hub_thread() -- Hub线程

最新推荐文章于 2024-04-21 14:39:11 发布
转载 最新推荐文章于 2024-04-21 14:39:11 发布 · 1.2k 阅读 · 0
文章标签：

#thread #list #events #interface #up

本文详细解析了Linux内核中USB设备中断处理过程，包括hub_irq()和kick_khubd()函数的作用，以及如何唤醒等待队列khubd_wait来处理hub事件。此外，介绍了hub_thread函数的工作流程，包括它如何检查并处理hub事件队列，并在事件处理完毕后重新加入等待队列，以便在有新事件时被唤醒。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

hub_irq() --> kick_khubd()

唤醒等待队列khubd_wait。中断处理程序将到此结束
static void kick_khubd(struct usb_hub *hub)
{
    unsigned long   flags;
    to_usb_interface(hub->intfdev)->pm_usage_cnt = 1;
    spin_lock_irqsave(&hub_event_lock, flags);
    if (list_empty(&hub->event_list)) { 
        list_add_tail(&hub->event_list, &hub_event_list); //(1)
        wake_up(&khubd_wait);                             //(2) 
    }
    spin_unlock_irqrestore(&hub_event_lock, flags);
}
(1) 将当前hub通过hub->event_list插入到静态双向链表hub_event_list中，等待hub_events()处理该hub上发生的事件
(2) 唤醒等待队列khubd_wait上的等待线程hub_thread

－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－

/usr/src/linux-2.6.21.5/drivers/usb/core/hcd.c +2814

kick_khubd()将唤醒该进程，表示有hub events发生
static int hub_thread(void *__unused)
{
    do {
        hub_events();
        如果条件成立则将该线程(hub_thread)插入等待队列khubd_wait中,等待hub事件
        wait_event_interruptible(khubd_wait,
                !list_empty(&hub_event_list) || kthread_should_stop());
        try_to_freeze();
    } while (!kthread_should_stop() || !list_empty(&hub_event_list));
    pr_debug("%s: khubd exiting\n", usbcore_name);
    return 0;

}

－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－

/usr/src/linux-2.6.21.5/drivers/usb/core/hcd.c +87
生成一个名为khubd_wait的等待队列头
static DECLARE_WAIT_QUEUE_HEAD(khubd_wait);

－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－

/usr/src/linux-2.6.21.5/drivers/usb/core/hcd.c +84
生成一个名为hub_event_list静态双向链表头节点
khubd's worklist and its lock
static DEFINE_SPINLOCK(hub_event_lock);

static LIST_HEAD(hub_event_list); 

转自：http://hi.baidu.com/zengzhaonong/blog/item/a450e8032d8837ee08fa93ef.html

如何粗暴地下载huggingface_hub指定数据文件
q742971636的博客
12-22 2957
snapshot_download 函数有点sb的一点是，你的本地目录已经存在了某个文件，你运行snapshot_download之后就重复下载。一看介绍：如果local_dir_use_symlinks=False并且blob文件不在缓存目录中，那么文件会被下载并直接放在local_dir下。snapshot_download 会利用 hf_hub_download 函数实现下载所有文件，hf_hub_download是负责下载单个文件的。可见下载单个文件，下载整个仓库文件都是可行的。
MFC之创建多线程同时操作多个移动设备（hub）实测
kifea的博客
10-28 343
多通道u盘测试工具创建线程部分的记录 思路： 根据获取的设备数，创建相应的线程数 具体的过程 1、变量、函数定义（当然可以写函数过程中定义） 2、定义线程相关的结构体（后续操作使用） 3、获取插入设备的盘符名的函数 4、线程函数 5、根据设备数创建相应数量的线程 6、初始化调用 （1）在.h文件class类声明中定义 protected:下定义线程类型数组 CWinThrea...
hub_thread
chenliang0224的专栏
03-25 2035
1. 流程图2. usb_hub_init()int usb_hub_init(void) { //1. 注册usb hub驱动 if (usb_register(&hub_driver) < 0) { //注册hub驱动到usb子系统总线上 printk(KERN_ERR "%s: can't register hub driver\n", usbcore_name)...
Linux那些事儿之我是Hub(4)那些队列,那些队列操作函数
08-10 8410
这一节我们讲队列.从前在乡下的时候是不用排队的,村里的人们都很谦让,而且人本来又不多.后来到了县城里,县城里不大,大家去走亲戚去串门去逛街不用坐车不用排队,除了街上的游戏厅人多一点以外,别的地方人都不是很多,陪妈妈去菜市场买菜也不用排队.后来到了上海,发现去食堂吃饭要排队,开学报道要排队,在人民广场等回复旦的123路公共汽车要排队,考试成绩不好去教务处交重修费要排队,甚至连追求一个女孩子也要排
Llinux内核移植 part4：USB hub线程
叶玄青的博客
09-26 2329
USB系统： hub线程1. hub表征usb子系统中所有和hub相关的都交由一个内核线程表征， 通过 static struct workqueue_struct *hub_wq 来管理。 创建/删除 hub_wq = alloc_workqueue("usb_hub_wq", WQ_FREEZABLE, 0); destroy_workqueue(hub_wq); queue_work(hu
19.Linux-USB总线驱动分析
weixin_34218890的博客
10-06 519
如下图所示,以windows为例,我们插上一个没有USB设备驱动的USB,就会提示你安装驱动程序   为什么一插上就有会提示信息? 是因为windows自带了USB总线驱动程序, USB总线驱动程序负责: 识别USB设备,给USB设备找到对应的驱动程序 新接入的USB设备的默认地址(编号)是0，在未分配新编号前，PC主机使用0地址和它通信。 然后USB总线驱动程序都会给它分配一个地...
Kepserver Siemens_S7-300性能提升：保障数据传输的高可靠性
# 摘要 本文主要探讨了Kepserver Siemens_S7-300的基础知识、性能优化理论、实践操作以及性能提升和高可靠性保障策略。文章首先介绍了Kepserver Siemens_S7-300的基础知识，然后深入探讨了其性能优化理论，包括性能...
workqueue usb_hub_wq: flags=0x4 pwq 0: cpus=0 node=0 flags=0x0 nice=0 active=2/256 refcnt=3 in-flight: 32634:hub_event pending: hub_event 如何解读
最新发布
08-07
该标志表示此工作队列在内存回收（memory reclaim）路径中是安全的，允许在内存紧张时创建救援线程（rescuer thread）以避免死锁[^1]。公式表示为： $$ \text{flags} \& \text{WQ_MEM_RECLAIM} \neq 0 \quad \text...
有下述代码，运行时报错： (funasr) D:\FunASR\test2>python test02.py Notice: ffmpeg is not installed. torchaudio is used to load audio If you want to use ffmpeg backend to load audio, please install it by: sudo apt install ffmpeg # ubuntu # brew install ffmpeg # mac funasr version: 1.2.6. Check update of funasr, and it would cost few times. You may disable it by set `disable_update=True` in AutoModel You are using the latest version of funasr-1.2.6 Downloading Model from https://www.modelscope.cn to directory: C:\Users\HZH\.cache\modelscope\hub\models\iic\speech_paraformer-large_asr_nat-zh-cn-16k-common-vocab8404-pytorch 2025-07-15 10:03:43,036 - modelscope - INFO - Use user-specified model revision: v2.0.4 Downloading Model from https://www.modelscope.cn to directory: C:\Users\HZH\.cache\modelscope\hub\models\iic\speech_fsmn_vad_zh-cn-16k-common-pytorch Downloading Model from https://www.modelscope.cn to directory: C:\Users\HZH\.cache\modelscope\hub\models\iic\punc_ct-transformer_zh-cn-common-vocab272727-pytorch funasr version: 1.2.6. Check update of funasr, and it would cost few times. You may disable it by set `disable_update=True` in AutoModel You are using the latest version of funasr-1.2.6 Downloading Model from https://www.modelscope.cn to directory: C:\Users\HZH\.cache\modelscope\hub\models\iic\speech_campplus_sv_zh_en_16k-common_advanced Download: iic/speech_campplus_sv_zh_en_16k-common_advanced failed!: The model: iic/speech_campplus_sv_zh_en_16k-common_advanced has no revision: v2.0.2 valid are: [v1.0.0]! Traceback (most recent call last): File "D:\FunASR\test2\test02.py", line 233, in <module> diarization_system = RealTimeSpeakerDiarization(warmup_duration=10) File "D:\FunASR\test2\test02.py", line 34, in __init__ self._load_models() File "D:\FunASR\test2\test02.py", line 47, in _load_models self.sv_model = AutoModel( File "D:\InstallationPath\1-CodeSoftwarePath\19-PyCharm\Install\anaconda3\envs\funasr\lib\site-packages\funasr\auto\auto_model.py", line 125, in __init__ model, kwargs = self.build_model(**kwargs) File "D:\InstallationPath\1-CodeSoftwarePath\19-PyCharm\Install\anaconda3\envs\funasr\lib\site-packages\funasr\auto\auto_model.py", line 261, in build_model assert model_class is not None, f'{kwargs["model"]} is not registered' AssertionError: iic/speech_campplus_sv_zh_en_16k-common_advanced is not registered 代码1：test02.py import numpy as np import sounddevice as sd import queue import threading import time from funasr import AutoModel from sklearn.cluster import AgglomerativeClustering from scipy.spatial.distance import cosine import logging # 配置日志 logging.basicConfig(level=logging.INFO, format='%(asctime)s - %(levelname)s - %(message)s') class RealTimeSpeakerDiarization: def __init__(self, warmup_duration=10): """ 初始化实时说话人分离系统 :param warmup_duration: 声纹预热时长(秒) """ self.warmup_duration = warmup_duration self.speaker_profiles = {} # 存储说话人声纹特征 self.next_speaker_id = 0 self.audio_queue = queue.Queue() self.result_queue = queue.Queue() self.is_warmup_complete = False # 配置音频参数 self.SAMPLE_RATE = 16000 self.CHUNK_DURATION = 1.0 # 处理块时长(秒) self.CHUNK_SIZE = int(self.SAMPLE_RATE * self.CHUNK_DURATION) self.SPK_THRESHOLD = 0.85 # 声纹相似度阈值 # 加载模型 self._load_models() def _load_models(self): """加载FunASR模型""" logging.info("正在加载语音识别模型...") self.asr_model = AutoModel( model="iic/speech_paraformer-large_asr_nat-zh-cn-16k-common-vocab8404-pytorch", vad_model="iic/speech_fsmn_vad_zh-cn-16k-common-pytorch", punc_model="iic/punc_ct-transformer_zh-cn-common-vocab272727-pytorch", model_revision="v2.0.4" ) logging.info("正在加载声纹识别模型...") self.sv_model = AutoModel( model="iic/speech_campplus_sv_zh_en_16k-common_advanced", model_revision="v2.0.2" ) logging.info("模型加载完成") def _extract_speaker_embedding(self, audio_data): """ 提取声纹嵌入向量 :param audio_data: 音频数据(numpy数组) :return: 声纹嵌入向量 """ result = self.sv_model.generate(input=audio_data) return result[0]["spk_embedding"] def _cluster_speakers(self, embeddings): """ 聚类说话人声纹 :param embeddings: 声纹嵌入向量列表 :return: 聚类标签 """ if len(embeddings) <= 1: return [0] * len(embeddings) # 使用层次聚类算法 clustering = AgglomerativeClustering( n_clusters=None, distance_threshold=1.0 - self.SPK_THRESHOLD, metric='cosine', linkage='average' ) return clustering.fit_predict(embeddings) def _assign_speaker_id(self, embedding): """ 为声纹分配说话人ID :param embedding: 声纹嵌入向量 :return: 说话人ID """ # 首次处理时初始化 if not self.speaker_profiles: self.speaker_profiles[self.next_speaker_id] = embedding self.next_speaker_id += 1 return 0 # 在现有说话人中查找匹配 best_match_id = None best_similarity = -1 for spk_id, profile in self.speaker_profiles.items(): similarity = 1 - cosine(embedding, profile) if similarity > self.SPK_THRESHOLD and similarity > best_similarity: best_similarity = similarity best_match_id = spk_id # 找到匹配的说话人 if best_match_id is not None: # 更新说话人声纹(移动平均) self.speaker_profiles[best_match_id] = 0.7 * self.speaker_profiles[best_match_id] + 0.3 * embedding return best_match_id # 创建新说话人 new_id = self.next_speaker_id self.speaker_profiles[new_id] = embedding self.next_speaker_id += 1 return new_id def _audio_callback(self, indata, frames, time_info, status): """音频输入回调函数""" if status: logging.warning(f"音频输入错误: {status}") self.audio_queue.put(indata.copy()) def _process_audio_chunk(self, audio_chunk): """ 处理音频块 :param audio_chunk: 音频数据块 """ # 语音识别 asr_result = self.asr_model.generate(input=audio_chunk)[0] # 提取声纹 sv_embedding = self._extract_speaker_embedding(audio_chunk) # 分配说话人ID speaker_id = self._assign_speaker_id(sv_embedding) # 格式化结果 results = [] for segment in asr_result.get("sentences", []): if segment["end"] - segment["start"] < 0.3: # 过滤短语音 continue results.append({ "start": segment["start"], "end": segment["end"], "text": segment["text"], "speaker": f"SPK-{speaker_id}" }) return results def _warmup_phase(self): """声纹预热阶段""" logging.info(f"声纹预热中... (0/{self.warmup_duration}秒)") warmup_embeddings = [] start_time = time.time() while time.time() - start_time < self.warmup_duration: if not self.audio_queue.empty(): audio_chunk = self.audio_queue.get() # 提取声纹 try: sv_embedding = self._extract_speaker_embedding(audio_chunk) warmup_embeddings.append(sv_embedding) except Exception as e: logging.error(f"声纹提取失败: {str(e)}") # 显示进度 elapsed = int(time.time() - start_time) if elapsed < self.warmup_duration: logging.info(f"声纹预热中... ({elapsed}/{self.warmup_duration}秒)") # 聚类声纹 if warmup_embeddings: labels = self._cluster_speakers(warmup_embeddings) # 创建初始说话人档案 for i, label in enumerate(labels): if label not in self.speaker_profiles: self.speaker_profiles[label] = warmup_embeddings[i] self.next_speaker_id = max(self.speaker_profiles.keys()) + 1 self.is_warmup_complete = True logging.info(f"声纹预热完成! 识别到 {len(self.speaker_profiles)} 位说话人") def _processing_thread(self): """音频处理线程""" # 声纹预热阶段 self._warmup_phase() # 实时处理阶段 logging.info("开始实时说话人分离...") while True: if not self.audio_queue.empty(): audio_chunk = self.audio_queue.get() try: results = self._process_audio_chunk(audio_chunk) if results: self.result_queue.put(results) except Exception as e: logging.error(f"音频处理失败: {str(e)}") def start(self): """启动实时处理系统""" # 启动处理线程 processing_thread = threading.Thread(target=self._processing_thread, daemon=True) processing_thread.start() # 启动音频输入流 with sd.InputStream( samplerate=self.SAMPLE_RATE, channels=1, callback=self._audio_callback, blocksize=self.CHUNK_SIZE, dtype="float32" ): logging.info("麦克风已激活，请开始说话... (按Ctrl+C停止)") try: # 显示实时结果 while True: if not self.result_queue.empty(): results = self.result_queue.get() for res in results: print(f"[{res['speaker']}] {res['text']}") time.sleep(0.1) except KeyboardInterrupt: logging.info("正在停止系统...") logging.info("系统已停止") if __name__ == "__main__": # 创建并启动系统 diarization_system = RealTimeSpeakerDiarization(warmup_duration=10) diarization_system.start()
07-16
在FunASR上下文中，模型通常从Hugging Face Model Hub加载。 FunASR支持从Hugging Face加载模型。模型名称"iic/speech_campplus_sv_zh_en_16k-common_advanced"看起来像Hugging Face模型ID。 错误"model is not ...
使用docker-compose部署MySQL三主六从半同步集群（MMM架构）_docker-compose mysql集群
2401_84439805的博客
04-21 1577
rpl_semi_sync_master_timeout就是半同步复制时等待应答的最长等待时间，默认是10秒，可以根据情况自行调整。enforce_gtid_consistency = ON # GTID_MODE 和 ENFORCE_GTID_CONSISTENCY 的设置是一致的,强制全局事务标识的一致性。enforce_gtid_consistency = ON # GTID_MODE 和 ENFORCE_GTID_CONSISTENCY 的设置是一致的,强制全局事务标识的一致性。
USB原理及驱动框架介绍、编写
Leon的博客
08-02 6271
本文环境： JZ2440V3开发板 Linux3.4.2内核 arm-linux-gcc4.3.2编译器 参考资料： 2_USB驱动程序之USB总线驱动程序 (100ask.net) 19.Linux-USB总线驱动分析 - 诺谦 - 博客园 (cnblogs.com) 1、几个常见疑惑？ 为什么一插上就会有提示信息？ 是因为windows自带了USB总线驱动程序； 那USB总线驱动程序是干嘛用的？ 识别USB设备； 给USB设备找到并安装对应的驱动程序； 提供USB的读写函数。 .
Linux驱动开发之USB设备检测流程
陈子陌的博客
02-25 2600
一、引言 最近工作中，因为工作需要，特地学习了一下USB设备的检测流程，做个笔记。 二、大致流程 从中断响应到probe对应的usb设备驱动： hub_irq -> kick_hub_wq -> queue_work -> hub_event -> port_event -> hub_port_connect_change -> hub_port_connect -> usb_alloc_dev -> choose_devnum -> hub_p
linux2.6 USB设备发现过程机制 飞思卡尔imx283
哈米的博客
07-17 221
linux2.6 USB设备发现过程机制 飞思卡尔imx283
Linux那些事儿之我是Hub(3)
热爱生活,热爱android.
11-30 1638
usb_register()和usb_deregister()这两个函数我们当初分析usb storage的时候就已经见到过了.当时我们就说过了,这个函数是用来向usb核心层,即usb core,注册一个usb设备驱动的.那年我们注册了一个struct usb_driver usb_storage_driver.而这里我们注册的是hub的驱动程序所对应的struct usb_driver结构体变量
USB原理以及对照hub.c的代码分析
静祥阁
01-14 8444
声明：本文章是看了韦东山老师的视频所总结的学习到的东西，所以如果有与其他网友一样的地方，敬请原谅，如果对你有帮助，那是我的荣幸。 在介绍其他的知识之前，我先说一下USB的基础知识： 首先，USB分为主从结构，所有的USB传输都是从USB主机这方发起的，而USB从机没有主动通知USB主机的能力。 而USB主机的电路图为： 我们可以看到主机的D+和D-两个引脚通过15K的电阻接地。而USB...
八、USB驱动分析
weixin_33928137的博客
12-27 325
学习目标：分析USB驱动源码结构。 一、Windows下USB驱动理论问题 1. 当usb设备接入PC时，右下角弹出"发现AAA"，并弹出对话框，提示安装驱动程序。没有驱动程序，Windows是怎样知道是AAA设备？ --> Windows有USB的总线驱动程序，接入USB设备后，"总线驱动程序"就会知道该设备是"AAA"，提示安装的是”AAA的设备驱动程序"。这里USB总线驱动程...
Linux下的USB总线驱动（一）
weiqing的专栏
11-23 7359
版权所有，转载请说明转自 http://my.youkuaiyun.com/weiqing1981127   一．USB理论 1.      USB概念概述 USB1.0版本速度1.5Mbps（低速USB） USB1.1版本速度12Mbps（全速USB）  USB2.0版本速度480Mbps（高速USB） USB驱动由USB主机控制器驱动和USB设备驱动组成。USB主机控制器是用来控制USB设备
Linux USB subsystem --- USB Hub initialize
voice_shen的专栏
03-26 2909
Linux USB subsystem --- USB Hub initialize
linux hub设备,USB在Linux里的结构框架是什么样的？USB Core和Hub是什么？
weixin_39992831的博客
05-07 649
USB博大精深不是一篇文章就能够解释清楚的。想要深入研究USB的话，USB协议(外加Host和OTG协议)是必要的知识，另外，国内有本<>也写的很好很详细(点击阅读原文，21ic嵌入式论坛有下载)，唯一美中不足的就是写得太详细了反而感觉思路架构不是很清晰了。今天我们来简单地把USB在Linux里的结构框架大致整理下，其中重点解析下USB Core和Hub。0. 预备理论说实话，读USB...
Linux USB-HUB驱动详解及工作流程
4. `hub_thread`流程图：展示`khubd`线程如何处理Hub事件。 在`usb_init`中，`subsys_initcall`宏确保了`usb_init`在系统启动时被调用，而`module_exit`则在模块卸载时执行`usb_exit`，完成USB子系统的清理工作。 ...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值