Arm Cortex-M微控制器上裸机与FreeRTOS在IoT和TinyML应用中的内存效率与可扩展性权衡:一项系统性文献综述

《Electronics》:Memory Efficiency and Scalability Trade-Offs Between Bare-Metal and FreeRTOS on Arm Cortex-M Microcontrollers for IoT and TinyML Applications: A Systematic Literature Review

【字体: 大 中 小 】 时间:2026年10月24日 来源:Electronics 2.9

编辑推荐:

  在嵌入式开发中,裸机超级循环(bare-metal super-loop)与轻量级实时操作系统(RTOS)之间的选择历来是非正式作出的。随着TinyML推理和硬截止期传感器任务等并发工作负载被整合到单个微控制器上,这一选择日益决定截止期能否满足以及哪些模型能装

  
在嵌入式开发中,裸机超级循环(bare-metal super-loop)与轻量级实时操作系统(RTOS)之间的选择历来是非正式作出的。随着TinyML推理和硬截止期传感器任务等并发工作负载被整合到单个微控制器上,这一选择日益决定截止期能否满足以及哪些模型能装入内存,因此需要系统性评估。本综述综合了2018年至2025年间发表的嵌入式系统研究,围绕内存足迹、执行确定性和堆碎片化三个维度,考察裸机实现与FreeRTOS之间的权衡;FreeRTOS被严格视为一种微内核与调度器。研究范围有意限定于Arm Cortex-M类设备和FreeRTOS,以便所测得的开销可单独归因于调度,而非伴随的中间件生态系统。通过综合内核设计规范和所报告的测量结果,研究人员估计,一个有代表性的五任务部署在分配应用程序数据之前会产生约20–40 KB的RAM开销;该估计源自设计规范和架构分析,而非实测常数,并且在TensorFlow Lite Micro张量竞技场(Tensor Arena)已经占据大量RAM的设备上具有重要影响。可抢占调度提供了有界的任务激活延迟,而一旦长且不可分解的计算进入循环体,协作式循环无法保证这种延迟;不过无论采用何种调度模型,硬件中断都会抢占超级循环。动态堆分配引入了运行时不可预测性,而完全静态的FreeRTOS构建可以像裸机一样完全避免这种风险。研究人员将这些发现整合为一个可扩展性交叉启发式规则和一个决策矩阵(Decision Matrix),其关键参数是保留张量竞技场后可用的RAM。由此得到的阈值——大约两个并发实时任务以及约占非竞技场RAM一半的开销比例——仅作为指示性设计指导,需要在硬件上进行经验校准,而非普遍适用的极限。
1. 引言
嵌入式开发中裸机超级循环与轻量级实时内核的选择历来依赖工程师经验。随着Arm Cortex-M微控制器同时承担TinyML推理、无线通信栈和硬截止期传感器任务,软件结构不再是实现细节,而决定截止期能否稳定满足以及模型能否装入内存。本文将FreeRTOS严格视为微内核与调度器,并以系统文献综述、可扩展性交叉模型和决策矩阵作为贡献。

2. 背景
2.1 裸机超级循环模型
裸机固件直接运行于硬件,标准结构为超级循环。朴素形式中每个工作块需运行完毕;状态机形式则将长计算分解为有界步骤以恢复响应性。TinyML推理通常由TensorFlow Lite Micro(TFLM)入口一次执行全部算子,难以自动分解。硬件中断可抢占循环,直接内存访问和硬件加速器可减轻长计算对其他任务的影响。该模型优点是静态内存布局、无调度开销;缺点是活动增多时循环成为时序依赖单点。

2.2 FreeRTOS作为微内核与调度器
FreeRTOS提供任务调度、时间管理、任务间通信和内存分配,不包含驱动模型、网络栈或文件系统;内核核心约占8–12 KB Flash和1–2 KB RAM,因此其成本可被隔离分析。

2.3 可抢占与协作调度
FreeRTOS默认可抢占,高优先级任务可立即抢占低优先级任务,从而在长推理期间保证硬截止期任务的响应;代价是上下文切换开销和每任务栈及任务控制块(TCB)内存。

2.4 TinyML与TFLM张量竞技场
TFLM从静态预分配的张量竞技场(Tensor Arena)分配中间激活和持久张量,避免通用堆。竞技场是TinyML应用的主要RAM占用,且与调度模型无关;在Cortex-M4类平台上评测的三个模型分别需要9.04 KB、12.80 KB和81.79 KB框架内存。

2.5 为什么FreeRTOS≠Zephyr的框架重要
若将FreeRTOS当作完整OS栈,测得开销会包含裸机开发者不会编写的组件;微内核框架使开销可归因于调度本身。

2.6 栈共享与任务模型权衡
FreeRTOS为每个任务分配私有栈,因为任务可在任意点阻塞。栈资源策略在受限任务模型下允许多任务共享单一运行时栈,但要求任务一次性运行完成且不允许自挂起,编程纪律更严格。因此每任务栈开销是FreeRTOS执行模型的性质,而非可抢占调度的必然代价。

3. 综述方法
综述遵循PRISMA 2020声明和PRISMA-S扩展,未预先注册。三个研究问题分别针对内存与碎片化、确定性与延迟、TinyML可扩展性。检索了IEEE Xplore、ACM数字图书馆、Scopus、ScienceDirect和Google Scholar五个数据库,时间限定2018–2025,语言限定英文。纳入标准要求研究针对资源受限微控制器并报告相关属性的定量结果或权威规范;排除应用级处理器、仅桌面/服务器推理或无提取信息的研究。最终纳入17篇文献。数据由两名研究人员独立提取,因异质性采用叙述性综合而非元分析,并通过来源分类与质量评估体现证据权重。

4. 结果
4.1 RQ1: 内存足迹与碎片化
内核静态数据足迹为1–2 KB RAM,但运行配置中的内核核心为2–3 KB。每任务携带TCB和私有栈,栈需按最深调用链包括中断嵌套来设置。五任务部署在分配应用数据前累计约20–40 KB RAM开销,这是由规范推导的估计。在128–256 KB RAM且视觉模型占用81.79 KB竞技场的设备上,内核开销会减少可部署的最大模型。FreeRTOS提供五种堆分配器,常用heap_4合并相邻空闲块但不保证运行时确定性;静态配置(configSUPPORT_STATIC_ALLOCATION)可移除堆分配器,使FreeRTOS具有与裸机相同的链接时内存保证。

4.2 RQ2: 确定性与中断延迟
中断响应分为硬件中断延迟(Cortex-M4零等待状态下有界为12周期,尾链为6周期)、激活延迟、上下文切换时间和总响应时间。由于无法将先前归因的约223周期追溯为直接报告值,该数字已撤回;来源支持的是可抢占内核在中断处理程序内几微秒内恢复等待任务。可抢占调度提供有界激活延迟;协作循环对循环级工作无此保证,但硬件中断在任何模型下都可抢占循环,状态机循环可恢复部分响应性。

4.3 RQ3: TinyML可扩展性
TFLM从静态竞技场分配,内存成本与调度模型基本无关。调度模型决定推理能否与截止期任务并发而不错过截止期。裸机下未修改的TFLM调用在任务级不可抢占,可手动分解但需工程成本;FreeRTOS下推理作为任务可被高优先级任务抢占,以每任务RAM开销换取并发性。

5. 可扩展性交叉模型
定义N为并发实时任务数,A为竞技场大小,M为总RAM,D为应用数据RAM。开销函数为O(N)=Rk+N·c+N·s+q(N)+a,其中Rk为内核核心RAM(2–3 KB),c为每任务TCB(约0.1 KB),s为平均每任务栈(3–6 KB),q(N)为队列、信号量和互斥量RAM,a为分配器元数据(2–4 KB,静态构建为零)。采用中点时O(N)≈5.5+5.0N KB,五任务为30.5 KB。余量H=M?A?D,开销比例Φ=O(N)/(M?A)。采用FreeRTOS的条件为N≥N0、Φ≤Φmax且O(N)≤H,其中N0≈2,Φmax≈0.5。时间可行性方面,可抢占调度使用响应时间分析Ri=Ci+Bi+Σ?Ri/Tj?(Cj+Δj);协作超级循环要求ΣCi≤min Di。对Φmax从0.3到0.7的敏感性分析显示,定性区间基本保持,但中间带宽度变化超过两倍。

6. 决策矩阵
决策矩阵以任务数、非竞技场RAM(M?A)、是否存在推理和硬截止期任务为键给出建议。部分行对Φmax敏感,例如三任务系统在Φmax=0.5时需要41.0 KB非竞技场RAM,在Φmax=0.3时需要68.3 KB,因此在20–40 KB区间内建议会随阈值改变。矩阵用于快速识别项目所处区间,仍须用项目自身数值检查余量约束和时间条件。

7. 有效性威胁
构念效度方面,各研究测量方式不同,需要解释;内部效度方面,阈值N0和Φmax是估计而非实验导出,模型未经硬件验证;外部效度方面,结论限于Arm Cortex-M和FreeRTOS,不适用于其他中断模型、应用级处理器、完整OS栈或实现栈共享的内核;搜索与选择效度方面,仅检索五个数据库、无灰色文献、未纳入“microprocessor”术语、单评审员筛选且部分选择记录未保留;结论效度方面,直接比较研究数量少,定量主张应视为有支持的集中趋势。

8. 讨论
文献直接支持内核静态足迹、每任务开销主导运行时成本、可抢占内核有界响应、heap_4无确定性保证以及竞技场大小强依赖模型。研究人员的解释包括:关键量是每任务开销而非内核足迹;确定收益限于任务激活延迟且可通过状态机循环部分获得;碎片化是动态分配配置的属性,静态构建可恢复链接时保证。交叉启发式和决策矩阵是本文贡献,阈值是判断而非验证规则。减小竞技场的技术通过减小A移动交叉边界;栈共享技术通过减小O(N)移动边界。

9. 结论
结论为:每任务RAM开销与竞技场竞争,决定可部署模型;可抢占调度提供有界激活延迟,但优势比先前文献所认为的更窄;碎片化非确定性是动态分配配置的属性,完全静态构建可恢复裸机级保证。实践指导不对称:低于约两个并发实时任务或非竞技场RAM为个位数KB时裸机占优;高于该点且推理与截止期工作竞争时,内核通常值得。未来需要验证交叉边界、在实时TinyML负载下测试碎片化、扩展能量成本和栈共享内核的比较。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号