Embassy-rs项目中GPIO外设的安全复用实践
2025-06-01 20:53:17作者:咎岭娴Homer
在嵌入式开发中,GPIO(通用输入输出)引脚的功能复用是一个常见需求。Embassy-rs作为Rust生态中的嵌入式异步运行时,提供了安全且高效的方式来管理STM32微控制器的外设资源。本文将深入探讨如何在Embassy-rs项目中安全地复用GPIO外设,避免使用unsafe代码。
GPIO外设所有权管理
Embassy-rs采用了Rust的所有权系统来管理外设资源。当创建一个GPIO输入或输出实例时,外设引脚的所有权会被转移到该实例中。这种设计确保了在任何时候只有一个实体可以控制该引脚,防止了资源冲突。
传统上,开发者可能会尝试通过unsafe代码来绕过所有权检查,例如使用clone_unchecked()方法。虽然这种方法可以工作,但它违背了Rust的安全性原则,可能导致未定义行为。
安全的GPIO复用模式
Embassy-rs提供了更安全的替代方案——通过引用来借用GPIO外设。这种方式允许在不需要使用unsafe代码的情况下复用GPIO引脚:
let peripherals = embassy_stm32::init(Default::default());
// 创建输入时借用PB15引脚
let input = gpio::Input::new(&mut peripherals.PB15, gpio::Pull::Up);
// 在此进行输入操作
// input离开作用域自动释放借用
drop(input);
// 可以安全地重新使用PB15引脚
let output = gpio::Output::new(peripherals.PB15, gpio::Level::High, gpio::Speed::Low);
// 在此进行输出操作
工作原理
这种模式利用了Rust的借用检查器:
- 当创建
Input时,我们传递了一个可变引用(&mut),而不是所有权 - 当
Input被drop时,借用自动释放 - 之后可以安全地转移所有权给
Output实例
这种方法完全避免了unsafe代码,同时保持了Rust的内存安全保证。它体现了Embassy-rs项目对安全性和实用性的平衡考虑。
实际应用建议
在实际开发中,建议遵循以下最佳实践:
- 优先使用引用方式创建GPIO实例
- 合理规划GPIO实例的作用域,确保及时释放资源
- 避免不必要的
unsafe代码,充分利用Rust的类型系统 - 对于复杂的复用场景,考虑使用外设管理模块来统一协调资源
Embassy-rs的这种设计不仅适用于GPIO,其理念也可以扩展到其他外设的管理中,为嵌入式开发提供了既安全又灵活的资源管理方案。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
413
3.18 K
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
690
325
Ascend Extension for PyTorch
Python
229
258
暂无简介
Dart
679
160
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.21 K
660
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
492
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
346
147