Embassy-rs项目中defmt特性在USB驱动中的兼容性问题分析
2025-06-01 22:45:14作者:宣海椒Queenly
问题背景
在嵌入式开发领域,Embassy-rs项目作为一个异步运行时框架,为Rust语言在嵌入式系统中的应用提供了强大支持。其中,embassy-usb-synopsys-otg模块实现了对Synopsys USB OTG控制器的驱动支持。开发者在启用该模块的defmt日志功能时,遇到了编译错误问题。
问题现象
当开发者启用embassy-usb-synopsys-otg模块的defmt特性时,编译过程中会产生大量错误。这些错误主要围绕defmt::assert!宏在常量函数中的使用限制,具体表现为:
- 无法在常量函数中调用非const函数(如defmt::export::acquire等)
- 在常量函数中引用静态变量不稳定
- 指针无法在常量求值期间转换为整数
- 无法调用非const函数make_istr和header
技术分析
根本原因
问题的核心在于defmt::assert!宏的设计与Rust常量函数的限制之间存在冲突。在Rust中,常量函数(const fn)的执行环境有严格限制:
- 只能调用其他const fn
- 不能操作静态变量
- 不能进行指针到整数的转换
- 不能执行任何可能产生副作用的操作
而defmt::assert!宏内部实现涉及日志记录、格式化等操作,这些操作本质上是有副作用的,因此无法在const fn中使用。
具体场景
在embassy-usb-synopsys-otg模块中,存在多个在编译时进行参数检查的assert!宏调用。这些检查位于const fn上下文中,当启用defmt特性后,assert!被替换为defmt::assert!,从而触发了上述限制。
解决方案
项目维护者通过提交修复了这个问题。修复方案的核心思路是:
- 识别出需要在const fn中使用的assert!宏
- 确保这些宏在defmt特性启用时仍使用core::assert!而非defmt::assert!
- 对于非const上下文中的断言,则继续使用defmt::assert!以获得更好的日志输出
这种选择性替换的策略既保留了编译时的参数检查功能,又确保了defmt特性在其他场景下的正常使用。
经验总结
这个案例为嵌入式Rust开发者提供了几个重要启示:
- 在编写可能用于const fn的库代码时,需要特别注意宏的行为差异
- 日志记录等有副作用的操作与编译时计算存在本质冲突
- 特性开关可能改变核心宏的行为,需要全面测试各种组合情况
- 对于嵌入式开发,编译时检查与运行时日志记录都是重要需求,需要找到平衡点
通过这个问题,Embassy-rs项目进一步完善了其对defmt日志系统的支持,为开发者提供了更稳定的开发体验。
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
STM32到GD32项目移植完全指南:从兼容性到实战技巧 JDK 8u381 Windows x64 安装包:企业级Java开发环境的完美选择 开源电子设计自动化利器:KiCad EDA全方位使用指南 网页设计期末大作业资源包 - 一站式解决方案助力高效完成项目 STDF-View解析查看软件:半导体测试数据分析的终极工具指南 Adobe Acrobat XI Pro PDF拼版插件:提升排版效率的专业利器 MQTT 3.1.1协议中文版文档:物联网开发者的必备技术指南 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 ONVIF设备模拟器:开发测试必备的智能安防仿真工具
项目优选
收起
deepin linux kernel
C
24
9
暂无简介
Dart
669
155
Ascend Extension for PyTorch
Python
219
236
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
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++
660
308
🔥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
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
392
3.81 K
React Native鸿蒙化仓库
JavaScript
259
322
🎉 (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
1.19 K
654
仓颉编程语言运行时与标准库。
Cangjie
141
878