在Amlogic S9xxx OpenWrt中解决dae的cgroup2未启用问题
在基于Amlogic S9xxx芯片的设备上运行OpenWrt系统时,用户可能会遇到一个与cgroup2相关的配置问题,特别是在使用dae(一个网络工具)时。本文将深入分析这个问题及其解决方案。
问题背景
当用户在ImmortalWrt或OpenWrt master版本上安装并运行luci-app-dae时,系统会报出警告信息:"cgroup2 is not enabled; pname routing cannot be used",并伴随错误提示"cgroup2 not mounted"。这表明系统未能正确加载cgroup2功能,影响了dae的进程名(pname)路由功能。
技术分析
cgroup(Control Groups)是Linux内核提供的一种机制,用于限制、记录和隔离进程组的资源使用。cgroup2是第二代控制组系统,提供了更简洁统一的管理接口。dae工具依赖cgroup2来实现基于进程名的路由功能。
在标准的Linux发行版中,cgroup2通常会默认挂载。但在嵌入式系统如OpenWrt中,出于精简系统的考虑,可能不会默认启用这一功能。
解决方案
用户提供的临时解决方案是在rc.local中添加以下命令:
mkdir -p /sys/fs/cgroup/cgroup2
mount -t cgroup2 cgroup2 /sys/fs/cgroup/cgroup2 -o rw,nosuid,nodev,noexec,relatime,nsdelegate
这是一个有效的解决方法,但我们可以考虑更规范的实现方式:
-
内核配置:确保内核编译时启用了CONFIG_CGROUPS和CONFIG_CGROUP2选项
-
系统启动脚本:将cgroup2挂载命令添加到系统的启动脚本中,而不是rc.local
-
fstab配置:在/etc/fstab中添加持久化挂载项
最佳实践建议
对于OpenWrt系统,推荐采用以下方法:
- 创建一个新的启动脚本
/etc/init.d/cgroup2:
#!/bin/sh /etc/rc.common
START=10
start() {
mkdir -p /sys/fs/cgroup/cgroup2
mount -t cgroup2 cgroup2 /sys/fs/cgroup/cgroup2 -o rw,nosuid,nodev,noexec,relatime,nsdelegate
}
- 设置脚本权限并启用:
chmod +x /etc/init.d/cgroup2
/etc/init.d/cgroup2 enable
/etc/init.d/cgroup2 start
这种方法更加规范,符合OpenWrt的启动管理机制,并且可以在系统更新时更好地保持配置。
验证方法
挂载成功后,可以通过以下命令验证:
mount | grep cgroup2
cat /proc/filesystems | grep cgroup2
如果配置正确,这些命令应该显示cgroup2已正确挂载并可用。
总结
在嵌入式Linux系统如OpenWrt中,某些高级内核功能可能不会默认启用。当需要使用这些功能时,了解其依赖关系并正确配置系统是解决问题的关键。对于cgroup2这类功能,采用规范的启动脚本方式进行配置,比临时性的rc.local方案更加可靠和易于维护。
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