OpenVelinux内核中的SSDT覆盖技术详解
2025-06-19 12:40:39作者:蔡怀权
什么是SSDT覆盖
在OpenVelinux内核中,SSDT(Secondary System Description Table)覆盖是一种动态扩展ACPI配置的技术。它允许开发者在不需要重新编译固件或修改内核代码的情况下,为硬件平台添加额外的ACPI配置信息。
为什么需要SSDT覆盖
在开发板或定制硬件环境中,经常需要连接各种外设(如I2C/SPI传感器等)。传统方法有两种局限:
- 编写内核平台驱动会导致大量板级特定代码
- 重新编译固件ACPI表通常需要专有工具且不公开
SSDT覆盖提供了第三种更灵活的方案,它通过动态加载用户定义的SSDT表来扩展固件提供的ACPI配置。
SSDT覆盖的实际应用示例
以Minnowboard MAX开发板为例,假设需要通过LSE连接器连接Bosch BMA222E加速度计,可以创建如下ASL代码:
DefinitionBlock ("minnowmax.aml", "SSDT", 1, "Vendor", "Accel", 0x00000003)
{
External (\_SB.I2C6, DeviceObj)
Scope (\_SB.I2C6)
{
Device (STAC)
{
Name (_ADR, Zero)
Name (_HID, "BMA222E")
Method (_CRS, 0, Serialized)
{
Name (RBUF, ResourceTemplate ()
{
I2cSerialBus (0x0018, ControllerInitiated, 0x00061A80,
AddressingMode7Bit, "\\_SB.I2C6", 0x00,
ResourceConsumer, ,)
GpioInt (Edge, ActiveHigh, Exclusive, PullDown, 0x0000,
"\\_SB.GPO2", 0x00, ResourceConsumer, , )
{ // Pin list
0
}
})
Return (RBUF)
}
}
}
}
使用IASL编译器将其编译为AML二进制格式:
$ iasl minnowmax.asl
SSDT加载的三种方法
1. 从initrd加载SSDT
适用于不支持EFI或EFI存储空间不足的系统。操作步骤:
- 将SSDT AML代码放在未压缩的initrd中的"kernel/firmware/acpi"路径下
- 可以放置多个文件,对应加载多个表
- 只允许SSDT和OEM表
具体操作示例:
mkdir -p kernel/firmware/acpi
cp ssdt.aml kernel/firmware/acpi
find kernel | cpio -H newc --create > /boot/instrumented_initrd
cat /boot/initrd >>/boot/instrumented_initrd
2. 从EFI变量加载SSDT(推荐方法)
这是最推荐的方法,特别是在支持EFI的平台上,因为它提供了持久化、OS无关的存储方式。
使用方法:
- 使用内核命令行参数
efivar_ssdt指定EFI变量名 - 通过efivarfs文件系统管理EFI变量
创建/更新EFI变量的bash脚本示例:
#!/bin/sh -e
while ! [ -z "$1" ]; do
case "$1" in
"-f") filename="$2"; shift;;
"-g") guid="$2"; shift;;
*) name="$1";;
esac
shift
done
[ -n "$name" -a -f "$filename" ] || exit 1
EFIVARFS="/sys/firmware/efi/efivars"
[ -d "$EFIVARFS" ] || exit 2
if stat -tf $EFIVARFS | grep -q -v de5e81e4; then
mount -t efivarfs none $EFIVARFS
fi
[ -n "$guid" ] || guid=$(find "$EFIVARFS" -name "$name-*" | head -n1 | cut -f2- -d-)
[ -n "$guid" ] || guid="$(cat /proc/sys/kernel/random/uuid)"
tmp=$(mktemp)
/bin/echo -ne "\007\000\000\000" | cat - $filename > $tmp
dd if=$tmp of="$EFIVARFS/$name-$guid" bs=$(stat -c %s $tmp)
rm $tmp
3. 从configfs加载SSDT
需要内核配置选项CONFIG_ACPI_CONFIGFS并挂载configfs。操作步骤:
cd /config/acpi/table
mkdir my_ssdt
cat ~/ssdt.aml > my_ssdt/aml
技术要点总结
- SSDT覆盖提供了灵活的硬件配置扩展能力
- 三种加载方式各有适用场景,EFI变量方式最为推荐
- ASL代码需要正确引用现有ACPI命名空间中的对象
- 资源模板(_CRS)需要准确描述硬件连接方式
通过SSDT覆盖技术,开发者可以方便地为OpenVelinux内核支持的硬件平台添加自定义ACPI配置,而无需修改内核代码或固件映像,大大提高了开发效率和灵活性。
登录后查看全文
热门项目推荐
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
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
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
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
8
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++
654
282
暂无简介
Dart
643
149
Ascend Extension for PyTorch
Python
203
219
仓颉编译器源码及 cjdb 调试工具。
C++
130
861
React Native鸿蒙化仓库
JavaScript
248
317
openGauss kernel ~ openGauss is an open source relational database management system
C++
158
214
🎉 (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
1.13 K
631
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
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,提供Transformer定制化场景的高性能融合算子。
C++
77
100