効にした場合に、GCC自身がクラッシュするケースでした。 ただ、今回はDockerによって問題が隠れやすいという点もきづいたので、あえてDockerを織り交ぜた構成でのPythonソースビルドとGCCクラッシュについて実際に発生した題材をもとに共有させていただこうとおもいます 同様の構成でビルドしている方の参考になれば幸いです TL;DR * Docker内でPythonを --enable-optimizations --with-lto 付きでソースビルドすると GCCが internal compiler error(Segmentati

By Qualiteg プロダクト開発部