Renode项目中实现日志文件自动时间戳命名的方法
背景介绍
在嵌入式系统开发和测试过程中,Renode作为一个强大的仿真框架,经常被用来运行各种测试脚本。在自动化测试场景中,生成带有时间戳的日志文件是一个常见需求,这有助于区分不同时间运行的测试结果,便于后续分析和问题追踪。
传统Robot框架中的时间戳实现
在Robot测试框架中,我们可以方便地使用DateTime库来获取当前时间并格式化输出:
${date} = Get Current Date result_format=%Y-%m-%d_%H-%M-%S
${LOGOUTPUT} Set Variable ${CURDIR}/../Logs/renode-test-template-${date}.log
这种方法简单直接,但在纯Renode脚本(.resc文件)中却无法直接使用,因为.resc文件本身不提供类似的时间处理功能。
Renode脚本中的Python集成方案
Renode的一个强大特性是它支持在.resc脚本中嵌入Python代码,这为解决时间戳问题提供了可能。以下是实现这一功能的完整方案:
1. 创建自定义外围设备脚本
首先,我们创建一个renode-custom-peripherals.resc文件,在其中添加Python代码来处理时间戳:
python
"""
from datetime import datetime
log_dir = '$global.ORIGIN/../Logs/'
def mc_timestampedlog(name):
timestamp = datetime.now().strftime('%Y-%m-%d_%H-%M-%S')
self.Parse('logFile '+ log_dir + name + '-' + timestamp + '.log')
"""
这段代码定义了一个timestampedlog函数,它会:
- 获取当前时间并格式化为"年-月-日_时-分-秒"的形式
- 拼接完整的日志文件路径
- 通过self.Parse执行Renode命令设置日志文件
2. 在主.resc脚本中使用
在需要使用时间戳的主.resc脚本中,我们可以这样调用:
$platform ?= $ORIGIN/../Platforms/myboard.repl
$customPeripherals ?= $ORIGIN/renode-custom-peripherals.resc
$logName ?= renode-config-debug
i $customPeripherals
mach create
machine LoadPlatformDescription $platform
# 日志设置
logLevel 1
timestampedlog $logName
logLevel -1 file
3. 方案优势
- 复用性强:只需在自定义外围设备脚本中定义一次,所有.resc文件都可以使用
- 灵活性高:可以轻松调整时间格式或日志目录
- 一致性:确保所有日志文件使用统一的时间戳格式
- 跨平台:同样适用于.robot测试脚本
实现原理详解
这个解决方案的核心在于Renode的Python集成能力。当我们在.resc文件中使用python块时,Renode会执行其中的Python代码,并将定义的函数暴露给后续的.resc命令使用。
self.Parse方法允许Python代码直接执行Renode命令,这相当于在.resc文件中直接写入命令。通过这种方式,我们实现了Python和Renode脚本之间的无缝交互。
实际应用建议
- 时间格式选择:建议使用
%Y-%m-%d_%H-%M-%S格式,因为它既清晰又便于排序 - 日志目录管理:可以在Python代码中添加目录存在性检查,必要时自动创建目录
- 错误处理:可以扩展Python函数,添加基本的错误处理逻辑
- 日志轮转:对于长期运行的测试,可以考虑实现基于大小的日志轮转机制
总结
通过利用Renode的Python集成特性,我们成功实现了在纯.resc脚本中为日志文件添加时间戳的功能。这种方法不仅解决了当前问题,还展示了Renode强大的扩展能力,为处理更复杂的自动化测试场景提供了思路。
对于需要在不同环境中保持一致的日志命名策略的团队,这种集中定义、多处使用的方式尤其有价值,能够有效提高测试结果的可追溯性和管理效率。
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-X1-7BSpark-Prover-X1-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-X1-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile015
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00