NVIDIA Jetson实时内核优化:从PREEMPT_RT补丁到DPDK网络加速全流程解析

在JetsonNano上安装PREEMPT-RT实时核+IghEtherCAT主站的详细步骤 在 Jetson Nano上 安装 PREEMPT-RT 实时核和 Igh EtherCAT 主站。 阅读详情

1. 为什么要在Jetson上折腾实时内核?

如果你正在用NVIDIA Jetson做机器人、工业视觉或者自动驾驶相关的开发,大概率遇到过这样的场景:一个关键的图像处理任务,明明计算资源充足,但偶尔就是会“卡”那么几毫秒,导致整个控制循环的周期被打乱。或者,你的网络数据包处理延迟忽高忽低,让基于时间戳的同步变得异常困难。这些问题,根源往往不在于你的算法,而在于你使用的通用Linux内核。

通用Linux内核,比如我们刷机后默认用的那个,它的设计目标是高吞吐量和公平性。它就像一个面面俱到的管家,努力让所有进程都“雨露均沾”,谁也别饿着。但对于需要确定性和低延迟的实时任务来说,这种“公平”就成了灾难。一个后台的日志写入、一次内存回收,都可能让高优先级的实时任务等待数十甚至数百微秒,这在微秒级精度的工业控制里是不可接受的。

这就是PREEMPT_RT(实时抢占补丁) 和 DPDK(数据平面开发套件) 登场的理由。简单来说,PREEMPT_RT的目标是把Linux内核从一个“好好先生”改造成一个“铁面判官”,让最高优先级的任务能够随时打断内核自身的工作,确保响应时间的上限是可预测的。而DPDK则绕过了操作系统复杂的网络协议栈,让应用程序直接和网卡“对话”,把网络数据包处理的延迟和抖动降到最低。

把这两者结合在Jetson这样的嵌入式AI平台上,你就能得到一个既能跑复杂AI模型,又能保证硬实时控制的“超级终端”。我过去在多个工业项目里踩过坑,也尝过甜头,今天就把从内核编译到网络加速的全流程,掰开揉碎了讲给你听。

2. 环境准备:工欲善其事,必先利其器

在开始编译内核这个“大工程”之前,把环境搭建好能省去后面90%的麻烦。这里强烈建议你使用一台x86_64架构的Ubuntu主机(18.04或20.04 LTS比较稳妥)进行交叉编译,而不是直接在Jetson板卡上操作。在板卡上编译不仅慢,还容易因为资源不足而出错。

2.1 获取正确的源码和工具链

这是最容易出错的第一步。NVIDIA为不同版本的JetPack(L4T)提供了特定的内核源码和交叉编译工具链,版本必须严格对应,否则编译出来的内核可能无法启动,或者设备树不匹配导致外设失效。

第一步:确定你的JetPack版本。 在Jetson板卡上执行:

cat /etc/nv_tegra_release

或者直接用 jetson_release 命令。记下输出中的关键信息,比如 R35.3.1 或 R36.2.0。然后去NVIDIA官方的开发者网站,找到对应L4T版本的“Driver Package”和“Sources”。

第二步:下载必备组件。 通常你需要下载三个核心文件(以L4T R35.3.1为例):

  1. Jetson Linux Driver Package:包含基础系统、内核头文件和工具。
  2. Kernel Sources:即内核源码包(通常是 public_sources.tbz2 或 kernel_src.tbz2)。
  3. 交叉编译工具链:这是关键!必须使用NVIDIA官方提供的针对你L4T版本的GCC Linaro工具链。例如,对于很多基于ARM Cortex-A57/A78的Jetson设备,常用的是 gcc-linaro-7.3.1-2018.05-x86_64_aarch64-linux-gnu。直接从NVIDIA开发者页面下载,别用Ubuntu仓库里的gcc-aarch64-linux-gnu,可能会有库依赖问题。

第三步:安装宿主机依赖。 在你的Ubuntu编译机上,安装编译内核所需的基础工具:

sudo apt-get update
sudo apt-get install -y bc build-essential kmod cpio flex libncurses5-dev libncursesw5-dev libssl-dev libelf-dev

这些包提供了配置内核(make menuconfig)、处理压缩包等必需工具。

2.2 创建并配置编译环境

我习惯创建一个独立的工作空间,把所有东西都放进去,这样环境变量清晰,也便于管理。

# 创建工作目录
export WORKSPACE=~/jetson_rt_build
mkdir -p $WORKSPACE
cd $WORKSPACE

# 解压驱动包和源码
tar -xf jetson_linux_r35.3.1_aarch64.tbz2
cd Linux_for_Tegra/
sudo tar -xf ../tegra_linux_sample-root-filesystem_r35.3.1_aarch64.tbz2 -C rootfs/
cd ../

# 解压内核源码
tar -xjf public_sources.tbz2
tar -xjf Linux_for_Tegra/source/public/kernel_src.tbz2

# 解压交叉编译工具链
tar -xf gcc-linaro-7.3.1-2018.05-x86_64_aarch64-linux-gnu.tar.xz

接下来,设置最关键的环境变量,告诉编译系统去哪里找交叉编译器:

export CROSS_COMPILE=$WORKSPACE/gcc-linaro-7.3.1-2018.05-x86_64_aarch64-linux-gnu/bin/aarch64-linux-gnu-
export ARCH=arm64
export TEGRA_KERNEL_OUT=$WORKSPACE/kernel_out
mkdir -p $TEGRA_KERNEL_OUT

把这几行加到你的 ~/.bashrc 文件里,然后 source ~/.bashrc,这样每次打开终端就不用重复设置了。

3. 为内核注入“实时”灵魂:应用PREEMPT_RT补丁

源码准备好了,现在开始打补丁。从Linux 5.10内核开始,PREEMPT_RT补丁已经逐步被主线内核接纳,但Jetson平台常用的L4T版本(如基于4.9或5.10)通常还是需要手动应用补丁。幸运的是,NVIDIA在较新版本的内核源码包里已经附带了补丁脚本。

3.1 应用实时补丁

进入内核源码目录,运行补丁脚本:

cd $WORKSPACE/kernel/kernel-5.10/
./scripts/rt-patch.sh apply-patches

这个过程应该会顺利输出一系列补丁应用成功的提示。如果脚本提示某些补丁失败(Hunk failed),这通常意味着你的内核源码版本和补丁版本不完全匹配。这时你需要去 kernel.org 或实时补丁项目的官方仓库,找到与你内核版本号完全一致的RT补丁包,手动应用。手动打补丁的命令是 patch -p1 < ../patch-xxxx-rt.patch,需要一定的耐心处理冲突。

3.2 配置内核:打开实时抢占的开关

应用补丁只是第一步,更重要的是在内核配置中启用实时抢占功能。

# 进入我们指定的输出目录,并载入NVIDIA为Tegra准备的默认配置
make O=$TEGRA_KERNEL_OUT tegra_defconfig

# 启动图形化配置界面
make O=$TEGRA_KERNEL_OUT menuconfig

menuconfig 界面对于新手可能有点眼花缭乱,但别怕,我们只关注几个关键选项。用方向键导航,回车键进入子菜单,空格键切换选择([*]表示编译进内核,[M]表示编译为模块)。

必须修改的核心配置项:

  1. General setup -> Preemption Model 这是最重要的开关!进入后,你会看到几个选项:

    • No Forced Preemption (Server): 服务器模式,基本不可抢占。
    • Voluntary Kernel Preemption (Desktop): 自愿式抢占,桌面版常用。
    • Preemptible Kernel (Low-Latency Desktop): 可抢占内核,低延迟桌面。
    • Fully Preemptible Kernel (Real-Time): 完全可抢占内核(实时)。必须选这个!
  2. Timer frequency 路径:Kernel Features -> Timer frequency。 更高的定时器频率(如1000 Hz)意味着内核更频繁地检查是否有更高优先级任务需要运行,这能降低调度延迟,但会增加一点点CPU开销。对于实时系统,通常设置为1000 Hz。如果你的应用对功耗极其敏感,可以考虑250 Hz或300 Hz,但需要测试是否满足延迟要求。

  3. High-Resolution Timer Support 路径:Device Drivers -> Timers subsystem -> High-Resolution Timer Support。 确保此项被启用([*])。高精度定时器是提供微秒级定时精度的基础。

  4. Threaded IRQs(中断线程化) PREEMPT_RT 的一个核心特性是将大部分硬件中断处理程序(IRQ)转化为内核线程。这样,这些中断处理程序就可以被更高优先级的实时线程抢占。 路径:General setup -> IRQ subsystem -> Threaded IRQ core。这个选项在应用了RT补丁后通常默认是开启的,检查一下即可。

配置完成后,选择 < Save >,使用默认的 .config 文件名保存,然后退出。

4. 编译与安装:打造专属的实时内核

配置搞定,接下来就是漫长的编译过程。喝杯咖啡,让它跑一会儿。

# 使用多线程编译内核镜像和模块,数字16根据你编译主机的CPU核心数调整(通常是核心数*2)
make O=$TEGRA_KERNEL_OUT -j16

# 编译成功后,安装内核模块到rootfs目录
sudo make O=$TEGRA_KERNEL_OUT modules_install INSTALL_MOD_PATH=$WORKSPACE/Linux_for_Tegra/rootfs/

编译过程视主机性能,可能需要15分钟到1小时。如果遇到编译错误,最常见的原因是缺少某个头文件或依赖库,根据错误信息安装对应的 -dev 包即可。

编译完成后,你会得到两个最重要的东西:

  1. 内核镜像文件:$TEGRA_KERNEL_OUT/arch/arm64/boot/Image
  2. 内核模块:已经安装到了 $WORKSPACE/Linux_for_Tegra/rootfs/lib/modules/ 下,目录名是你的新内核版本(带-rt后缀)。

4.1 部署新内核到Jetson

传统方法是重新刷写整个系统镜像,但这太耗时。更灵活的方法是“替换内核法”,只替换启动用的内核文件。

第一步:备份原内核。 将编译好的 Image 文件重命名为 Image-rt 以示区分,并拷贝到Jetson板卡的 /boot 目录下,同时备份原版内核。

# 在Jetson板卡上执行
sudo cp /boot/Image /boot/Image.bak
sudo cp /path/to/your/Image-rt /boot/Image

第二步:更新内核模块。 将编译主机上 rootfs/lib/modules/ 下的新内核模块目录,整个打包并拷贝到Jetson板卡对应的 /lib/modules/ 下。确保权限正确。

第三步:配置引导器。 Jetson使用 extlinux 而不是常见的GRUB。编辑 /boot/extlinux/extlinux.conf 文件:

sudo vim /boot/extlinux/extlinux.conf

你会看到多个 LABEL 段落。找到当前正在使用的段落(通常是第一个 LABEL primary),你可以直接修改它,或者更稳妥地,复制一份作为新的启动项。关键是在 APPEND 那一行后面,添加实时优化和DPDK所需的内核启动参数:

LABEL primary
    MENU LABEL Primary RT Kernel
    LINUX /boot/Image
    FDT /boot/tegra194-p3668-all-p3509-0000.dtb # 设备树文件,根据你的Jetson型号而定
    INITRD /boot/initrd
    APPEND ${cbootargs} quiet root=/dev/mmcblk0p1 rw rootwait rootfstype=ext4 console=ttyTCU0,115200n8

    # ==== 实时与DPDK优化参数 ====
    # 1. 隔离CPU核心,防止普通进程干扰
    isolcpus=2,3
    # 2. 在隔离的CPU上禁用时钟中断(Tickless),进一步减少抖动
    nohz_full=2,3
    # 3. 配置大页内存,DPDK性能关键!
    default_hugepagesz=1G
    hugepagesz=1G
    hugepages=4
    # 4. 禁用看门狗(非关键任务可关,减少中断)
    nowatchdog
    # 5. 设置CPU频率调节器为性能模式
    cpufreq.performance=1

这里 isolcpus=2,3 表示将CPU核心2和3隔离出来,专供实时任务和DPDK使用。nohz_full 需配合 isolcpus 使用。大页内存设置为4个1GB,这为DPDK预留了连续的大块物理内存。

第四步:重启并验证。

sudo reboot

重启后,执行 uname -a,如果看到内核版本信息里包含 PREEMPT RT 字样,比如 5.10.104-rt63-tegra,恭喜你,实时内核启动成功!

5. 实时性验证与性能调优

内核装好了,但它到底有多“实时”?我们需要用工具量化测试。

5.1 使用cyclictest进行延迟测试

安装测试工具:

sudo apt-get install rt-tests

运行一个经典的延迟测试:

sudo cyclictest -t -p 80 -n -m -D 1h -i 1000 -l 1000000 -h 500 -q > latency.log

参数解释:

  • -t: 运行线程模式。
  • -p 80: 设置线程优先级为80(数字越大优先级越高,范围1-99)。
  • -n: 使用 clock_nanosleep 获得更高精度。
  • -m: 锁存测试线程到内存,防止被交换出去。
  • -D 1h: 测试持续1小时。
  • -i 1000: 线程间隔1000微秒(1ms)。
  • -l 1000000: 循环100万次。
  • -h 500: 生成延迟直方图,统计到500微秒。
  • -q: 安静模式,只输出摘要。

测试结束后,查看 latency.log。重点关注 Max Latency(最大延迟) 和 Histogram(延迟分布直方图)。一个优化良好的实时系统,99.99%的延迟都应该在几十微秒以内,最大延迟不应超过几百微秒。如果发现最大延迟(Max)达到毫秒级,说明系统存在严重的“停顿”。

5.2 内核参数与系统调优

如果测试结果不理想,别急,还需要进行一系列系统级的“微调”:

  1. 禁用CPU频率调节和节能状态:确保CPU以最高性能运行,避免频率变化引入延迟。

    # 设置为性能模式
    sudo sh -c "echo performance > /sys/devices/system/cpu/cpu*/cpufreq/scaling_governor"
    # 禁用C-State(深度睡眠状态)
    sudo sh -c "echo 1 > /sys/devices/system/cpu/intel_pstate/no_turbo" # 对于某些Intel CPU
    # 对于ARM,可能需要修改内核启动参数 `maxcpus=4` 并配合 `cpuidle.off=1`
    

    更彻底的做法是在GRUB/Extlinux配置中添加内核参数:intel_pstate=disable processor.max_cstate=1 idle=poll。

  2. 调整进程调度策略:对于最关键的实时进程,使用 SCHED_FIFO 或 SCHED_RR 调度策略,并赋予最高优先级(如99)。

    // 在你的C程序中
    struct sched_param param;
    param.sched_priority = 99;
    sched_setscheduler(0, SCHED_FIFO, &param);
    

    同时,记得用 pthread_attr_setschedpolicy 设置线程属性。

  3. 内存锁与栈预分配:防止实时任务在运行时发生缺页中断。

    mlockall(MCL_CURRENT | MCL_FUTURE); // 锁定所有当前和未来的内存页面
    // 并且为关键线程预分配足够大的栈空间。
    
  4. 中断亲和性设置:将网络、磁盘等可能产生大量中断的设备,绑定到非实时的CPU核心上(比如我们之前隔离了2,3号核心,就把中断绑定到0,1号核心)。

    # 查看网卡eth0的中断号
    grep eth0 /proc/interrupts
    # 假设中断号是123,将其绑定到CPU0
    sudo sh -c "echo 1 > /proc/irq/123/smp_affinity"
    

6. 释放网络性能:DPDK的编译与部署

实时内核保证了任务调度的确定性,而DPDK则负责解决网络I/O的瓶颈。它通过用户态驱动、轮询模式和巨页内存,将网络包处理延迟从内核态的微秒级降到用户态的亚微秒级。

6.1 交叉编译DPDK

在编译主机上,我们同样需要为ARM架构交叉编译DPDK。

第一步:解决依赖——编译numactl库。 DPDK依赖numactl库来管理NUMA架构的内存(Jetson Orin系列是NUMA架构)。我们需要先交叉编译它。

cd $WORKSPACE
git clone https://github.com/numactl/numactl.git -b v2.0.13
cd numactl
./autogen.sh
autoconf -i
./configure --host=aarch64-linux-gnu --prefix=$WORKSPACE/numa_install CC=${CROSS_COMPILE}gcc
make -j$(nproc)
make install

第二步:配置并编译DPDK。 这里以DPDK 21.11 LTS版本为例,它比较稳定。

cd $WORKSPACE
wget https://fast.dpdk.org/rel/dpdk-21.11.9.tar.xz
tar -xf dpdk-21.11.9.tar.xz
cd dpdk-stable-21.11.9

# 创建并配置交叉编译文件
cat > arm64_armv8_linux_gcc_nvidia << EOF
[binaries]
c = '${CROSS_COMPILE}gcc'
cpp = '${CROSS_COMPILE}g++'
ar = '${CROSS_COMPILE}ar'
strip = '${CROSS_COMPILE}strip'
pkgconfig = 'pkg-config'

[host_machine]
system = 'linux'
cpu_family = 'aarch64'
cpu = 'armv8-a'
endian = 'little'

[properties]
root = '$WORKSPACE/numa_install' # 指向numactl安装目录

然后使用Meson和Ninja构建系统进行编译:

meson setup build --cross-file arm64_armv8_linux_gcc_nvidia -Dprefix=$WORKSPACE/dpdk_install -Ddisable_drivers=common/cnxk,net/cnxk,crypto/cnxk,event/cnxk,mempool/cnxk
ninja -C build
ninja -C build install

-Ddisable_drivers 参数用于禁用一些Jetson平台不支持的驱动(如Marvell的cnxk系列),可以加快编译速度。

6.2 在Jetson上配置与运行DPDK

将编译好的 $WORKSPACE/dpdk_install 目录拷贝到Jetson板卡上,例如 /opt/dpdk。

第一步:加载大页内存。 我们在内核启动参数中已经预留了4个1GB的大页。启动后检查:

cat /proc/meminfo | grep Huge

应该能看到 HugePages_Total: 4。如果没有,需要手动挂载:

sudo mkdir -p /mnt/huge
sudo mount -t hugetlbfs nodev /mnt/huge

第二步:加载用户态IO驱动。 DPDK需要接管网卡,这通常通过 uio_pci_generic 或 vfio-pci 驱动实现。对于Jetson平台常见的PCIe网卡(如Intel I210/I350):

# 先查看网卡PCI地址
lspci | grep Ethernet
# 假设网卡是 01:00.0,先卸载内核驱动
sudo ip link set eth0 down
sudo modprobe uio_pci_generic
sudo sh -c "echo '8086 1533' > /sys/bus/pci/drivers/uio_pci_generic/new_id" # 8086:1533 是I210的ID
sudo sh -c "echo 0000:01:00.0 > /sys/bus/pci/devices/0000:01:00.0/driver/unbind"
sudo sh -c "echo 0000:01:00.0 > /sys/bus/pci/drivers/uio_pci_generic/bind"

注意:对于Jetson自带的集成网卡(如RTL8111/8168),DPDK可能没有现成的驱动支持,你需要使用额外的PCIe网卡。

第三步:运行DPDK测试程序。

cd /opt/dpdk
# 设置大页内存环境变量
export RTE_SDK=$(pwd)
export RTE_TARGET=arm64-armv8a-linuxapp-gcc # 根据你的编译目标名调整

# 运行helloworld示例,检查DPDK环境
sudo ./examples/helloworld/build/helloworld

# 运行l2fwd(二层转发)示例,测试网络性能
sudo ./examples/l2fwd/build/l2fwd -l 2,3 -n 4 -- -p 0x3 --no-mac-updating

-l 2,3 指定DPDK使用的CPU核心(就是我们之前隔离的核心)。-p 0x3 表示使用端口0和端口1。

7. 实战踩坑与经验分享

这条路我走过,坑也踩过不少。这里分享几个最常见的“坑”和解决办法。

坑一:实时内核编译成功,但系统启动失败或卡住。 这通常是因为内核模块版本不匹配或设备树(DTB)文件不对。

  • 排查:查看串口调试输出(Jetson有调试串口),看卡在哪个阶段。如果是“Failed to load kernel modules”,说明你安装的模块版本和运行的内核版本不一致。确保 INSTALL_MOD_PATH 指向了正确的rootfs,并且 modules_install 命令执行成功。
  • 解决:最干净的方法是,在编译主机上,用新内核的配置重新编译所有你需要的第三方内核模块(比如摄像头驱动、GPU驱动)。NVIDIA提供了 nvbuild.sh 脚本来帮助构建外部模块。

坑二:cyclictest测试最大延迟依然很高(>1ms)。

  • 排查:运行 sudo trace-cmd record -e sched_switch -e irq_handler_entry cyclictest ... 然后用 trace-cmd report 分析。你可能会发现,高延迟时刻伴随着某个特定的中断(比如GPU、USB)或者内核工作队列(kworker)。
  • 解决:
    1. 中断隔离:使用 irqbalance 服务或手动设置 smp_affinity,将可能产生高负载中断的设备(如USB控制器、GPU)绑定到非实时CPU。
    2. 屏蔽看门狗:nowatchdog 内核参数有时能带来惊喜。
    3. 检查电源管理:确保CPU没有进入深度节能状态(C-State)。在BIOS/UEFI或内核参数中彻底关闭C-State。
    4. 使用CPU屏蔽:不仅用 isolcpus,还可以用 taskset 或 cset shield 更严格地将实时进程限制在隔离核上。

坑三:DPDK程序无法分配大页内存或绑定网卡失败。

  • 排查:首先确认 /proc/meminfo 中的大页数量是否正确。然后检查 dmesg | grep -i huge 和 dmesg | grep -i uio 的输出。
  • 解决:
    1. 大页内存:确保内核启动参数 hugepagesz 和 hugepages 正确,并且 /etc/fstab 中有 hugetlbfs 的挂载项(可选,DPDK程序通常会自己处理)。
    2. 网卡绑定:对于某些网卡,uio_pci_generic 可能不工作,需要改用 vfio-pci 驱动,这需要内核支持IOMMU并在启动时启用 iommu=pt 参数。绑定前务必用 ip link set down 关闭网卡。
    3. Jetson平台特殊性:一些基于Jetson的载板,其PCIe总线或网卡PHY可能需要特殊的设备树配置。如果DPDK始终检测不到网卡,可能需要咨询载板供应商,确认PCIe资源配置是否正确。

坑四:实时任务与GPU计算任务冲突。 Jetson的GPU驱动(NVIDIA DRIVER)会创建一些高优先级的内核线程。在实时内核下,这些线程可能会和你的实时任务竞争。

  • 缓解:尝试在运行关键实时任务时,暂停使用GPU。或者,通过 nvidia-smi -i 0 -pm 1 设置GPU为持久模式,并调整其时钟频率,减少动态调整带来的影响。更高级的做法是使用NVIDIA的GPU计算上下文优先级设置,但这需要深入CUDA编程。

把PREEMPT_RT和DPDK这两大“神器”在Jetson平台上跑通,只是构建确定性系统的第一步。真正的挑战在于,如何根据你具体的应用负载(是视觉流水线还是运动控制?),持续观测(用ftrace、perf)、精细调优(调度策略、中断、内存),让整个系统在复杂工况下依然稳如磐石。这个过程没有银弹,需要反复的测试、分析和调整。但当你看到 cyclictest 的输出中,那最大延迟稳定地保持在百微秒以下时,那种成就感,绝对是值得的。

Nvidia Jetson实时内核优化:从PREEMPT_RT补丁到DPDK网络加速实战 本文详细介绍了在Nvidia Jetson平台上集成PREEMPT_RT实时内核补丁与DPDK网络加速的完整实战方案。通过交叉编译、内核配置优化、CPU隔离以及大页内存设置,有效将系统任务延迟降至微秒级,并大幅提升网络数据包处理吞吐量,为机器人、工业视觉等对实时性要求苛刻的边缘计算应用提供了确定性的高性能基础。 阅读详情

相关推荐

Physical AI落地实战:Jetson边缘硬件工程化调优指南

Physical AI(物理人工智能)是AI与真实物理世界深度耦合的新型范式,其核心在于构建可感知、可建模、可执行的物理状态空间。它超越传统边缘AI的算法移植逻辑,依赖实时性、多模态传感融合与硬实时控制闭环。关键技术支撑包括NVIDIA Jetson Orin系列(如AGX Orin/T2000/T3000等工业定制形态)的低延迟调度能力、TensorRT模型部署优化、传感器-执行器联合校准体系,以及裸金属级实时容器架构。典型应用场景覆盖智能仓储AGV自主导航、工业机器人焊缝跟踪、港口起重机防摇控制等对时间

weixin_34245082的博客 327

Jetson nano module (4GB)刷实时内核(PREEMPT-RT)

适用于国产Jetson nano clb B01(创乐博),jetson nano kit B01 (官方版)编译内核器材:有100GB内存以上的ubuntu18.04电脑。8.缩小镜像大小(清除无用部分)使得最后生成的镜像文件尽可能小。结果如图所示,可见内核为 PREEMPT-RT。测试实时性(安装rt-tests软件)(1)通过emmc 通过usb下载。生成镜像文件,烧录到sd卡即可。更换镜像源(为了安装软件)(2)通过sd卡镜像烧录。1. 安装必须的软件。3.下载所必须的文件。则应将终端全屏,即可。

weixin_41515163的博客 1241

Nvidia Jetson 安装实时补丁PREEMPT_RT及安装dpdk

摘要:本文详细介绍了在Nvidia Jetson平台上安装实时补丁PREEMPT_RT及DPDK的完整流程。主要内容包括:1)获取交叉编译工具链;2)安装必要的库和工具;3)应用实时补丁并编译Linux内核;4)修改引导配置以启用实时内核;5)DPDK的编译安装。文中提供了具体命令和配置示例,并特别说明了如何通过修改extlinux.conf实现内核切换,以及如何验证Jetson版本信息。这些步骤为在Jetson平台上构建实时系统提供了实用指南。

qq_43353632的博客 2431

Linux真实应用图谱:服务器、嵌入式、云计算与容器化四大场景深度解析

Linux并非泛泛而谈的‘开源操作系统’,而是支撑现代数字基础设施的核心技术底座。其价值根植于内核级确定性调度、可编程网络栈(如eBPF)、精细化I/O控制及轻量可裁剪架构等底层原理。这些能力共同构成Linux在高可用服务器、资源受限嵌入式系统、弹性云计算平台和标准化容器化交付中不可替代的技术价值。从金融核心交易系统的微秒级延迟保障,到智能电表的8MB精简镜像;从KVM虚拟化对CPU硬件辅助的支持,到Docker对namespace与cgroups的封装复用——Linux始终以工程实证而非理论假设驱动落地。

weixin_34279579的博客 482

Nvidia Jetson实时内核优化:PREEMPT_RT与DPDK协同部署实战指南

本文详细介绍了在Nvidia Jetson平台上实现实时内核优化的方法,重点讲解了PREEMPT_RT补丁与DPDK的协同部署。通过内核编译、环境配置和性能调优等实战步骤,帮助开发者在工业控制和边缘计算场景中实现微秒级延迟,提升系统实时性和网络吞吐量。

weixin_26876073的博客 193

Nvidia Jetson Orin NX实战:如何用PREEMPT_RT补丁打造低延迟机器人控制系统(附性能对比测试)

本文详细介绍了在Nvidia Jetson Orin NX平台上,如何通过深度配置和优化PREEMPT_RT实时补丁,打造低延迟机器人控制系统。文章不仅提供了内核编译、CPU隔离、引导参数调优等实战步骤,还设计了科学的性能对比测试方法,帮助开发者真正发挥实时内核的潜力,解决机器人控制中的延迟抖动问题。

stem5的博客 209

英伟达布局AI基站:从CUDA到SDR,开发者如何掌握6G算网融合新技能栈

AI与通信网络的深度融合正催生全新的技术范式。从概念上看,边缘计算将AI算力下沉至网络边缘,以应对自动驾驶、工业质检等场景的低时延需求。其核心原理在于,通过异构计算平台(如CPU+GPU+DPU)将AI推理能力原生集成到通信基础设施中,实现感知、计算与通信的协同。这一融合的技术价值在于,它能将AI从云端应用转变为网络的内生智能,从而提升资源调度效率和网络自适应能力。在应用场景上,面向6G的AI基站将成为集大规模MIMO、环境感知与实时AI算力于一体的综合智能节点。这自然引出了对开发者技能栈的新要求:除了传统

weixin_33984032的博客 447

Linux内核实时机制4 - 实时改造优化 - PREEMPT_RT方案

【代码】Linux内核实时机制3 - 实时改造优化中 - PREEMPT_RT机制。

u010971180的博客 796

英伟达 边缘计算盒子 NVIDIA JETSON XAVIER NX ubuntu系统烧录(emmc版本)保姆级教程

第三:ubuntu系统和英伟达的sdkmanger使用版本对应的 (因为官网不断在更新所以 要根据官网调整不断调整 下面是可以行得通的版本对照)2:下载Ubuntu镜像 (自行百度)注意提前在英伟达官网查看 sdkmanger对应的ubuntu系统版本。第一:安装ubuntu系统的时候 运行内存最好设置到8G 4g有可能报错 重点!没出错的话会是这个画面 ,这个时候,你会看到连接NX的显示屏重启 加载 (如果你连接了显示器)启动后是这样的 选择这个进行登录 输入你之前注册的英伟达账号。

weixin_45506426的博客 1486

【信息科学与工程学】【运营科学】第二篇 C4信息与通信网络运营 (C4) ——数据中心网络运营06

13 | 司法诉讼 | 原告律师 | 争取和解优势 | 证据披露的序贯博弈 | 策略性证据释放 | 持有证据集E = {强证据e_s, 中证据e_m, 弱证据e_w}。设公众原有认知人格向量为 Pold​​=(p1​,p2​,...,pk​), 其中p_i为负面特质(如“不敬业”)。危机后, 通过行为序列 {At​}和宣传, 将公众认知向新向量 Pnew​​引导, 使得在关键维度上, Pnew​​与 Pold​​的余弦相似度降低, 并与一个正面的、可接受的“原型”(如“浪子回头”、“慈父”)对齐。

weixin_49199313的博客 1490

【信息科学与工程学】【产品体系】第三十三篇 DPU/smartinic芯片中的学科知识03

需求实现DMA 与流边界检测优化​分级超时状态机(短/中/长)+ 积压计数 + 批量触发DMA 控制器优化​描述符预取(深度 4)+ 中断合并(阈值 8)Fence 语义正确性验证​RTL 断言 + C 语言序列号检测 + 性能对比 + 硬件计数器所有代码均为可综合 Verilog,已在仿真器中通过基本功能测试。在 FPGA 原型上运行上述 RTL,配合 ChipScope 观察 fence 时序在 BlueField-3 上运行 DOCA DPA 测试程序,对比加/不加 fence 的结果。

weixin_49199313的博客 343

Nvidia Jetson Nano Developer KIT配置全过程(一):jetson镜像系统烧录

本系列主要讲解JETSON NANO DEVELOPER KIT开发板配置全过程,包括系统烧录安装、torch及cuda安装配置、pycharm及pycuda等安装配置。

weixin_64298980的博客 5308

【信息科学与工程学】计算机科学与自动化—第十五篇 云计算 11 算法篇01

编号类型领域问题问题的数学分析(含几何学/拓扑学/代数学/数论/集合论/离散数学/概率论/统计学/其他)及数值分析及算法分析及参数列表及参数数值设计C/C++/rust/python代码软件(含编译器)及硬件资源需求(CPU/GPU/内存【NAND/DRAM/HBM/其他】/HBM、HDD、SSD、RAID卡、其他)关联知识1工作负载调度数据中心最小化总完成时间/成本。

weixin_49199313的博客 226

Linux实时扩展(PREEMPT_RT)

对于嵌入式 Linux 开发者,特别是那些在要求严格时间响应的领域工作的人来说,了解和掌握 PREEMPT_RT 是非常有价值的。它代表了 Linux 在实时系统领域的重要进展,为开发高性能、低延迟的嵌入式系统提供了强大的工具。总的来说,Linux实时扩展可以支持大多数实时操作系统的需求,特别是在软实时和一些硬实时应用中。但对于极端的硬实时要求,可能还是需要考虑专门的实时操作系统。PREEMPT_RT(实时抢占补丁)是 Linux 内核的一个重要扩展,专门用于提高 Linux 系统的实时性能。

勇往直前! 1355

Preempt_rt实时补丁安装指南

由于SOEM库不支持2.4.x内核系列,所以找到了2.6.x系列的实时操作系统补丁。 采用preempt_rt2.6.31版本与linux2.6.31内核,在VMWare8.0.3环境下实现。所有过程均为自行实现了完整的安装过程后的工作记录,非复制粘贴。

Qt C++:跨平台开发利器

摘要: Qt C++是基于C++的跨平台开发框架,通过元对象系统、信号槽机制及模块化架构实现"一次编写,多端部署"。核心特性包括: 跨平台能力:覆盖桌面(Windows/macOS/Linux)、移动端(iOS/Android)、嵌入式及WebAssembly; 信号与槽:替代传统回调,实现对象间高效通信; UI组件库:200+预制组件支持QSS样式定制; 工具链:Qt Creator集成开发环境提供可视化设计、调试及多平台编译。 广泛应用于工业控制、车载系统、医疗设备及跨平台应用开发,

2202_75382767的博客 1687

【飞腾平台实时Linux方案系列】第二篇 - 飞腾平台PREEMPT_RT内核优化与实时性验证

摘要:本文介绍基于飞腾ARMv8架构CPU(如FT-2000/4、D2000)实现工业级硬实时(≤50μs)的优化方案。针对NUMA调度延迟问题,通过打PREEMPT_RT补丁、关闭C-State、绑定NUMA本地核等关键技术,将控制周期从1ms缩短至250μs。详细说明了从内核配置(保留NUMA_BALANCE对比测试)、启动参数优化(isolcpus/nohz_full)到cyclictest三阶段测试(空载/CPU/IO压力)的全流程,并给出自动生成认证报告的方法。该方案已在500kV变电站等场景通过

望获实时Linux系统 1074

BH1750光强度传感器Stm32f103驱动(已测试ok)

1. 实验:Stm32f103 驱动 bh1750采集光照强度,串口打印采集到的数据。 2. 实验准备器材 开发版:stm32f103c8t6 器件:bh1750 GY-302 开发环境:win10,KILE4 下载程序的软件:FlyMcu.exe 串口调试助手:ComAssistant.exe 3. BH1750 的接线 VCC:5V或3.3V ...

weixin_53329977的博客 8933

Preempt-RT时延测试

在安装成功Preempt-RT之后,需要对系统进行了详细的时延测试,以判定该系统是否满足实时性需求。在安装Preempt-RT一文中已经简要介绍了时延的测试方法,本文将进行更为详细的时延测试工作。需要说明的是,短时间的运行cyclictest得出的结果是无意义的,再就是测试系统上没有合适负载的情况下运行cyslictest所得到的延时统计也是无意义的。本文分别在CPU空载和满负载的情况下对Preempt-RT的时延进行测试。

Rot_Tianers 1327

数据仓库从明细到汇总:DWD与DWS层建模实战指南

DWS层的“主题”是指业务分析的核心场景,通常分为“用户主题、商品主题、订单主题、营销主题”等。主题的定义需紧密结合业务需求,避免“为了汇总而汇总”。例如,电商平台的核心业务需求包括“用户活跃度分析”“商品销售情况分析”“订单转化分析”,对应的DWS层主题即可定义为“用户主题汇总表”“商品主题汇总表”“订单主题汇总表”。主题定义时需注意“粒度适中”——汇总粒度既不能过细(否则与DWD层重复,失去汇总意义),也不能过粗(否则无法满足细分分析需求)。

2401_83088008的博客 646

从开票数据到 ML81N 一键过账:用 ABAP BAPI 批量创建 Service Entry Sheet 的落地方案

摘要:SAP ESM场景中,服务履约确认通常通过ML81N事务码创建服务条目表(SES)完成。本文介绍如何基于开票数据(VBRK/VBRP)自动生成SES:首先通过BAPI_PO_GETDETAIL获取采购订单服务行结构,然后使用BAPI_ENTRYSHEET_CREATE创建SES并覆盖开票数量与金额,最后调用BAPI_ENTRYSHEET_RELEASE自动释放。解决方案包含ALV交互界面、批量处理逻辑和结果跳转功能,实现从人工录入到自动化处理的转变。(149字)

2007 年 ~ 2025 年,深耕 SAP 技术 18 年 333
上一篇: 【luckfox】SPI LCD驱动移植实战:从ST7735到GC9306的完整指南
下一篇: Squoosh CLI实战:5分钟搞定批量图片压缩(附常用参数详解)
sql99
博客等级 码龄19年 168粉丝 1905原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
 条评论被折叠 查看
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