MicroPython SAMD端口多闪存设备支持的技术实现分析
2025-05-11 09:21:49作者:段琳惟
背景介绍
MicroPython的SAMD端口目前存在一个功能限制:无法同时访问MCU内部闪存和外部QSPI闪存。这一限制影响了某些特定应用场景的实现,特别是需要安全远程固件升级的系统。本文将深入分析这一技术问题的背景、现有实现方案以及可能的改进方向。
现有实现的问题
当前SAMD端口的闪存驱动实现存在两个主要限制:
-
单设备限制:modsamd.c模块只允许启用一种闪存类型(MCU闪存、SPI闪存或QSPI闪存),通过编译时宏定义选择。如果尝试启用多个,会导致编译错误。
-
功能局限:
- 闪存驱动仅暴露VFS协议方法,隐藏了原始块操作方法
- 不支持闪存分区概念,整个闪存设备被分配给VFS使用
- 与PyBoard的Flash设备不同,缺少start和len参数来定义独立区域
应用场景需求
典型的远程固件升级流程需要:
- 应用程序下载固件到文件系统
- 验证固件完整性
- 将新版本写入闪存独立区域
- 通过引导加载程序完成固件切换
这一流程需要:
- 同时访问文件系统区域和原始闪存区域
- 能够操作MCU闪存和外部闪存
- 确保在意外断电情况下的恢复能力
技术实现方案
方案一:多闪存设备支持
通过修改modsamd.c,允许同时启用多种闪存类型,并为每种类型提供独立的类名:
- samd.MCUFlash
- samd.SPIFlash
- samd.QSPIFlash
同时保留samd.Flash作为向后兼容的接口,通过配置宏指定默认使用的闪存类型。
方案二:闪存分区支持
修改闪存驱动程序(samd_flash.c等),增加以下功能:
- 支持start和len参数定义闪存区域
- 添加vfs_start和vfs_size字段管理文件系统区域
- 修改块操作方法,考虑分区偏移量
- 防止分区参数被重复修改
方案三:原始块访问扩展
在保持现有VFS接口的同时,提供原始闪存块访问能力:
- 通过未检查参数的块操作方法访问非文件系统区域
- 允许负块号访问文件系统之前的区域
- 需要应用程序自行管理访问边界
实现细节分析
闪存驱动修改
闪存驱动需要增加以下关键修改:
- 在make_new函数中添加start和len参数处理
- 初始化vfs_start和vfs_size字段
- 修改readblocks/writeblocks方法,增加分区偏移
- 调整ioctl调用,反映分区大小
链接脚本调整
需要修改链接脚本,确保:
- MCUFlash可以访问适当的闪存区域
- 不覆盖引导加载程序和运行中的应用程序
- 保留足够的空间用于固件更新
安全考虑
当前实现存在一些安全隐患:
- 块操作方法缺乏参数检查
- 无法自动发现文件系统区域
- 应用程序需要自行确保不破坏文件系统
- 多次实例化可能导致配置不一致
未来改进方向
- 正式支持闪存分区功能
- 提供安全的原始块访问API
- 增加闪存区域管理工具
- 完善参数检查和边界保护
结论
MicroPython SAMD端口的多闪存支持功能对于高级应用场景至关重要。通过合理的驱动修改和接口扩展,可以实现同时访问多种闪存设备的能力,为远程固件升级等复杂功能提供基础支持。开发者可以根据具体需求选择适合的实现方案,并注意相关的安全边界问题。
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
Spark-Prover-X1-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
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
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
316
2.74 K
仓颉编译器源码及 cjdb 调试工具。
C++
124
852
Ascend Extension for PyTorch
Python
155
178
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++
639
246
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
241
85
暂无简介
Dart
606
136
React Native鸿蒙化仓库
JavaScript
239
310
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
470
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
364
3.02 K