OpENer Ethernet/IP Stack 开源项目安装与使用教程
2026-01-23 06:30:49作者:韦蓉瑛
1. 项目目录结构及介绍
OpENer 是一个专为I/O适配器设备设计的EtherNet/IP堆栈。项目遵循ODVA规范,支持多路I/O和明确连接,并提供构建符合EtherNet/IP标准产品的对象和服务。下面是其主要的目录结构:
-
bin: 包含不同平台的编译结果和make文件。
posix: 针对POSIX兼容系统(如Linux)的编译脚本和可执行文件。win32: Windows平台下的编译设置和输出。mingw,cygwin: 分别对应于MinGW和Cygwin环境的编译资源。
-
doc: 存放Doxygen生成的代码文档(需手动生成)以及编码规则文档。
-
data: 提供默认应用的EDS文件。
-
source: 主要源代码文件夹,包括:
cip: CIP层代码,实现控制与信息协议的核心逻辑。cip_objects: 扩展CIP对象集。enet_encap: 处理以太网封装的层。ports: 平台特定代码,确保跨平台运行。utils: 辅助函数集合。tests: 测试代码。
-
tests: 含有针对特定功能和模块的测试案例。
-
docs/api_doc: 自动生成的功能文档存放处,对于SVN版本可用。
2. 项目的启动文件介绍
对于POSIX系统 (如Linux):
- 启动命令示例: 在正确配置并编译后,使用如下命令启动OpENer服务:
其中/src/ports/POSIX/OpENer eth1eth1是你的网络接口名。
对于Windows:
- 使用Visual Studio或MinGW编译后,根据配置(Debug或Release),在对应的输出目录找到
OpENer.exe,通过指定网络接口索引来启动程序。例如,在Windows环境下,可以通过以下步骤:cd bin\win32\src\ports\WIN32\ OpENer [interface_index]
实时(RT)模式注意:
对于需要实时能力的场景,OpENer提供了OpENer_RT选项,但要求操作系统内核具有完全预emption RT补丁,并需要手动赋予相应的权限。
3. 项目的配置文件介绍
OpENer的配置更多地依赖于CMakeLists.txt文件和编译时的参数。不像传统项目拥有单一的配置文件,其配置过程体现在编译阶段的选择上,比如是否作为库安装(-DOPENER_INSTALL_AS_LIB),是否开启调试模式,以及在特定平台上的编译选项等。
-
编译时配置: 使用CMake进行项目配置时,通过命令行参数来设定这些配置项,例如使用
-DOPENER_TRACES:BOOL=TRUE来启用追踪功能。 -
运行时配置: OpENer的运行取决于编译时选择的端口配置和可能的环境变量,而不是传统的配置文件。特定的运行时行为可以通过传递给可执行文件的参数或环境配置间接调整。
为了针对具体需求调整行为,开发者应当深入阅读项目的source/CMakeLists.txt文件,了解如何通过CMake的参数定制编译选项,从而达到配置目的。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0231
GLM-5.2智谱开源 GLM-5.2,这是针对长文本任务的最新旗舰模型。相较于前代产品 GLM-5.1,它在长文本任务处理能力上实现了显著飞跃,并且首次在稳定的 100 万 token 上下文中提供这一能力。Jinja00
JoyAI-VL-Interaction-Preview京东开源首个开源、视觉驱动的实时交互模型——它能实时监控视频流,并自主决定何时发言、保持沉默或委托任务。Jinja00
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0151
kornia🐍 空间人工智能的几何计算机视觉库Python02
PaddleParallel Distributed Deep Learning: Machine Learning Framework from Industrial Practice (『飞桨』核心框架,深度学习&机器学习高性能单机、分布式训练和跨平台部署)C++02
项目优选
收起
暂无描述
Dockerfile
782
5.11 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
892
2.06 K
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
471
473
Ascend Extension for PyTorch
Python
764
972
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
710
1.43 K
deepin linux kernel
C
32
16
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
432
151
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++
1.11 K
1.15 K
JiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。
Python
2.27 K
681
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.04 K
272