Embassy项目在WCH CH583芯片上的中断处理问题分析
2025-06-01 18:21:35作者:史锋燃Gardner
问题背景
在嵌入式开发领域,Embassy是一个基于Rust的异步执行框架,它提供了轻量级的任务调度和中断处理机制。最近在将Embassy移植到WCH CH583芯片(采用RISC-V QingKe V4A架构)时,遇到了系统定时器中断无法正常工作的问题。
问题现象
开发者在为CH583芯片开发时间驱动时发现,系统定时器中断(systick)在Embassy环境下无法正常触发,而在独立项目中却能正常工作。经过深入排查,发现问题源于执行器(executor)中的WFI(Wait For Interrupt)指令被放置在临界区内。
技术分析
WFI指令与临界区的交互
在RISC-V架构规范中,WFI指令有以下关键特性:
- 即使全局中断被禁用(如通过mstatus寄存器),WFI仍应被挂起的中断唤醒
- 唤醒后,中断处理会等到退出临界区后才执行
然而,在QingKe V4A架构中:
- 临界区实现通过gintenr寄存器完全禁用所有中断
- 实验表明WFI在这种状态下不会被唤醒,这与RISC-V规范不符
- 进一步测试发现,使用mstatus寄存器实现临界区也有同样问题
根本原因
这实际上是WCH CH583芯片的一个硬件缺陷:
- WFI在中断完全禁用状态下无法可靠唤醒
- 仅当中断在WFI后很短时间内(几毫秒内)发生时才能唤醒
解决方案探索
临时解决方案
将WFI移出临界区可以解决问题,但这会引入竞态条件风险:
- 执行器检查工作标志(SIGNAL_WORK_THREAD_MODE)为false
- 此时恰好发生中断并设置标志为true
- 执行器进入WFI,导致死锁
硬件特性利用
CH583的PFIC(可编程快速中断控制器)提供了两个关键位:
- WFITOWFE:将WFI转换为WFE(等待事件)行为
- SEVONPEND:任何挂起的中断(即使被禁用)都会生成事件
启用这两个位后,中断行为变得符合预期,因为:
- 即使中断被禁用,挂起的中断也能唤醒处理器
- 这类似于ARM架构的WFE/SEV机制
长期解决方案
对于WCH芯片,建议的解决方案包括:
- 在HAL中创建芯片特定的执行器实现
- 不启用默认的arch-riscv特性
- 基于原始riscv.rs实现进行定制
- 利用WFITOWFE和SEVONPEND特性优化性能
技术启示
这一案例展示了在嵌入式开发中需要注意的几个重要方面:
- 硬件实现可能与架构规范存在差异
- 临界区和电源管理指令的交互需要特别关注
- 芯片特定特性可以用于解决兼容性问题
- 框架设计时应考虑为硬件差异留出扩展点
对于RISC-V生态而言,这也提醒我们虽然标准统一,但不同厂商的实现可能存在细微差别,需要在驱动和框架层面做好兼容性处理。
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
最新内容推荐
电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 开源电子设计自动化利器:KiCad EDA全方位使用指南 Jetson TX2开发板官方资源完全指南:从入门到精通 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Python案例资源下载 - 从入门到精通的完整项目代码合集 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
222
238
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
暂无简介
Dart
671
156
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++
661
312
React Native鸿蒙化仓库
JavaScript
261
322
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
859
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217