ESPTool合并固件时如何避免覆盖NVS分区数据
2025-06-05 09:28:46作者:邬祺芯Juliet
在ESP32开发过程中,我们经常需要将多个固件文件合并为一个文件以便于分发和烧录。然而,使用esptool的merge-bin功能时,可能会意外覆盖设备上的NVS(Non-Volatile Storage)分区,导致用户配置数据丢失。本文将深入分析这一问题的成因,并提供多种解决方案。
问题背景
当使用esptool的merge-bin命令合并多个固件文件时,工具会在文件之间的空白区域填充0xFF字节。这种填充行为实际上会擦除这些区域内的任何现有数据。在典型的ESP32分区布局中:
- 0x8000:分区表
- 0x9000:NVS分区(存储用户配置)
- 0x10000:应用程序固件
如果使用merge-bin生成一个从0x0开始的合并固件,0x8000到0x10000之间的填充会覆盖NVS分区,造成用户配置丢失。
技术分析
1. 合并固件的填充机制
esptool在合并固件时有两种格式可选:
- RAW格式(默认):在文件间隙填充0xFF
- HEX格式:不包含填充,但最终仍会转换为带填充的二进制文件
虽然HEX格式理论上可以避免填充,但在实际烧录过程中,esptool仍会将其转换为带填充的二进制格式,因此并不能真正解决问题。
2. 分区布局的影响
NVS分区的位置是由分区表决定的。在早期产品中,NVS通常被放置在0x9000位置,这正好位于分区表(0x8000)和应用程序(0x10000)之间。这种布局导致了合并固件时不可避免会覆盖NVS。
解决方案
1. 调整分区表布局(推荐)
最彻底的解决方案是重新设计分区表,将NVS分区移动到所有固件之后的位置。例如:
# 分区表示例
nvs, data, nvs, 0x10000, 0x4000
otadata, data, ota, 0x14000, 0x2000
app0, app, ota_0, 0x20000, 0x100000
这种布局下,合并固件时只需包含分区表和应用程序,不会触及NVS区域。
2. 分多次烧录固件
避免使用merge-bin,改为分别烧录各个部分:
esptool.py write_flash 0x8000 partition-table.bin
esptool.py write_flash 0x10000 app.bin
这种方法虽然步骤稍多,但能精确控制每个区域的写入。
3. 使用OTA升级机制
建立完整的OTA升级流程:
- 出厂时使用合并固件(包含初始NVS数据)
- 后续更新仅通过OTA进行
- OTA过程会保留现有NVS数据
这种方法用户体验最佳,但需要实现完整的OTA功能。
高级技巧
对于已经部署的产品,如果无法修改分区表,可以考虑以下方案:
- 固件升级时备份恢复:在升级前读取NVS数据,升级后恢复
- 自定义烧录工具:开发专用工具,智能处理各个分区
- 分区表动态更新:通过特殊固件更新分区表布局
最佳实践建议
- 新产品设计时就将NVS放在固件区域之后
- 建立完善的OTA升级机制
- 为终端用户提供专用的烧录工具
- 在文档中明确说明固件升级对配置数据的影响
通过合理规划分区布局和升级策略,可以有效避免NVS数据丢失问题,提升产品的可靠性和用户体验。
登录后查看全文
热门项目推荐
相关项目推荐
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
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
405
3.14 K
Ascend Extension for PyTorch
Python
226
251
暂无简介
Dart
672
159
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++
663
319
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.21 K
657
React Native鸿蒙化仓库
JavaScript
262
325
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
220
仓颉编译器源码及 cjdb 调试工具。
C++
135
868