Proxmark3测试框架并行执行问题分析与修复
2025-06-13 02:56:10作者:房伟宁
问题背景
在Proxmark3项目的最新版本v4.18994中,测试套件在并行执行时出现了不稳定的情况。具体表现为nonce2key测试间歇性失败,这一问题在Kali Linux打包过程中被发现。测试失败的根本原因在于测试框架的设计与并行执行机制存在冲突。
技术分析
Proxmark3的测试框架采用了一个分层结构:
- 顶层Makefile定义了两个测试目标:
mfc_card_only/check和mfc_card_reader/check - 这两个目标都会调用
tools/pm3_tests.sh脚本执行测试 - 但脚本本身并未针对这两种测试场景做区分处理,导致无论调用哪个目标都会执行全部测试
当使用make -j并行执行时,两个测试目标会同时运行,造成:
- 测试文件访问冲突
- 临时文件清理竞争条件
- 测试结果互相干扰
解决方案
修复方案的核心思想是为不同的测试目标指定明确的测试子集:
- 对于
mfc_card_only/check目标,只执行nonce2key和staticnested测试 - 对于
mfc_card_reader/check目标,只执行mfkey和mf_nonce_brute测试
具体实现修改了Makefile中的测试目标定义,直接传递对应的测试参数,而不是依赖可能被覆盖的变量。
技术细节
原问题代码
原Makefile中测试目标定义较为简单,没有区分测试场景:
mfc_card_only/check: FORCE
$(Q)$(BASH) tools/pm3_tests.sh $(CHECKARGS) $(patsubst %/check,%,$@)
修复后代码
修改后明确指定了每个目标要运行的测试子集:
mfc_card_only/check: FORCE
$(Q)$(BASH) tools/pm3_tests.sh nonce2key staticnested
mfc_card_reader/check: FORCE
$(Q)$(BASH) tools/pm3_tests.sh mfkey mf_nonce_brute
影响范围
该修复主要影响:
- 使用并行测试执行的场景
- 自动化构建和打包流程
- 需要运行部分测试而非全部测试的情况
最佳实践建议
对于Proxmark3项目的测试执行,建议遵循以下流程:
- 先完成完整构建:
make clean && make all - 然后执行测试:
- 串行测试:
make check - 并行测试:
make -j && make check
- 串行测试:
- 如需单独测试特定模块,可使用修复后提供的目标
总结
通过对Proxmark3测试框架的这次修复,解决了并行执行时的稳定性问题,同时也提高了测试框架的灵活性和可维护性。这一改进使得自动化构建流程更加可靠,为项目的持续集成提供了更好的支持。
登录后查看全文
热门项目推荐
相关项目推荐
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
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- 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
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。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
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00
热门内容推荐
项目优选
收起
暂无描述
Dockerfile
675
4.32 K
deepin linux kernel
C
28
16
Ascend Extension for PyTorch
Python
517
627
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++
947
886
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
398
302
🎉 (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
1.56 K
909
暂无简介
Dart
921
228
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.07 K
559
昇腾LLM分布式训练框架
Python
142
169
Oohos_react_native
React Native鸿蒙化仓库
C++
335
381