驱动开发硬核特训 · Day 10 (理论上篇):设备模型 ≈ 运行时的适配器机制

🔍

B站相应的视屏教程
📌 内核:博文+视频 - 总线驱动模型实战全解析
敬请关注,记得标为原始粉丝。


在 Linux 驱动开发中,设备模型(Device Model)是理解驱动架构的核心。而从软件工程的角度看,它与**适配器模式(Adapter Pattern)**之间也存在着惊人的相似性。本文尝试从理论出发,构建“设备模型 ≈ 运行时的适配器机制”的认知,并通过逻辑图与结构分析,将这一理念讲透讲透。


一、适配器模式回顾:统一接口的桥梁

在这里插入图片描述

在软件设计模式中,**适配器模式(Adapter Pattern)**的作用是:将一个类的接口转换成客户端所期待的另一个接口

  • 目标接口(Target):客户端期待调用的接口
  • 源接口(Adaptee):已有的但不兼容的接口
  • 适配器(Adapter):中间桥梁,让客户端可以透明使用源接口

我们以 USB 转串口为例:

Client(PC) <--> USB接口↓ 适配器
设备(串口芯片) <--> UART接口

在代码中,Adapter 就是包装 Adaptee 的对象,让它“看起来”满足了 Target 接口。


二、Linux 设备模型的运行时角色

Linux 的设备模型其实也完成了“统一接口”的桥接动作:

  • platform_device / i2c_client 等设备描述结构(相当于 Adaptee)
  • platform_driver / i2c_driver 等驱动结构(相当于 Adapter)
  • driver core(驱动核心)通过总线匹配机制连接设备与驱动(Adapter 注册给一个 Bus,用于查找匹配)

当你写下如下代码时:

platform_driver_register(&my_driver);

实际上就是在告诉内核:我有一个驱动,它能适配某些符合匹配条件的设备,请你在运行时自动“配对”他们。

这正是“运行时适配器机制”的体现!


三、匹配机制的本质:驱动适配器为谁服务?

1. 核心概念类比:

软件工程术语Linux 设备模型
Target接口驱动模型中的标准接口(probe等)
Adaptee类各种硬件设备(platform、I2C等)
Adapter适配器驱动结构体(platform_driver等)
适配者注册driver_register / i2c_add_driver
自动装配匹配逻辑总线匹配函数(of_match、id_table)

2. 匹配的流程图:

           ┌────────────┐│ 设备树Node │  ←──── 用户定义设备信息└────┬───────┘│▼┌──────────────┐│ platform_device │ ←─── 内核解析设备树,注册└────┬──────────┘│▼┌──────────────┐│  platform_bus │ ←─── 总线负责配对逻辑└────┬──────────┘│probe匹配机制│▼┌──────────────┐│ platform_driver │ ←── 驱动是适配器└──────────────┘

四、为什么说它是“运行时”的适配器?

适配器模式在传统软件设计中通常是编译期设计好适配关系,但在 Linux 驱动中,设备与驱动的绑定是:

  • 在设备注册(如 platform_device)后,在 driver core 的设备链表中查找驱动
  • 或者在驱动注册后,从已知设备中查找与之匹配的设备
  • 依据的是 名字匹配 / compatible 字符串

因此,这是 运行时动态匹配与绑定,它不是写死的关系,而是通过总线模型中的匹配函数灵活控制。


五、多个总线的统一模型:都是适配器

我们常见的 driver 类型:

  • platform_driver
  • i2c_driver
  • spi_driver
  • usb_driver
  • pci_driver

它们都继承了一个共同的父结构:

struct device_driver {const char *name;struct bus_type *bus;...
};

它们都注册给对应的 bus_typebus_type 就是 Adapter 插口类型的定义者

换句话说,不同总线驱动之间的差异只是适配规则的差异,核心逻辑是一样的:我声明我能处理什么设备(通过 compatible 或 ID 表),然后内核会自动调用 probe 函数完成初始化。


六、设备模型中的三大核心角色

为了理解更深入,我们整理出设备模型三大核心结构体的适配关系:

设备模型角色软件设计模式对应Linux结构体功能描述
被适配者Adapteeplatform_device / i2c_client硬件描述
适配器Adapterplatform_driver / i2c_driver驱动逻辑
适配管理器AdapterManagerbus_type匹配规则、注册匹配与解绑回调

这三者构成了一个完整的“运行时适配”生态。


七、适配器模式的优势在驱动模型中的体现

适配器优势驱动模型的体现
将不兼容接口统一包装硬件种类繁多,统一由 driver core 适配
解耦:客户端与底层对象分离用户只关心 probe 中的行为,与具体设备解耦
支持运行时灵活绑定动态添加/删除驱动与设备都是天然支持的

八、真实场景举例:平台驱动模型

假设你有如下设备树片段:

lcdif1: lcd-controller@32e80000 {compatible = "fsl,imx8mp-lcdif1";reg = <0x32e80000 0x10000>;interrupts = <GIC_SPI 5 IRQ_TYPE_LEVEL_HIGH>;...
};

你注册了如下 platform_driver:

static const struct of_device_id lcdif_match[] = {{ .compatible = "fsl,imx8mp-lcdif1" },{ /* sentinel */ }
};static struct platform_driver lcdif_driver = {.probe = lcdif_probe,.remove = lcdif_remove,.driver = {.name = "lcdif",.of_match_table = lcdif_match,},
};

整个过程就是典型的 运行时适配器匹配:设备为 Adaptee,驱动为 Adapter,由 bus_type 来桥接匹配


九、总结与过渡

我们可以得出核心观点:

Linux 的驱动模型不是传统静态接口封装,而是构建了一个运行时的适配器机制系统,通过 bus / device / driver 三者的动态配对完成模块化的解耦架构。

  • 驱动 ≈ Adapter
  • 总线 ≈ AdapterManager(匹配策略)
  • 设备 ≈ Adaptee
  • probe 函数 ≈ Target 接口执行器

下一篇内容将全面深入 platform_driver、i2c_driver 结构与实际设备树如何映射为设备对象,驱动如何实现匹配,sysfs 如何生成等具体实现细节,并围绕 PCA9450 PMIC 进行实战代码分析。

敬请期待 Day 10 博文下篇:《设备模型 ≈ 运行时的适配器机制(下)——以 V4L2 摄像头驱动为例》


本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/pingmian/77084.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

arm_math.h、arm_const_structs.h 和 arm_common_tables.h

在 ​​FOC&#xff08;Field-Oriented Control&#xff0c;磁场定向控制&#xff09;​​ 中&#xff0c;arm_math.h、arm_const_structs.h 和 arm_common_tables.h 是 CMSIS-DSP 库的核心组件&#xff0c;用于实现高效的数学运算、预定义结构和查表操作。以下是它们在 FOC 控…

Android: gradient 使用

在 Android 中使用 gradient&#xff08;渐变&#xff09; 通常是通过 drawable 文件来设置背景。下面是可以直接用的几种用法汇总&#xff0c;包括线性渐变、径向渐变、扫描渐变&#xff08;sweep&#xff09;等&#xff1a; ✅ 1. Linear Gradient&#xff08;线性渐变&#…

打造AI应用基础设施:Milvus向量数据库部署与运维

目录 打造AI应用基础设施&#xff1a;Milvus向量数据库部署与运维1. Milvus介绍1.1 什么是向量数据库&#xff1f;1.2 Milvus主要特点 2. Milvus部署方案对比2.1 Milvus Lite2.2 Milvus Standalone2.3 Milvus Distributed2.4 部署方案对比表 3. Milvus部署操作命令实战3.1 Milv…

AI Agent 在医疗健康领域的深度应用剖析

引言 随着人工智能技术的迅猛发展&#xff0c;AI Agent 在医疗健康领域展现出了巨大的应用潜力。它犹如一位智能助手&#xff0c;凭借其强大的数据处理和分析能力&#xff0c;渗透到医疗健康的各个环节&#xff0c;从疾病诊断、治疗方案制定到患者康复监控&#xff0c;都发挥着…

树莓派超全系列教程文档--(28)boot文件夹内容

boot文件夹内容 boot 文件夹内容bootcode.binstart*.elffixup*.datcmdline.txtconfig.txtissue.txtinitramfs*ssh 或 ssh.txt设备树blob文件 ( *.dtb )内核文件 ( *.img )overlays 文件夹 文章来源&#xff1a; http://raspberry.dns8844.cn/documentation 原文网址 boot 文件…

SvelteKit 最新中文文档教程(20)—— 最佳实践之性能

前言 Svelte&#xff0c;一个语法简洁、入门容易&#xff0c;面向未来的前端框架。 从 Svelte 诞生之初&#xff0c;就备受开发者的喜爱&#xff0c;根据统计&#xff0c;从 2019 年到 2024 年&#xff0c;连续 6 年一直是开发者最感兴趣的前端框架 No.1&#xff1a; Svelte …

【LangChain核心组件】Memory:让大语言模型拥有持续对话记忆的工程实践

目录 一、Memory架构设计解析 1. 核心组件关系图 2. 代码中的关键实现 二、对话记忆的工程实现 1. 消息结构化存储 2. 动态提示组装机制 三、Memory类型选型指南 四、生产环境优化实践 1. 记忆容量控制 2. 记忆分片策略 3. 记忆检索增强 五、典型问题调试技巧 1. …

适应 AI 时代的软件开发流程:用 AI + TDD 构建可维护项目

🧠 适应 AI 时代的软件开发流程:用 AI + TDD 构建可维护项目 本文面向有系统开发经验的工程师,分享如何结合 Git 管理、AI 协作、YAML 驱动与 TDD 开发方式,高效构建一个可维护、可协作、可交付的嵌入式或通用工程项目。适合 BLE 模块、协议栈组件、物联网控制系统等项目落…

使用 chromedriver 实现网络爬虫【手抄】

1、引用 selenium 包 <dependency><groupId>org.seleniumhq.selenium</groupId><artifactId>selenium-java</artifactId><version>4.29.0</version> </dependency> <dependency><groupId>org.seleniumhq.seleniu…

Python项目--基于Python的自然语言处理文本摘要系统

1. 项目概述 自然语言处理(NLP)是人工智能领域中一个重要的研究方向&#xff0c;而文本摘要作为NLP的一个重要应用&#xff0c;在信息爆炸的时代具有重要意义。本项目旨在开发一个基于Python的文本摘要系统&#xff0c;能够自动从长文本中提取关键信息&#xff0c;生成简洁而全…

【Vue #3】指令补充样式绑定

一、指令修饰符 Vue 的指令修饰符&#xff08;Directive Modifiers&#xff09;是 Vue 模板语法中的重要特性&#xff0c;它们以半角句号 . 开头&#xff0c;用于对指令的绑定行为进行特殊处理 修饰符作用如下&#xff1a; 简化事件处理&#xff08;如阻止默认行为、停止冒泡…

Reinforcement Learning强化学习--李宏毅机器学习笔记

个人学习笔记&#xff0c;如有错误欢迎指正&#xff0c;也欢迎交流&#xff0c;其他笔记见个人空间 强化学习 vs 监督学习 监督学习&#xff08;Supervised Learning&#xff09;&#xff1a;你有输入和明确的输出标签&#xff0c;例如图像分类。 强化学习&#xff08;Rein…

Windows VsCode Terminal窗口使用Linux命令

背景描述&#xff1a; 平时开发环境以Linux系统为主&#xff0c;有时又需要使用Windows系统下开发环境&#xff0c;为了能像Linux系统那样用Windows VsCode&#xff0c;Terminal命令行是必不可少内容。 注&#xff1a;Windows11 VsCode 1.99.2 下面介绍&#xff0c;如何在V…

软件测试之测试数据生成(Excel版)

这是Excel生成测试数据的函数使用 1.时间 1.1.时间 例生成2022-05-01之前一年内任意时间点: =TEXT("2022-05-01"-RAND()-RANDBETWEEN(1,365),"yyyy-mm-dd hh:mm:ss")1.2.年月日 yyyy-mm-dd 以当前时间生成10年的日期 =TEXT(NOW()-RAND()-RANDBETWE…

libwebsocket建立服务器需要编写LWS_CALLBACK_ADD_HEADERS事件处理

最近在使用libwebsocket&#xff0c;感觉它搭建Http与websocket服务器比较简单&#xff0c;不像poco库那么庞大&#xff0c;但当我使用它建立websocket服务器后&#xff0c;发现websocket客户端连接一直没有连接成功&#xff0c;不知道什么原因&#xff0c;经过一天的调试&…

从 PyTorch 到 ONNX:深度学习模型导出全解析

在模型训练完毕后&#xff0c;我们通常希望将其部署到推理平台中&#xff0c;比如 TensorRT、ONNX Runtime 或移动端框架。而 ONNX&#xff08;Open Neural Network Exchange&#xff09;正是 PyTorch 与这些平台之间的桥梁。 本文将以一个图像去噪模型 SimpleDenoiser 为例&a…

Hadoop集群部署教程-P6

Hadoop集群部署教程-P6 Hadoop集群部署教程&#xff08;续&#xff09; 第二十一章&#xff1a;监控与告警系统集成 21.1 Prometheus监控体系搭建 Exporter部署&#xff1a; # 部署HDFS Exporter wget https://github.com/prometheus/hdfs_exporter/releases/download/v1.1.…

【Altium】AD-生成PDF文件图纸包含太多的空白怎么解决

1、 文档目标 AD设计文件导出PDF时&#xff0c;图纸模板方向设置问题 2、 问题场景 AD使用Smart PDF导出PDF时&#xff0c;不管你怎么设置页面尺寸&#xff0c;只要从横向转为纵向输出&#xff0c;输出的始终是横向纸张&#xff08;中间保留纵向图纸&#xff0c;两边大量留白…

大厂面试:六大排序

前言 本篇博客集中了冒泡&#xff0c;选择&#xff0c;二分插入&#xff0c;快排&#xff0c;归并&#xff0c;堆排&#xff0c;六大排序算法 如果觉得对你有帮助&#xff0c;可以点点关注&#xff0c;点点赞&#xff0c;谢谢你&#xff01; 1.冒泡排序 //冒泡排序&#xff…

大模型开发:源码分析 Qwen 2.5-VL 视频抽帧模块(附加FFmpeg 性能对比测试)

目录 qwen 视频理解能力 messages 构建 demo qwen 抽帧代码分析 验证两个实际 case 官网介绍图 性能对比&#xff1a;ffmpeg 抽帧、decord 库抽帧 介绍 联系 对比 测试结果 测试明细 ffmpeg 100 qps 测试&#xff08;CPU&#xff09; decord 100 qps 测试&#x…