解决LEDE项目中Quectel Gobinet驱动在Linux 6.1/6.6内核编译失败问题
2025-05-05 17:00:14作者:伍霜盼Ellen
在LEDE开源项目中,用户反馈Quectel Gobinet驱动在Linux 5.15内核下编译成功,但在6.1和6.6内核版本中出现编译错误。这个问题主要源于内核API的变化,特别是网络设备地址处理方式的修改。
问题分析
编译错误显示主要问题集中在GobiUSBNet.c文件中,具体表现为:
- 对
dev_addr数组的直接修改操作失败,因为该数组在内核6.x版本中被标记为只读 memcpy函数调用时类型不匹配警告- 函数参数类型不兼容警告
这些错误表明,从Linux 5.15到6.x版本,内核对于网络设备地址的处理方式进行了更严格的类型检查和安全限制。特别是dev_addr现在被声明为const,防止直接修改,这反映了内核开发中对网络安全的重视。
解决方案
针对这个问题,社区提供了完整的解决方案包,包含以下关键组件:
- 更新版驱动文件:重新实现的Gobinet驱动,适配了新版内核的API要求
- 内核补丁文件:针对不同内核版本的特殊适配补丁
- 5.10内核补丁
- 5.15内核补丁
- 6.1内核补丁
- 6.6内核补丁
这些补丁主要解决了以下问题:
- 导出了调度模块(sched)的一些关键函数
- 调整了网络设备地址处理逻辑
- 修复了类型兼容性问题
实施步骤
- 使用提供的更新版驱动替换原有驱动文件
- 根据使用的内核版本,选择对应的补丁文件
- 将补丁文件放置到LEDE项目的特定目录下:
target/linux/generic/backport-x.x- 注意补丁文件名中的版本号与目录对应关系
- 重新编译项目
技术原理
这个问题的本质是Linux内核开发中常见的ABI(应用二进制接口)稳定性挑战。内核开发者不断改进内部API的安全性和可靠性,这会导致第三方驱动需要相应调整。具体到这个问题:
- 网络设备安全增强:内核6.x对
dev_addr添加了const限定符,防止意外修改,这要求驱动改用更安全的方式设置MAC地址 - 类型系统严格化:内核加强了指针类型检查,特别是
void*与具体类型指针间的转换 - 函数可见性控制:某些核心调度函数不再默认导出,需要通过补丁显式导出
经验总结
这个案例提供了几个有价值的经验:
- 内核版本兼容性:嵌入式开发中,驱动与内核版本的匹配至关重要
- 社区资源利用:开源社区通常会快速响应并提供解决方案
- 补丁管理:理解不同内核版本需要不同补丁的机制
- 前瞻性开发:驱动开发应尽可能使用最新内核的API规范
通过这个解决方案,用户成功在LEDE项目中将Quectel Gobinet驱动适配到了Linux 6.1和6.6内核,确保了5G模块在最新系统下的正常使用。
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
最新内容推荐
TextAnimator for Unity:打造专业级文字动画效果的终极解决方案 Python开发者的macOS终极指南:VSCode安装配置全攻略 全球GEOJSON地理数据资源下载指南 - 高效获取地理空间数据的完整解决方案 STM32到GD32项目移植完全指南:从兼容性到实战技巧 MQTT客户端软件源代码:物联网开发的强大工具与最佳实践指南 VSdebugChkMatch.exe:专业PDB签名匹配工具全面解析与使用指南 PANTONE潘通AI色板库:设计师必备的色彩管理利器 Python案例资源下载 - 从入门到精通的完整项目代码合集 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 CrystalIndex资源文件管理系统:高效索引与文件管理的最佳实践指南
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