Raspberry Pi Pico SDK中LWIP的PPP模块链接错误分析与解决方案
问题背景
在使用Raspberry Pi Pico SDK开发网络应用时,当开发者启用了LWIP协议栈中的PPP(点对点协议)支持并同时开启认证功能(PAP、CHAP等)时,可能会遇到一个链接错误。错误信息显示sys_jiffies函数未定义,这会导致编译失败。
错误现象
具体错误表现为:
undefined reference to `sys_jiffies'
这个错误发生在magic.c文件中的magic_churnrand函数内,该函数属于LWIP的PPP模块实现部分。
原因分析
-
PPP模块依赖:当启用PPP支持及其认证协议时,LWIP需要使用
sys_jiffies函数来获取系统时间戳,用于随机数生成等安全相关操作。 -
NO_SYS模式:在Pico SDK的
lwipopts.h配置中,开发者通常设置NO_SYS=1表示不使用操作系统,这种情况下需要提供基本的系统函数实现。 -
现有实现不足:虽然Pico SDK已经为NO_SYS模式提供了
sys_now()的实现(在pico_lwip_nosys中),但缺少对sys_jiffies的实现。
解决方案
临时解决方案
开发者可以自行实现sys_jiffies函数,例如:
#include "lwip/sys.h"
#include "hardware/timer.h"
u32_t sys_jiffies(void)
{
return time_us_32();
}
这个实现利用了Pico的硬件定时器来提供微秒级的时间戳。
SDK官方修复
Pico SDK开发团队已经将修复合并到开发分支中,主要改动包括:
- 在
pico_lwip_nosys中添加了sys_jiffies的弱实现 - 使用
__weak关键字允许用户自定义实现 - 保持与现有
NO_SYS模式的兼容性
技术细节
-
Jiffies概念:在操作系统中,jiffies通常指系统启动以来的时钟滴答数。LWIP的PPP模块使用它来生成随机数种子。
-
时间精度要求:PPP认证协议需要一定的时间精度来保证安全性,但不需要非常高的精度。
-
弱符号(weak symbol):使用
__weak关键字允许开发者在不修改SDK代码的情况下提供自己的实现,提高了灵活性。
最佳实践
- 如果使用最新版SDK,直接更新即可解决问题
- 如需自定义时间源,可以覆盖
sys_jiffies实现 - 在NO_SYS模式下,确保所有必要的系统函数都有实现
总结
这个问题展示了嵌入式网络协议栈实现中的一个典型挑战——如何在不依赖操作系统的情况下提供必要的系统服务。Pico SDK通过提供默认实现同时允许用户覆盖的方式,既保证了开箱即用的便利性,又提供了足够的灵活性。对于开发者来说,理解这种设计模式有助于更好地使用和扩展嵌入式系统的各种功能模块。
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