OpenWRT/LEDE系统中DAWN服务日志刷屏问题分析与解决方案
2025-05-05 17:54:07作者:卓炯娓
问题背景
在使用基于OpenWRT/LEDE系统的光影猫路由器设备时,系统日志中频繁出现两种类型的错误信息刷屏:
daemon.err dawn: ubus_call_umdns()=ubus.c@1385 Failed to look up test object for umdnsdaemon.notice hostapd相关的BEACON请求和响应信息
这些问题最早可以追溯到2019年,但在不同内核版本中表现和解决方法有所不同。
问题分析
umdns相关错误
ubus_call_umdns()错误表明DAWN服务在尝试通过ubus调用umdns服务时失败。具体表现为:
- 在5.15内核版本中,可以通过替换umdns的配置文件解决
- 在6.6内核版本中,同样的方法不再有效
hostapd相关错误
BEACON-REQ-TX-STATUS和BEACON-RESP-RX信息持续刷屏,MAC地址显示为aa:aa:aa:aa:aa:aa,这通常表示:
- 可能是某种设备或服务在持续发送探测请求
- 与蓝牙设备无关(即使设备有蓝牙硬件,但未加载蓝牙驱动)
- 与DAWN服务有直接关联
解决方案
针对umdns错误
对于5.15内核版本:
- 使用原版OpenWRT中的
umdns.json和umdns.init文件 - 替换LEDE版本中的对应文件
- 重新编译系统
对于6.6内核版本:
- 上述方法可能不再有效
- 需要进一步分析umdns服务在新内核中的变化
根本解决方案
经过深入测试发现,完全移除DAWN服务可以彻底解决这两个问题:
- 在编译配置中取消DAWN服务的选择
- 虽然DAWN在默认配置中是必选项,但可以手动修改
- 移除后系统运行稳定,未发现明显功能缺失
技术细节
DAWN (Decentralized WiFi Awake Network)是一个用于构建去中心化WiFi网络的服务,它可能:
- 依赖于umdns进行服务发现
- 会主动发送探测请求来发现网络中的其他节点
- 在某些配置下会产生大量调试日志
注意事项
- 移除DAWN前需评估是否会影响网络功能
- 对于普通家庭用户,DAWN可能不是必需服务
- 在生产环境中移除核心服务前应进行充分测试
- 不同设备型号可能有不同的依赖关系
结论
通过分析可以确定,系统日志刷屏问题主要由DAWN服务引起。针对不同内核版本,可以采取替换配置文件或完全移除服务的解决方案。建议普通用户在确认不影响主要功能的前提下,可以安全地移除DAWN服务以获得更清洁的系统日志和可能更好的性能表现。
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
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
414
3.18 K
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
Ascend Extension for PyTorch
Python
228
258
暂无简介
Dart
679
160
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++
689
325
🔥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
65
19
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (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
1.21 K
660
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!
C
1.03 K
492