probe-rs项目中RTT模式切换问题解析
2025-07-04 20:03:54作者:董斯意
在嵌入式开发中,probe-rs是一个强大的调试工具集,它提供了与目标设备交互的多种功能。其中RTT(Real-Time Transfer)是一种常用的调试输出技术,它允许开发者在目标设备运行时实时获取调试信息。
问题背景
在probe-rs的0.23版本中,当用户使用probe-rs run命令并通过CTRL+C中断连接时,RTT会保持在非阻塞模式(non-blocking mode)。这种模式下,即使调试器断开连接,目标设备的程序也能继续运行而不会阻塞。
然而在最新版本中(cf6ae5e5761731c228a2753617b46dd03869e8ac),这个行为发生了变化。当调试器断开连接后,RTT会恢复到阻塞模式(blocking mode),这导致当RTT缓冲区填满时,目标设备的程序会挂起,影响正常运行。
技术原理
RTT模式的选择对嵌入式系统行为有重要影响:
-
阻塞模式:当缓冲区满时,写入操作会阻塞,直到有空间可用。这确保了所有调试信息都能被捕获,但可能导致程序暂停执行。
-
非阻塞模式:当缓冲区满时,新的调试信息会被丢弃,程序继续执行。这保证了程序实时性,但可能丢失部分调试信息。
在调试场景中,通常期望的行为是:
- 调试器连接时使用阻塞模式,确保调试信息完整
- 调试器断开后自动切换到非阻塞模式,保证程序持续运行
解决方案
该问题已被确认为一个bug,并在后续版本中修复。修复方案主要涉及:
- 在调试器断开连接时,正确恢复RTT通道的原始模式
- 确保所有可能的断开路径都包含模式恢复逻辑
对于开发者来说,理解这一行为变化很重要,特别是在开发需要长期运行的嵌入式应用时。如果遇到程序在调试器断开后挂起的情况,可以考虑检查RTT模式设置或升级到修复后的probe-rs版本。
最佳实践建议
- 在关键生产代码中,考虑添加对RTT状态的检查逻辑
- 对于长期运行的应用,建议明确设置RTT模式而非依赖默认行为
- 定期更新调试工具链以获取最新的稳定性修复
通过理解RTT模式的工作原理和工具链的行为特性,开发者可以更好地利用probe-rs进行嵌入式调试,同时避免潜在的系统挂起问题。
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
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
Spark-Prover-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
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 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
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
最新内容推荐
PCDViewer-4.9.0-Ubuntu20.04:专业点云可视化与编辑工具全面解析 Qt控件CSS样式实例大全 - 打造现代化GUI界面的终极指南 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 海能达HP680CPS-V2.0.01.004chs写频软件:专业对讲机配置管理利器 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南 IK分词器elasticsearch-analysis-ik-7.17.16:中文文本分析的最佳解决方案 ONVIF设备模拟器:开发测试必备的智能安防仿真工具 Python开发者的macOS终极指南:VSCode安装配置全攻略 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南 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
项目优选
收起
deepin linux kernel
C
24
7
暂无简介
Dart
614
138
Ascend Extension for PyTorch
Python
163
183
React Native鸿蒙化仓库
JavaScript
240
314
仓颉编译器源码及 cjdb 调试工具。
C++
126
854
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
369
3.15 K
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
255
90
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
475
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++
644
255