Arduino-Pico多核编程中random()函数导致核心崩溃问题分析
问题现象
在使用Arduino-Pico进行多核编程时,开发者发现当在第二个核心(core1)上调用random()函数时,会导致该核心停止运行,而主核心(core0)仍能继续工作。这个问题在使用mutex进行同步时尤为明显。
问题复现
开发者最初尝试了以下代码结构:
#include "pico/multicore.h"
#include <Arduino.h>
mutex_t test_mutex;
int test = 0;
void core1_entry();
void setup() {
mutex_init(&test_mutex);
multicore_launch_core1(core1_entry);
Serial.begin(115200);
}
void loop() {
if (mutex_try_enter(&test_mutex, nullptr)) {
Serial.println(test);
mutex_exit(&test_mutex);
}
}
void core1_entry() {
while (1) {
mutex_enter_blocking(&test_mutex);
test = random(100);
mutex_exit(&test_mutex);
}
}
这段代码会导致core1停止工作。然而,当使用简单的计数器递增操作时,多核运行却表现正常。
问题根源
经过分析,问题的根本原因在于不正确的多核启动方式。在Arduino-Pico环境中,正确的多核编程应该使用特定的setup1()和loop1()函数结构,而不是直接使用multicore_launch_core1()函数。
解决方案
正确的实现方式应该如下:
#include "pico/multicore.h"
#include <Arduino.h>
auto_init_mutex(test_mutex); // 使用自动初始化的mutex
int test = 0;
void setup() {
Serial.begin(115200);
}
void loop() {
if (mutex_try_enter(&test_mutex, nullptr)) {
Serial.println(test);
mutex_exit(&test_mutex);
}
}
void setup1() {
while (1) {
mutex_enter_blocking(&test_mutex);
test = random(100);
mutex_exit(&test_mutex);
}
}
关键改进点
-
使用正确的多核启动方式:放弃multicore_launch_core1(),改用Arduino-Pico提供的setup1()和loop1()结构。
-
mutex初始化优化:使用auto_init_mutex宏来自动初始化互斥锁,避免手动初始化可能带来的问题。
-
简化代码结构:移除了不必要的函数声明和冗余代码。
技术原理
Arduino-Pico框架为多核编程提供了特定的支持机制。当使用setup1()和loop1()时,框架会自动处理核心间的协调工作,包括:
- 核心间的通信初始化
- 内存屏障处理
- 中断配置
- 运行时环境设置
直接使用底层API启动第二个核心会绕过这些必要的初始化步骤,导致某些功能(如random())无法正常工作。
最佳实践建议
-
在Arduino-Pico中进行多核开发时,始终使用setup1()和loop1()结构。
-
对于共享资源的访问,使用框架提供的同步原语(auto_init_mutex等)。
-
避免在核心间传递复杂对象或使用未经验证的标准库函数。
-
对于随机数生成等需要状态维护的功能,考虑使用专门的多核安全实现。
通过遵循这些原则,可以确保多核程序的稳定运行,避免类似random()函数导致核心崩溃的问题。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
Baichuan-M3-235BBaichuan-M3 是百川智能推出的新一代医疗增强型大型语言模型,是继 Baichuan-M2 之后的又一重要里程碑。Python00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00