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。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00