LittleFS文件系统在STM32上创建目录失败问题分析与解决
2025-06-07 19:33:09作者:廉皓灿Ida
问题背景
在使用LittleFS文件系统时,开发者在STM32平台上遇到了一个奇怪的问题:在执行lfs_mkdir()函数创建新目录时,系统返回了LFS_ERR_NOSPC错误,提示存储空间不足。然而经过检查,实际上文件系统中仍有足够的空闲块可供使用。
问题现象分析
开发者观察到以下关键现象:
- 在执行
lfs_format()和lfs_mount()后,lookahead_buffer中的元素值有时为0x00 - 但在执行
lfs_mkdir()时,lookahead_buffer中的值总是0xff - 由于lookahead_buffer全为0xff,系统无法找到空闲块,导致分配失败
深入技术分析
LittleFS的存储分配机制
LittleFS使用lookahead_buffer来跟踪和管理存储块的使用情况。这个缓冲区中的每一位(bit)对应一个存储块的状态:
- 0表示块空闲可用
- 1表示块已被占用
当缓冲区全为0xff时,意味着所有位都被置为1,系统会认为所有块都已被占用,自然无法分配新的块。
配置参数问题
开发者提供的配置显示存在潜在问题:
uint8_t read_buffer[1024];
uint8_t prog_buffer[1024];
uint8_t lookahead_buffer[1024];
const struct lfs_config lfs_cfg = {
.cache_size = 4096,
// 其他配置...
};
这里的关键问题在于:
read_buffer和prog_buffer大小仅为1024字节- 但
cache_size被设置为4096字节 - 这种不匹配会导致缓冲区溢出,特别是当执行
lfs_cache_zero()等操作时
内存溢出后果
当缓存操作试图写入超过1024字节的数据时,会发生内存溢出,可能覆盖相邻的lookahead_buffer区域。由于Flash擦除后的默认值为0xff,这种溢出导致lookahead_buffer被错误地填充为0xff,进而导致系统错误地认为所有块都已被占用。
解决方案
正确的配置方法
解决此问题的关键在于确保所有缓冲区大小与配置参数匹配:
uint8_t read_buffer[4096]; // 必须等于或大于cache_size
uint8_t prog_buffer[4096]; // 必须等于或大于cache_size
uint8_t lookahead_buffer[128]; // 只需block_count/8字节,16块只需16/8=2字节,但考虑对齐
const struct lfs_config lfs_cfg = {
.cache_size = 4096,
// 其他配置保持不变...
};
优化建议
-
lookahead_buffer大小:实际上只需要block_count/8字节,对于16个块的文件系统,仅需2字节(16/8),但考虑到对齐要求,可以适当增大。
-
静态内存分配:对于资源受限的嵌入式系统,可以考虑:
- 使用
LFS_NO_MALLOC宏定义 - 提供所有必要的静态缓冲区
- 或者修改
lfs_malloc/lfs_free实现以使用静态内存池
- 使用
-
文件缓冲区:每个打开的文件都需要独立的缓冲区,可以通过
lfs_file_opencfg提供。
总结
在嵌入式系统中使用LittleFS文件系统时,正确配置缓冲区大小至关重要。本例中的问题源于缓存缓冲区大小与配置参数不匹配导致的内存溢出。通过调整缓冲区大小使其与cache_size一致,问题得到解决。这提醒我们在使用嵌入式文件系统时,必须仔细检查所有内存相关的配置参数,确保它们相互匹配且满足系统需求。
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