嵌入式系统如何解决死循环类挂起

今天要说的，是系统挂起问题。许多做嵌入式软件的团队其实并不了解嵌入式软件的特点，在他们的眼里，只有软件问题；因此出了问题的时候，才开始抱怨这个没有，那个也没有，总之，能在电脑上用的工具方法都没有。其实这些只能怨自己，嵌入式系统不能是个黑盒子，否则建立在上面的应用程序迟早会出问题。

先说说系统挂起有哪些特征。

1. 系统crash，但因为没使能狗，系统未复位。
2. 硬件故障，同样没使能狗，系统陷在某个中断处理中，未复位。
3. 软件代码死循环，可能是局部的低级编码错误，也可能是任务某个判断条件失败导致的异常分支。
4. 软件设计不合理导致某些处理过程，连续占用太多CPU时间，导致系统假死，卡死。

Case 1适用Coredump方法解决，Case 2比较复杂，需要根据实际情况处理。我要说的，是针对Case 3 & 4的通用解决方法。

 

开始之前，得先说说多任务系统的切换。所以能切换，离不开两个条件：当前任务主动弃权；当前任务被剥权而强制切换。

主动弃权，就是执行系统调用，比如msgq_send，sendto，malloc,fread等函数，这类函数会涉及系统核心或是信号量处理，因此CPU会在用户态和系统态间切换。调用发生时，系统从用户态转为系统态，当前任务即被挂起，放回调度队列；当CPU离开系统态时，调度就能够检查调度队列，激活任务等待队列最前面的任务。而这个最前面的任务，很多时候并不是原来的应用。最典型的，就是msgq_send调用。平常做功能测试时，不会有并发的消息，整个处理过程都是线性化的，一个任务处理完，发消息给下一个任务处理，就这样，一个任务接着一个任务，直到处理结束。这时候的系统，任务优先级其实没什么用的，因为任务运行的触发事件就一个，除了那个正在做事的，大家都在等，也只能等。

强制切换，需要系统中断来实现，可以是外部硬件中断，也可以是CPU内部的时钟中断。外部硬件中断，比如网口接收到新的数据，就会以中断方式通知CPU接收。中断发生后，当前应用就被被挂起，送回调度队列。中断处理完成后，CPU转入系统模式，而不是回到用户模式，此时自然可以执行调度处理。当然，凡事没有绝对，比如快速中断就不一定是这么做，且各个OS对细节有自己的权衡。时钟中断，包括提供给应用程序的定时器时钟和Tick时钟。定时器时钟是涉及比较多的，一般微小系统里，会不作封装，直接使用。Tick时钟，就是这里要讲的关键了。

Tick中断是提供给OS进行任务调度切换用的，以避免某些任务长期占据CPU，实现软件任务间的切换。要知道，中断并不是总有的，主动弃权也不应总发生，总之，OS调度还得给自己留一手，在每个Tick到来的时候，睁眼看看要不要做点啥。

好了，哥掏出个大盒子，打开一层又一层，现在，终于到最后火柴盒。现在，回到怎么解决系统挂起问题。

 

嵌入式系统OS一般都会提供TickAnnounce这样的接口或是钩子。没有也没关系，直接挂Tick中断，不过别忘记在自定义的TickAnnounce里面调用原系统的TickAnnounce。TickAnnounce是OS任务调度睁眼后必做的，当然还做什么，就是TickAnnounce决定的了！

我们要让TickAnnounce做什么呢？计数。
总共有三组数据需要统计：系统态计数，中断态计数，以及用户任务计数。准确点说，就是TickAnnounce每次运行的时候，先判断Tick发生时的模式，并将对应的计数+1。当然，每个用户任务都是一个独立的计数，TickAnnounce直接取当前任务的TCB获得对应的计数器。嵌入式系统TCB总是开放给用户可见的，且里面总会提供几个用户自定义字段。我们要做的，就是将其中一个用户自定义数据字段，作为我们的计数器使用。
这里有两点需要注意:计数器是需要初始化和重置的，正常情况下，千万别在应用任务栈上对其进行修改，而应该是用一个简单的0/1开关通知TickAnnounce来完成；TickAnnounce里不可以出现任何打印，必要时可以有极少发生的msgq_send,计数器的读出，也应该尽量由TickAnnounce写入特定的内存后，应用从对应内存块获取。

做完上面的工作，我们就有了个CPU Utilization工具了。接着，我们需要定义一个策略，让系统自动定期检测高负载任务或是中断处理。哥喜欢用过载门限来决定是否有异常，就是额外增加一个总TickAnnounce计数，在总TickAnnounce进入一个门限区间时，连续检查每次Tick计数对象，当达到过载门限时，TickAnnounce即记录当前模式及任务堆栈信息。跟coredump所不同的是，不能只抓一次现场，而需要抓很多次。当然，还有处理超过统计区间后，重新开始统计，否则因为时间跨度变大后，峰值数据就不明显了！

这时候，我们又要用SRAM了。嗯，SRAM真的是太重要了，哥做的很多嵌入式系统都离不开它！
为啥不能用RAM呢？TickAnnounce肯定不能写flash，不解释，不懂的回头看上面。写内存是挺好的，但那样又有什么用呢，系统都挂起了，RAM里的内容，也没法看啊，最后只能是白忙活了！写SRAM就不一样了，系统只有不掉电，总还是在那，系统重启后，想怎么读出来都成。

哦，好像忘记说，抓n多次现场后，记得触发CPU复位！当然，如果系统有狗，那就在被狗咬死前，尽可能多的抓取现场信息。

后记：
1，SRAM总是很有限的，才数K空间，记得这个和coredump不会同时发生，要重用那个空间；
2，堆栈完整信息，一次就能填满SRAM，这当然不行，抓取时，应该只关注顶部的数个函数调用，一般3～4个(一次现场大概16~20个字节)就足够勾画出程序调用关系了！

 

下次，要讲讲内存泄漏或是动态加载、动态不定等问题。