FluidNC项目SD卡文件上传问题的分析与解决
2025-07-07 03:01:05作者:邬祺芯Juliet
问题背景
在FluidNC 3.7.13和3.7.14版本中,用户报告了一个关于SD卡文件上传的严重问题。当用户尝试通过Web界面将文件上传到SD卡时,系统会抛出错误信息并导致操作失败。这个问题影响了多个用户,包括使用6X CNC控制器的用户。
错误现象
用户在尝试上传文件时会遇到以下错误信息:
[MSG:ERR: sdmmc_card_init failed code 0x107]
No SD card
ERROR:60
SD failed to mount
有趣的是,这个问题具有以下特点:
- 在系统重启后,通过终端命令可以正常访问SD卡
- 只有在尝试通过Web界面进行文件上传时才会出现此问题
- 在较早版本的固件(3.7.10-3.7.12)中没有这个问题
技术分析
经过开发团队的深入调查,发现问题的根源在于WebUI最近的一个改动。这个改动原本是为了更清晰地区分同步和异步WebUI命令,但却意外导致了以下问题:
-
系统会同时执行两个SD卡相关命令:
- 一个用于检测SD卡是否存在
- 另一个用于开始文件上传
-
这两个命令在不同的线程和不同的CPU核心上并行执行
-
这种并行执行导致SD卡驱动程序被重入(re-entered),引发了系统混乱和崩溃
解决方案
开发团队迅速定位问题并发布了修复版本。修复的关键点包括:
- 修改了WebUI的代码逻辑,确保SD卡相关命令按正确顺序执行
- 避免了可能导致驱动程序重入的并行操作
- 增强了命令执行的同步机制
用户可以通过更新到修复后的WebUI版本(commit 3e9cc8cd8bcdd05cbd7640b2eb080dbd63bb7e7f)来解决这个问题。
验证结果
多位用户验证了修复版本的有效性:
- 文件上传功能恢复正常
- SD卡访问稳定性提高
- 系统不再出现崩溃情况
技术建议
对于嵌入式系统开发,特别是涉及硬件外设(如SD卡)的操作时,开发人员应当注意:
- 硬件外设驱动通常不是线程安全的,需要特别注意并发访问
- 对于关键硬件资源,应实现适当的互斥机制
- 命令执行顺序对硬件操作可能产生重大影响
- 在修改异步/同步处理逻辑时,需要全面考虑对硬件操作的影响
这个问题也提醒我们,在嵌入式系统开发中,硬件资源访问的同步和顺序控制是保证系统稳定性的关键因素之一。
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
暂无简介
Dart
667
153
Ascend Extension for PyTorch
Python
216
235
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++
660
303
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
React Native鸿蒙化仓库
JavaScript
255
321
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
63
19
🎉 (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
1.19 K
651
仓颉编程语言运行时与标准库。
Cangjie
141
876
仓颉编译器源码及 cjdb 调试工具。
C++
133
866