RTOS 任務狀態與調度機制詳解

一、任務狀態概述

在實時操作系統(RTOS)中,任務通常具有以下幾種基本狀態:

  • Running(運行態):任務正在 CPU 上實際執行。單核系統中同一時刻最多只有一個任務處于運行態。

  • Ready(就緒態):任務已具備執行條件,等待被調度器選中并獲得 CPU 使用權。

  • Blocked(阻塞態):任務因等待外部事件(如延時、信號量、消息等)而無法繼續執行,主動讓出 CPU。

  • Suspended(掛起態):任務被強制暫停,不參與任何調度,必須顯式恢復才能回到就緒態。

二、各狀態詳解與轉換關系

1. Running(運行態)

  • 含義:任務正在 CPU 上執行。

  • 轉換條件

    • 由就緒態被調度器選中進入運行態。

    • 可因時間片用完、被更高優先級任務搶占或主動阻塞而離開運行態。

2. Ready(就緒態)

  • 含義:任務已準備好,等待調度器分配 CPU。

  • 轉換條件

    • 由阻塞態(事件發生)、掛起態(被恢復)或任務創建時進入。

    • 被調度器選中后進入運行態。

3. Blocked(阻塞態)

  • 含義:任務等待某一事件(如延時、信號量、消息等),期間不占用 CPU。

  • 轉換條件

    • 由運行態主動調用阻塞類函數(如?vTaskDelay())進入。

    • 等待的事件發生后回到就緒態。

4. Suspended(掛起態)

  • 含義:任務被強制暫停,不參與調度。

  • 轉換條件

    • 由其他任務調用?vTaskSuspend()?進入。

    • 由其他任務調用?vTaskResume()?恢復至就緒態。

三、狀態轉換流程圖示意

text

[任務創建] → [Ready] → [Running] ↓          ↑          ||          |          ↓
[Suspended] ← [Blocked] ← [主動阻塞或事件等待]

四、調度機制詳解

1. 調度原則

  • 相同優先級的任務按時間片輪流執行(Round-Robin)。

  • 高優先級任務可搶占低優先級任務。

  • 多個最高優先級任務并存時,它們之間輪流執行。

2. 就緒隊列與鏈表結構

RTOS 使用數組(或鏈表)管理就緒任務,每個優先級對應一個鏈表,鏈表中存儲該優先級下所有就緒任務的 TCB(任務控制塊)。

  • pxCurrentTCB?指針指向當前正在運行的任務的 TCB。

  • 新創建的任務通過尾插法加入對應優先級的就緒鏈表。

3. 調度過程

  • 調度器從最高優先級向下查找第一個非空就緒鏈表。

  • 從該鏈表中選取下一個任務(如使用時間片輪轉則選取下一個節點)。

  • 進行上下文切換,使該任務進入運行態。

4. 阻塞與延時機制

  • 調用?vTaskDelay()?會使任務從運行態進入阻塞態。

  • 任務被移至延遲鏈表,由 Tick 中斷定時檢查是否到期。

  • 到期后任務被重新移回就緒鏈表。

5. 掛起機制

  • 掛起的任務被移至掛起鏈表,不受 Tick 中斷影響。

  • 必須顯式調用?vTaskResume()?才能恢復至就緒態。

五、TCB 與任務句柄的關系

1. TCB(Task Control Block)

  • 是內核內部用于描述任務狀態的數據結構。

  • 包含棧指針、任務狀態、優先級、事件列表、延時信息等。

  • 對用戶不可見,由內核維護。

2. 任務句柄(Task Handle)

  • 是指向 TCB 的指針,作為用戶與內核交互任務的憑證。

  • 通過?xTaskCreate()?等函數返回,用于后續操作(如掛起、恢復、修改優先級)。

示例代碼:

c

TaskHandle_t xHandle;
xTaskCreate(vTask, "Task", 1024, NULL, 1, &xHandle);
// 此后可通過 xHandle 操作該任務

六、使用注意事項與常見誤區

1. 避免空循環延時

  • 在 RTOS 中,應使用?vTaskDelay()?而非?while(1)?進行延時。

  • 空循環會持續占用 CPU,導致低優先級任務無法執行,破壞系統實時性。

2. 狀態轉換需顯式調用

  • 阻塞、掛起等狀態轉換需通過相應 API 實現,不能直接修改 TCB。

3. 優先級設置需合理

  • 過高優先級可能導致低優先級任務饑餓;過低可能無法及時響應。

七、總結

狀態是否消耗 CPU是否參與調度進入原因離開條件
Running不適用被調度器選中時間片到/被搶占/主動阻塞
Ready事件發生/被恢復/任務創建被調度器選中
Blocked主動等待事件事件發生
Suspended被其他任務掛起被其他任務恢復

理解任務狀態及其轉換機制是掌握 RTOS 多任務調度和資源管理的基礎。合理使用阻塞、掛起等功能,能顯著提升系統效率和實時性。

本文來自互聯網用戶投稿,該文觀點僅代表作者本人,不代表本站立場。本站僅提供信息存儲空間服務,不擁有所有權,不承擔相關法律責任。
如若轉載,請注明出處:http://www.pswp.cn/news/923642.shtml
繁體地址,請注明出處:http://hk.pswp.cn/news/923642.shtml
英文地址,請注明出處:http://en.pswp.cn/news/923642.shtml

如若內容造成侵權/違法違規/事實不符,請聯系多彩編程網進行投訴反饋email:809451989@qq.com,一經查實,立即刪除!

相關文章

TDengine 特殊選擇函數 UNIQUE 用戶手冊

UNIQUE 函數用戶手冊 函數定義 UNIQUE(expr)功能說明 UNIQUE() 函數返回指定列去重后的值,功能類似于 SQL 中的 DISTINCT 關鍵字。對于相同的數據值,UNIQUE 函數會返回時間戳最小的那一條記錄。該函數會跳過 NULL 值。 版本要求 最低版本: v3.0.0.0…

新零售第一階段傳統零售商的困境突破與二次增長路徑:基于定制開發開源AI智能名片S2B2C商城小程序的實踐探索

摘要:新零售第一階段,傳統零售商面臨同質化競爭、用戶消費意愿低迷、線上電商分流等核心困境。本文以定制開發開源AI智能名片S2B2C商城小程序為切入點,結合阿里巴巴、某知名連鎖零售企業等實踐案例,分析其通過“AI智能推薦供應鏈協…

Spark SQL 之 Join Reorder

參考鏈接 https://www.cnblogs.com/fxjwind/p/14768975.html join Reorder src/main/scala/org/apache/spark/sql/catalyst/optimizer/CostBasedJoinReorder.scala private def reorder(plan: LogicalPlan, output: Seq[Attribute]): LogicalPlan = {<

牛客周賽 Round 109

比賽鏈接&#xff1a;牛客競賽_ACM/NOI/CSP/CCPC/ICPC算法編程高難度練習賽_牛客競賽OJ A-小紅的直角三角形_牛客周賽 Round 109 簽到題&#xff1a;用勾股定理即可通過此題&#xff08;需要注意對共線情況的判斷&#xff09; 代碼&#xff1a; // Problem: 小紅的直角三角…

[deepseek]LNK2001錯誤即單獨編譯匯編并鏈接

方案一&#xff1a;使用預編譯的 .obj 文件&#xff08;最簡單&#xff09; 如果匯編代碼不常改動&#xff0c;這是最省事的方法。手動編譯一次&#xff1a; 打開命令行&#xff0c;切換到 spoof.asm 所在目錄。使用你已有的匯編器&#xff08;或者下載一個單獨的 MASM 版本&am…

php學習 (第六天)

虛擬主機 一.什么是虛擬主機&#xff1f; 1.1 概念虛擬主機&#xff08;Web Hosting&#xff09;英文&#xff1a;Web Hosting / Shared Hosting核心概念&#xff1a; 一臺服務器被切分給多個用戶&#xff0c;每個人只使用服務器的一部分資源&#xff08;CPU、內存、帶寬、存儲…

AcousticsML聲學機器學習翻譯教程二(特征提取Feature Etraction)

源自&#xff1a;https://github.com/RAMshades/AcousticsM 特征提取 特征是可測量的屬性&#xff0c;作為系統的輸入。這些輸入與特定數據樣本相關&#xff0c;機器學習模型可通過解讀這些特征來提供預測。特征通常具有獨立性&#xff0c;并能提供樣本的具體細節。音頻特征示例…

【論文閱讀】Beyond Text: Frozen Large Language Models in Visual Signal Comprehension

本論文研究了能否利用一個“凍結”的LLM&#xff0c;直接理解視覺信號&#xff08;即圖片&#xff09;&#xff0c;而不用在多模態數據集上進行微調。核心思想是把圖片看作一種“語言實體”&#xff0c;把圖片轉換成一組離散詞匯&#xff0c;這些詞匯來自LLM自己的詞表。為此&a…

The Oxford-IIIT寵物圖像識別數據集(753M)

0、引言博主研究生期間做的是人工智能領域相關的深度學習模型研究&#xff0c;早期還沒定題的時候調研了大量方向。眾所周知&#xff0c;模型性能的好壞很大程度上依賴于數據集&#xff0c;因此我當時也接觸了大量數據集&#xff0c;這陣子將這些數據集匯總整理了一下&#xff…

jdbc DAO封裝及BaseDAO工具類

DAO概念 DAO&#xff1a;Data Access Object&#xff0c;數據訪問對象。 Java是面向對象語言&#xff0c;數據在Java中通常以對象的形式存在。一張表對應一個實體類&#xff0c;一張表的操作對應一個DAO對象&#xff01; 在Java操作數據庫時&#xff0c;我們會將對同一張表的增…

大模型應用開發2-SpringAI實戰

SpringAI整合了大多數大模型&#xff0c;而且對于大模型開發的三種技術架構都有比較好的封裝和支持&#xff0c;開發起來非常方便。不同的模型能夠接收的輸入類型、輸出類型不一定相同。SpringAI根據模型的輸入和輸出類型不同對模型進行了分類&#xff1a; 大模型應用開發大多…

TDengine 時序函數 DIFF 用戶手冊

DIFF 函數用戶手冊 函數概述 DIFF 函數用于計算數據列中相鄰兩行數據的差值&#xff0c;通常用于分析數據的變化趨勢和增量。該函數特別適用于監控智能電表數據的變化模式。 語法 SELECT DIFF(column_name [, ignore_negative]) FROM table_name;參數說明 column_name: 數…

清除gradle緩存的某個依賴

要清除 Gradle 緩存中的某個特定依賴&#xff0c;可以按照以下步驟操作&#xff1a;找到依賴在緩存中的路徑 Gradle 緩存的默認位置&#xff1a; Windows: C:\Users\<用戶名>\.gradle\caches\modules-2\files-2.1 macOS/Linux: ~/.gradle/caches/modules-2/files-2.1 路徑…

機器人控制器開發(驅動層——伺服驅動canopen的sdo和pdo)

文章總覽 一、核心區別&#xff1a;一句話概括 ? ??SDO&#xff08;服務數據對象&#xff09;??&#xff1a;像 ??“問詢/設置”??。用于??點對點、非周期??的參數配置和讀取。例如&#xff0c;設置電機增益、讀取當前位置等。??速度慢&#xff0c;但確保數據準…

返利APP排行榜數據實時更新:基于 WebSocket 與 Redis 的高并發數據推送技術

返利APP排行榜數據實時更新&#xff1a;基于 WebSocket 與 Redis 的高并發數據推送技術 大家好&#xff0c;我是阿可&#xff0c;微賺淘客系統及省賺客APP創始人&#xff0c;是個冬天不穿秋褲&#xff0c;天冷也要風度的程序猿&#xff01; 在返利APP運營中&#xff0c;用戶對排…

[論文閱讀] 人工智能 + 軟件工程 | 告別冗余HTML與高算力消耗:EfficientUICoder如何破解UI2Code的token難題

告別冗余HTML與高算力消耗&#xff1a;EfficientUICoder如何破解UI2Code的token難題 論文信息信息類別具體內容論文原標題EfficientUICoder: A Dual-Modal Token Compression Framework for UI-to-Code Generation with Multimodal Large Language Models論文鏈接https://arxiv…

【STM32項目開源】STM32單片機智能語音風扇控制系統

目錄 一、設計背景和意義 1.1設計背景&#xff1a; 1.2設計意義&#xff1a; 二、實物展示 三、硬件功能介紹 2.1 硬件清單&#xff1a; 2.2 功能介紹&#xff1a; 四、軟件設計流程圖 五、硬件PCB展示 六、軟件主函序展示 七、單片機實物資料 資料獲取 查看主頁介…

git clone vllm

這個錯誤不是 vLLM 本身的問題&#xff0c;而是 pip 在 clone GitHub 倉庫時失敗了&#xff1a; error: RPC failed; curl 16 Error in the HTTP2 framing layer fatal: expected flush after ref listing根因通常是&#xff1a; 網絡問題&#xff08;訪問 GitHub 被中斷 / 代理…

光譜相機的新興領域應用

光譜相機在?新興領域?的應用正快速拓展&#xff0c;結合?AI、納米技術、量子傳感?等前沿科技&#xff0c;突破傳統檢測極限。以下是六大最具潛力的新興應用方向及技術突破點&#xff1a;?1. 元宇宙與數字孿生??應用場景?&#xff1a;?虛擬材質建模?&#xff1a;通過高…

深入理解數據結構之復雜度

文章目錄1.數據結構前言1.1 數據結構1.2 算法2.算法效率2.1 復雜度的概念2.2 復雜度的重要性3.1 大O的漸進表式法3.2 時間復雜度計算示例3.2.1 示例13.2.2 示例23.2.3 示例33.2.4 示例43.2.5 示例53.2.6 示例63.2.7 示例74.空間復雜度4.1 空間復雜度計算示例4.1.1 示例14.1.2 示…