Embassy-RP项目中的Flash操作与任务调度问题解析
2025-06-01 16:32:31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
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-7BSpark-Prover-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-7BSpark-Formalizer-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
305
2.68 K
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
136
163
React Native鸿蒙化仓库
JavaScript
233
309
暂无简介
Dart
596
130
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++
630
227
仓颉编译器源码及 cjdb 调试工具。
C++
123
642
🎉 (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
1.06 K
614
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
195
71
仓颉编程语言测试用例。
Cangjie
36
642