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 10:49:09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
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-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。00
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
192
212
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++
649
270
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
297
111
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
384
3.68 K
仓颉编译器源码及 cjdb 调试工具。
C++
128
857
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
React Native鸿蒙化仓库
JavaScript
243
316
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,提供Transformer定制化场景的高性能融合算子。
C++
66
96
暂无简介
Dart
632
143