【Matter】如何在Linux平台下测试Matter应用级通信(虚拟设备)

简介: 我们使用chip tool结合生成的QR码进行调试,重新打开一个终端,使用默认的chip tool工具(记住不是之前构建应用程序生成的chip tool),通过QR码可以快捷迅速地将虚拟设备添加到网络中,我们使用chip tool对设备进行调试

如何在Linux平台下测试Matter应用级通信(虚拟设备)


准备工作

1. 递归克隆Matter仓库

执行如下命令:

git clone --recurse-submodules git@github.com:project-chip/connectedhomeip.git

如果克隆过程中发生报错,请执行如下命令来同步子模块:

git submodule update --init

由于我们的环境构建配置均是基于Matter1.0,所以我们需要切换到v1.0分支下

git checkout v1.0

2. Matter依赖项安装

Matter 构建依赖于以下软件包及环境库:

sudo apt-get install git gcc g++ pkg-config libssl-dev libdbus-1-dev \
     libglib2.0-dev libavahi-client-dev ninja-build python3-venv python3-dev \
     python3-pip unzip libgirepository1.0-dev libcairo2-dev libreadline-dev

如果通过build_examples.py-with-ui 变体进行构建,也要安装 SDL2:

sudo apt-get install libsdl2-dev

3. Matter环境构建

执行scripts/activate.sh脚本。该脚本负责下载 GN、ninja,并使用用于构建和测试的库设置 Python 环境。

source scripts/activate.sh

image-20230619083303148

如果显示环境已过期可执行如下命令进行更新(一般如果没提示环境已过期的提示不建议执行这一步,编译会花一段时间):

source scripts/bootstrap.sh

4. 安装zap

注意:zap 包目前不可用arm64(比如在 Raspberry PI 上编译时)。

  • Step1:ZAP需要Node.js来运行,请先确保你的计算机上已经安装了Node.js。可以使用以下命令:
node -v

如果安装的话不出意外会出现版本号。

  • Step2:zap安装
cd connectedhomeip/scripts/tools/zap

python3 zap_download.py

下面是安装日志:

root@kurisaw-virtual-machine:/home/kurisaw/Desktop/esp/esp-gitee-tools/esp-matter/connectedhomeip/connectedhomeip/scripts/tools/zap# python3 zap_download.py 
2023-06-19 13:28:22 root INFO    Found required zap version to be: v2023.04.27-nightly
2023-06-19 13:28:22 root INFO    Fetching: https://github.com/project-chip/zap/releases/download/v2023.04.27-nightly/zap-linux.zip
2023-06-19 13:29:20 root INFO    Data downloaded, extracting ...
2023-06-19 13:29:25 root INFO    Done extracting.
export ZAP_INSTALL_PATH=/home/kurisaw/Desktop/esp/esp-gitee-tools/esp-matter/connectedhomeip/connectedhomeip/.zap/zap-v2023.04.27-nightly
  • Step3:配置zap环境变量

我们看上面 zap 安装日志,其中最后导出了zap 的安装路径为/home/kurisaw/Desktop/esp/esp-gitee-tools/esp-matter/connectedhomeip/connectedhomeip/.zap/zap-v2023.04.27-nightly,在此目录下有个 zap 脚本,我们这个位置一定要记住!!

设置ZAP_DEVELOPMENT_PATH环境变量(这里的路径需要根据上面安装zap后提示的路径进行设置,不能一昧照抄)

export ZAP_DEVELOPMENT_PATH=/home/kurisaw/Desktop/esp/esp-gitee-tools/esp-matter/connectedhomeip/connectedhomeip/.zap/zap-v2023.04.27-nightly
  • Step4:运行zap引导程序

执行如下代码:

./run_zaptool.sh

效果如下:

image-20230619134658521

  • Step4:为了方便我们后续使用zap,我们设置root终端下自启动:
sudo su

vi ~/.bashrc

.bashrc文件最末添加如下代码,也就是配置zap环境变量

export ZAP_DEVELOPMENT_PATH=/home/kurisaw/Desktop/esp/esp-gitee-tools/esp-matter/connectedhomeip/connectedhomeip/.zap/zap-v2023.04.27-nightly

保存退出!

应用程序构建

在官方文档中提供有两种构建方式:

  • 通过脚本构建
  • 使用 Gn 和 Ninja 命令构建

1. 通过脚本构建

./build_script.sh EXAMPLE_DIR OUTPUT_DIR [ARGUMENTS]
  • build_script.sh 是脚本的文件名;
  • EXAMPLE_DIR 是示例项目的目录路径;
  • OUTPUT_DIR 是构建输出的目录路径;
  • [ARGUMENTS] 是可选的其他参数,用于设置gn和ninja命令的选项。

1.1 构建示例

./scripts/examples/gn_build_example.sh examples/placeholder/linux out/debug/simulated/ chip_tests_zap_config=\"app1\"

image-20230619083551820

1.2 运行构建

./out/simulated/chip-app1

image-20230619084309631

2. 通过 gn 和 ninja 构建应用程序

2.1 构建示例

source scripts/activate.sh
gn gen --check --root=examples/placeholder/linux out/simulated --args="chip_tests_zap_config=\"app1\""
ninja -C out/simulated

2.2 运行构建

cd 

./out/app1/chip-app1

image-20230619151054483

测试应用程序

在前面的应用程序构建那一节中我们已经完成了应用程序的构建并且成功运行了构建,同时我们在日志中也可以看到生成了QR码的链接,我们将其复制到浏览器打开即可得到二维码

image-20230619151353417

我们使用chip tool结合生成的QR码进行调试,重新打开一个终端,使用默认的chip tool工具(记住不是之前构建应用程序生成的chip tool),通过QR码可以快捷迅速地将虚拟设备添加到网络中,我们使用chip tool对设备进行调试:

cd out/debug

./chip-tool onoff on 0x654321 1
./chip-tool onoff off 0x654321 1
./chip-tool onoff read accepted-command-list 0x654321 1
./chip-tool onoff read on-time 0x654321 1

image-20230619153015727

具体更多的使用命令可参考:Chip tool


参考

目录
相关文章
|
5天前
|
机器学习/深度学习 敏捷开发 存储
深入理解自动化测试中的数据驱动策略深度学习在图像识别中的应用与挑战
【5月更文挑战第20天】 在现代软件开发过程中,自动化测试已成为确保产品质量和加快市场投放速度的关键因素。数据驱动测试(DDT)作为一种高效的自动化测试策略,它允许测试用例与测试数据分离,从而增强测试案例的可重用性并提高测试覆盖率。本文将探讨数据驱动策略的核心概念、实现方法以及在实际测试中的应用,旨在为软件测试工程师提供一种系统化和模块化的测试手段。 【5月更文挑战第20天】 随着人工智能技术的飞速发展,深度学习已经成为了图像识别领域的核心技术。本文将探讨深度学习在图像识别中的应用,以及在实际应用中所面临的挑战。我们将介绍卷积神经网络(CNN)的基本概念,以及如何利用深度学习进行图像分类、目
|
10天前
|
存储 测试技术
LabVIEW编程开发PCB自动测试设备
LabVIEW编程开发PCB自动测试设备
13 1
|
2天前
|
敏捷开发 机器学习/深度学习 人工智能
探索自动化测试在敏捷开发中的应用与挑战
【5月更文挑战第23天】 随着软件开发实践的不断演进,敏捷开发已成为多数团队的首选模式。在此背景下,自动化测试作为确保软件质量和快速响应变化的关键手段,其角色愈发重要。本文将深入探讨自动化测试在敏捷环境下的应用实践,分析其在持续集成和交付过程中的作用,并讨论面临的主要挑战及可能的解决方案。通过实际案例分析和最新技术趋势的梳理,旨在为读者提供对自动化测试深层次理解的同时,指出未来发展方向。
|
2天前
|
敏捷开发 IDE 测试技术
深入探索自动化测试工具Selenium的高效应用
【5月更文挑战第23天】 在快速演进的数字时代,软件开发周期不断缩短,而质量保证的需求却日益增加。自动化测试作为确保软件质量的关键手段之一,其重要性不言而喻。Selenium作为一种广泛使用的自动化测试工具,因其跨平台、多语言支持和开源等特性,在业界得到了广泛应用。本文将深入分析Selenium的核心功能,探讨其在真实项目中的应用策略,并通过案例分析展示如何通过Selenium提高测试效率和准确性。
|
2天前
|
Java 测试技术 持续交付
深入理解与应用软件自动化测试框架
【5月更文挑战第23天】 随着软件开发周期的不断缩短和发布频率的加快,传统的手动测试方法已难以满足快速迭代的需求。因此,本文将深入探讨自动化测试在现代软件开发中的关键作用,特别是自动化测试框架的设计与实现。文章首先回顾了自动化测试的基本概念和核心优势,接着详细分析了几种流行的自动化测试框架(如Selenium、Appium和JUnit)的特点及应用场景。然后,重点讨论了如何根据项目需求选择适合的测试框架,以及如何构建一个可靠且易于维护的自动化测试环境。最后,通过实际案例分析,展示了自动化测试框架在提高测试效率和确保软件质量方面的实践成效。
|
5天前
|
敏捷开发 Devops jenkins
深入理解与实践:持续集成在软件测试中的应用
【5月更文挑战第20天】 随着敏捷开发和DevOps文化的普及,持续集成(Continuous Integration, CI)已成为软件开发周期中不可或缺的一环。本文将探讨CI在软件测试中的关键作用,包括其如何提高测试效率、减少集成问题以及促进团队协作。通过分析持续集成的工作流程和工具使用,我们将展示如何在现代软件工程实践中有效地整合CI策略,以确保代码质量和项目稳定性。
|
6天前
|
机器学习/深度学习 人工智能 测试技术
提升软件测试效率:智能化测试工具的应用与展望
【5月更文挑战第19天】 在快速发展的软件行业中,保证产品质量的同时提高测试效率已成为一个关键挑战。传统的手动测试方法由于其耗时且易出错的局限性,逐渐不能满足现代软件开发的需求。智能化测试工具的出现为解决这一问题提供了新的思路。本文将探讨智能化测试工具如何通过自动化和人工智能技术优化测试流程,减少重复性工作,并预测未来测试工具的发展趋势。我们将分析这些工具在实际应用中的表现,以及它们对提高软件测试效率和准确性的潜在影响。
25 8
|
8天前
|
敏捷开发 Java Devops
深入理解与应用软件测试中的Mock技术
【5月更文挑战第17天】 在现代软件开发过程中,单元测试是保证代码质量的重要手段。然而,对于依赖外部系统或服务的功能,如何有效进行单元测试一直是一大挑战。Mock技术的引入为这一难题提供了解决方案。本文将详细探讨Mock技术的概念、应用场景以及在实际软件测试中的优势和局限性,同时提供一些最佳实践和常见框架的使用指南。
|
8天前
|
Java 测试技术 数据库
深入理解与应用软件测试中的Mock对象
【5月更文挑战第17天】在软件开发过程中,单元测试是确保代码质量的重要环节。本文将深入探讨Mock对象在软件测试中的应用,分析其对提升测试效率和准确性的重要性。通过具体案例,我们将了解如何创建和使用Mock对象,以及它们如何帮助开发者隔离依赖,模拟外部系统行为,从而使得单元测试更加高效和可靠。
|
9天前
|
测试技术
深入理解与应用软件测试中的边界值分析法
【5月更文挑战第16天】 在追求软件产品质量的道路上,边界值分析法(Boundary Value Analysis, BVA)作为一种高效的测试设计技术,因其独特的关注点和较高的缺陷检出率而备受青睐。本文将探讨BVA的核心概念、操作流程及其在多变的测试场景中的应用优势。通过深入剖析边界值分析法的原理和执行步骤,揭示其在发现潜藏于输入、输出范围边界的软件缺陷方面的有效性,并讨论如何结合其他测试方法以优化测试覆盖率。文章还将展示通过案例分析和统计数据支撑的BVA应用效果,以及在实践中应注意的问题和可能的改进方向。
11 0