Embassy-RP项目中的Flash操作与任务调度问题解析
2025-06-01 04:42:55作者:庞眉杨Will
背景介绍
在嵌入式开发中,使用RP2040微控制器的Flash存储操作是一个常见需求。Embassy-RP作为Rust生态中针对RP2040的异步运行时框架,提供了便捷的Flash操作接口。然而,开发者在将Flash操作从主函数迁移到独立任务时,可能会遇到日志输出异常的问题。
问题现象
当开发者按照常规思路,将Flash相关操作从main函数移动到独立任务时,发现通过RTT(Real Time Transfer)输出的日志信息突然消失。具体表现为:
- 原始代码中所有日志输出正常
- 将Flash操作移至独立任务后,只有主函数的日志可见
- 任务内部的Flash操作日志完全丢失
问题根源分析
经过深入排查,发现问题出在任务调度机制上。在修改后的代码中,主函数末尾包含了一个空循环:
loop {}
这个看似无害的循环实际上阻塞了Embassy执行器的任务调度机制。Embassy作为异步运行时,依赖协程的主动让出来实现任务切换。当主函数进入无限循环后:
- 执行器无法切换到其他任务
- Flash操作任务虽然被创建,但从未获得执行机会
- 因此任务内部的日志自然无法输出
解决方案
解决方法非常简单:移除主函数中的无限循环。在Embassy的异步模型中:
- 执行器会自动管理所有任务的调度
- 当所有任务都处于等待状态时,芯片会进入低功耗模式
- 不需要手动保持主函数运行
修改后的主函数结构应为:
#[embassy_executor::main]
async fn main(spawner: Spawner) {
// 初始化代码...
spawner.spawn(flash_task(p.FLASH, p.DMA_CH0)).unwrap();
// 不需要loop {}
}
深入理解
这个问题揭示了Embassy执行器工作方式的一个重要特点:
- 非抢占式调度:Embassy采用协作式多任务,任务必须主动让出控制权
- 执行器生命周期:
#[embassy_executor::main]宏已经处理了执行器的生命周期 - 任务独立性:每个任务都是平等的,没有主从关系
最佳实践建议
基于这个案例,我们总结出以下RP2040开发的最佳实践:
- 避免阻塞主函数:主函数不应包含长时间运行的同步代码
- 合理设计任务:将不同功能模块分配到独立任务中
- 理解执行器行为:清楚Embassy如何调度和管理任务
- 日志系统检查:当日志异常时,首先确认任务是否真的被执行
总结
在Embassy-RP框架下开发RP2040应用时,理解异步执行模型至关重要。通过这个案例,我们不仅解决了具体的日志丢失问题,更深入认识了Embassy的任务调度机制。记住,在异步编程范式中,保持代码的非阻塞性是保证系统正常工作的关键。
登录后查看全文
热门项目推荐
相关项目推荐
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C026
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
26
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
423
3.25 K
Ascend Extension for PyTorch
Python
231
262
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++
689
331
暂无简介
Dart
686
160
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
React Native鸿蒙化仓库
JavaScript
266
326
🔥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
65
19
🎉 (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
1.22 K
667
仓颉编译器源码及 cjdb 调试工具。
C++
136
869