OpenBMC项目在QEMU模拟器运行AST2600平台镜像的内存配置问题分析
2025-07-04 09:02:02作者:冯梦姬Eddie
问题背景
在OpenBMC-2.14.0版本中,开发者在QEMU模拟器上运行evb-ast2600平台的镜像时遇到了启动失败的问题。初始错误表现为闪存大小不匹配和内存不足导致的U-Boot循环初始化。
关键现象
- 使用默认64MB闪存配置时,QEMU报错"block backend provides 67108864 bytes"
- 修改为128MB闪存后出现U-Boot不断输出"already initialized"的循环
- 最终发现是QEMU内存参数(-m)设置过小导致
技术分析
闪存大小配置
OpenBMC为AST2600平台默认配置了64MB(65536KB)的闪存大小。当在QEMU中运行时:
- 原始镜像大小为64MB,但QEMU 8.1版本要求128MB空间
- 直接修改machine配置的FLASH_SIZE可能引发其他兼容性问题
正确的做法应该是保持配置不变,通过dd命令对镜像进行填充:
dd if=/dev/zero of=image.mtd bs=1 count=64M seek=64M
内存需求问题
AST2600平台在真实硬件上通常配备较大内存,而QEMU默认的256MB内存不足以完成完整启动流程。表现为:
- U-Boot SPL阶段反复初始化
- 系统无法继续引导内核
通过增加QEMU内存参数解决:
-m 1024 # 设置为1GB内存
解决方案总结
- 保持默认的FLASH_SIZE = "65536"配置
- 对生成的镜像文件手动扩展到128MB
- 运行QEMU时确保分配足够内存(建议1GB)
- 完整QEMU启动命令示例:
qemu-system-arm -m 1024 -M bletchley-bmc -nographic \
-drive file=image.mtd,format=raw,if=mtd \
-global driver=aspeed.ibt,property=chardev,value=ipmi0 \
-chardev socket,id=ipmi0,host=localhost,port=9002,ipv4=on,server=on,wait=off \
-net nic -net user,hostfwd=:127.0.0.1:2222-:22
经验建议
- 不同QEMU版本对设备模拟存在差异,建议使用OpenBMC官方构建的QEMU
- 模拟ARM平台时,内存需求往往比x86平台更大
- U-Boot调试信息可通过编译时增加调试选项来获取更多细节
- 对于嵌入式系统模拟,硬件参数配置需要参考实际硬件规格
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
AtomGit城市坐标计划AtomGit 城市坐标计划开启!让开源有坐标,让城市有星火。致力于与城市合伙人共同构建并长期运营一个健康、活跃的本地开发者生态。01
CAP基于最终一致性的微服务分布式事务解决方案,也是一种采用 Outbox 模式的事件总线。C#00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
653
4.23 K
deepin linux kernel
C
27
14
Ascend Extension for PyTorch
Python
488
599
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
390
280
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++
937
854
Oohos_react_native
React Native鸿蒙化仓库
JavaScript
332
387
🎉 (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
1.53 K
886
暂无简介
Dart
900
215
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
123
194
昇腾LLM分布式训练框架
Python
141
167