新闻详情

新闻详情

首页 / 资讯中心 / 详情

openubmc 新增一个 IPMI Sensor

发布时间:2026/11/13 21:15:03来源:尧图网络
openubmc 新增一个 IPMI Sensor
新增一个IPMI Sensor ​一个常见的场景便是需要将硬件上的某一个器件的读值通过IPMI协议中定义的门限传感器呈现给用户。在本章节中我们将配置一个LM75温度器件同时配置一个对应的IPMI门限传感器并呈现至对外接口。CSR配置 ​openUBMC采用一种软件描述性语言描述一个硬件的具体信息这种描述性语言被称之为Component Self-description Record(CSR)。关于CSR的具体介绍请参考《硬件自描述文件(CSR)》首先我们先获取CSR仓库cd /home/workspace git clone https://gitcode.com/openUBMC/vpd.git打开服务机型(vendor/Huawei/Server/Kunpeng/openUBMC)的root.sr打开后可以发现一系列配置。首先我们需要在硬件拓扑链路中声明一个LM75器件。在实际的硬件链路拓扑中I2c_8总线下地址为0x90处有一个LM75温感芯片。在CSR的ManagementTopology中找到对应的I2c_8的配置如果没有I2c_8请在ManagementTopology中粘贴下面的配置(可参考I2c_2的配置)。ManagementTopology: { ... I2c_8: { Chip: [ Lm75_DemoSensor ] } ... }这样CSR中便完成了实际的硬件链路拓扑配置。同时在与ManagementTopology同级的objects下面定义Lm75器件的具体信息和两个业务对象Objects: { ... Lm75_DemoSensor: { OffsetWidth: 1, AddrWidth: 1, Address: 144 }, Scanner_GetTemperature: { Chip: #/Lm75_DemoSensor, Size: 1, Offset: 0, Mask: 255, Period: 1000 }, ThresholdSensor_DemoSensor: { AssertMask: 29312, DeassertMask: 29312, ReadingMask: 6168, Linearization: 0, M: 100, RBExp: 224, UpperCritical: 48, UpperNoncritical: 46, PositiveHysteresis: 2, NegativeHysteresis: 2, OwnerId: 32, OwnerLun: 0, EntityId: /Entity_DemoSensor.Id, EntityInstance: /Entity_DemoSensor.Instance, Initialization: 127, Capabilities: 104, SensorType: 1, ReadingType: 1, SensorName: Demo Temperature Sensor, Unit: 128, BaseUnit: 1, ModifierUnit: 0, Analog: 1, MaximumReading: 127, MinimumReading: 128, Reading: /Scanner_GetTemperature.Value }, Entity_DemoSensor:{ Id: 99, Name: Demo Temperature Sensor, PowerState: 1, Presence: 1, Instance: 96 }, ... }此处我们定义了两个对象一个是Lm75器件一个是定期扫描任务Scanner一个是IPMI门限传感器的软件对象。 我们通过引用语法将Scanner和Lm75器件关联起来通过同步语法将Scanner的读值同步至ThresholdSensor的读值。具体IPMI传感器的配置请参考《IPMI Sensor SEL》组件构建 ​由于修改了vpd仓库因此我们需要对vpd仓库进行重新构建。为了和之前版本进行区分我们需要将service.json中的version字段进行更新bingo build --stagestable整包构建 ​找到vpd声明位置将版本改至对应的构建版本然后在manifest中再次进行整包构建bingo build整包测试 ​整包升级后我们可以通过ipmitool进行传感器查询。 ./ipmitool.exe -H ip -I lanplus -p 623 -U TestUser -P OpenUBMC123 -C 17 sdr Demo Temperature | 28 degrees C | ok
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/13 0:43:49

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/12 23:59:09

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/13 10:09:00

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/13 13:31:48

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/13 16:11:45

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/13 0:02:27

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉