FreeRTOS-Kernel 中调度器停止时的资源泄漏问题分析
2025-06-26 17:26:01作者:昌雅子Ethen
问题背景
在FreeRTOS-Kernel项目中,当调度器被停止时,运行中线程的任务控制块(TCB)和动态分配的堆栈空间未被正确释放,导致内存泄漏。这一问题在使用POSIX模拟器进行测试时尤为明显,因为模拟器环境对内存管理更为敏感。
问题现象
通过内存检测工具valgrind可以观察到以下两种内存泄漏情况:
- TCB泄漏:每个任务的控制块(TCB)在创建时通过
pvPortMalloc分配内存,但在调度器停止时未被释放 - 堆栈泄漏:动态任务堆栈通过
pvPortMallocStack分配,同样在调度器停止时未被释放
技术分析
资源分配机制
FreeRTOS中任务创建时会进行以下资源分配:
- 通过
pvPortMalloc分配TCB结构体 - 通过
pvPortMallocStack分配任务堆栈空间
资源释放机制
正常情况下,资源应在以下时机被释放:
- 任务通过
vTaskDelete显式删除时 - 任务自行终止时
然而,当调度器通过vTaskEndScheduler停止时,现有机制存在以下不足:
- 内核创建的任务(如空闲任务、定时器任务)未被自动删除
- 应用程序创建的任务需要手动删除
- 延迟删除机制在调度器停止后无法正常工作
解决方案
经过社区讨论和开发团队评估,最终确定了以下改进方案:
内核层面的改进
-
自动删除内核任务:
- 在
vTaskEndScheduler中自动删除定时器任务和空闲任务 - 这些任务由内核创建,理应由内核负责删除
- 在
-
处理延迟删除:
- 确保在调度器停止前处理完
xTasksWaitingTermination列表中的任务 - 由调用
vTaskEndScheduler的任务接管资源释放工作
- 确保在调度器停止前处理完
应用层面的建议
-
显式删除应用任务:
- 应用程序应在停止调度器前删除自己创建的所有任务
- 可使用
vTaskDelete删除任务,即使调度器已停止
-
资源管理最佳实践:
- 保持对任务句柄的跟踪
- 在测试环境中,确保所有资源都被正确释放
实现细节
POSIX端口的具体实现采用了以下策略:
- 在
vPortEndScheduler中停止最后一个运行的任务 - 切换回主线程上下文执行
- 在主线程中安全删除最后一个任务
对开发者的影响
这一改进使得FreeRTOS在以下方面更加完善:
- 内存管理:减少了内存泄漏风险
- 测试便利性:便于在模拟器环境中进行内存检测
- 行为一致性:使实际行为更符合文档描述
总结
FreeRTOS-Kernel通过这次改进解决了调度器停止时的资源泄漏问题,既保持了内核的稳定性,又为应用程序提供了更灵活的资源管理方式。开发者现在可以更自信地在测试环境中使用内存检测工具,同时在生产环境中保持原有的灵活性和性能。
这一改进体现了FreeRTOS社区对代码质量的持续关注,也展示了开源协作在解决复杂技术问题时的价值。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
173
193
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++
647
263
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
269
93
暂无简介
Dart
622
140
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
377
3.32 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (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
1.1 K
620
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
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