《嵌入式Linux与物联网软件开发——C语言内核深度解析》一2.7 技术升级:用宏定义来完成位运算

简介:

本节书摘来自异步社区《嵌入式Linux与物联网软件开发——C语言内核深度解析》一书中的第2章,第2.7节,作者朱有鹏 , 张先凤,更多章节内容可以访问云栖社区“异步社区”公众号查看。

2.7 技术升级:用宏定义来完成位运算

在Linux内核源码中有很多函数,你一层一层地查看进去,会发现其最终实现其实是一些宏构成的。本节举几个用宏实现位运算的例子。

2.7.1 直接用宏来置位

用宏定义将一个32位二进制数x的第n位(从右边起算,也就是bit0算第1位)置位。

显然,这个宏含有两个参数,即x和n,所以其模型为 #define SET_BIT_N(x,n) xxx。

对其某一位置位,我们可以将该位和1相或,其他位和0相或即可,所以得到x | (1<<(n-1))。

所以该宏为#define SET_BIT_N(x,n) ((x) | (1<<((n)-1)))。

2.7.2 直接用宏来复位

用宏定义将一个32位二进制数x的第n位(右边起算,也就是bit0算第1位)清零。

显然,这个宏含有两个参数,即x和n,所以其模型为 #define CLR_BIT_N(x,n) xxx。

对其某一位清零,我们可以将该位和0相与,其他位和1相与即可,所以得到x & ~(1<<(n-1))。

所以该宏为#define CLR_BIT_N(x,n) ((x) & ~(1<<((n)-1)))

2.7.3 截取变量的部分连续位

这个宏比较复杂,我们单独拿出来分析它。相信有了上面几节的学习,理解起来也不会难。该宏实现的是截取指定的连续位(n~m)作为一个新的值。例如变量0x88,也就是0b10001000,若截取第2~4位(bit0为第一位),则值为0b100 = 4。

define GETBITS(x, n, m) ((x & ~(~(0U)<<(m-n+1))<<(n-1)) >> (n-1))

我们看到上面这么一个复杂的宏怎么分析呢?提取对应的括号,将对应的括号分离出来,从最里边开始分析,然后将最里边视为一个整体,一层一层地向外边扩展分析。

分析:((x & ~(~(0U)<<(m-n+1))<<(n-1)) >> (n-1)) 提取最里边的括号对便是~(0U)<<(m-n+1),然后一层一层地往外面分析,如下所示。


d9842bf5fb0559d2945353cf4f3bede0f5048e1d

到目前,已经构造出来了bitn~bitm连续为1,其余位都为0的数。由前面的几节可知,将这个数与操作数x相与即可从操作数x截取到bitn~bitm位为原数不变,其余位全为0的数。假设该数为Y。
Y = (x & ~(~(0U)<<(m-n+1))<<(n-1))
AI 代码解读

然后只要再将Y右移位(n-1),即可得到以bitn~bitm构成的新数。

课后题
1.嵌入式系统中常常要求用户对变量或者寄存器进行位操作,下面的函数分别用于设置和清除变量a的第5位,请使用下面宏定义bit5,按要求对变量a进行相应的处理,在函数set_bit5中,用位或赋值操作(|=)设置变量a的第5位。在函数clear_bit5中,用位与赋值操作(&=)清除变量a的第5位。(软考题)

define BIT5 (0X01<<5)

static int a;

void set_bit(void)
{

______;
AI 代码解读

}
void clear_bit5(void)
{

______;
AI 代码解读

}
2.请描述如下位操作的作用。

a |= (1 << 3); 

a |= (0b11111 << 3); 或a |= (~((~0) << 5) << 3);

a &= ~(1 << 15);

a &= ~(0b111111111 << 15); 或a &= ~(~((~0) << 9) << 15);

a &= (0b111111 << 3); 或a &= (~((~0) << 6) << 3);   

3.请解释如下两个宏的含义。

#define SET_NTH_BIT(x, n) (x | ((1U)<<(n-1)))

#define CLEAR_NTH_BIT(x, n) (x & ~((1U)<<(n-1)))

4.截取变量的部分连续位,例如变量0x88, 也就是10001000,若截取第2~4位,则值为010 = 2,最右边从第0位算起,假设m=4,n=2。

本文仅用于学习和交流目的,不代表异步社区观点。非商业转载请注明作译者、出处,并保留本文的原始链接。

相关实践学习
钉钉群中如何接收IoT温控器数据告警通知
本实验主要介绍如何将温控器设备以MQTT协议接入IoT物联网平台,通过云产品流转到函数计算FC,调用钉钉群机器人API,实时推送温湿度消息到钉钉群。
阿里云AIoT物联网开发实战
本课程将由物联网专家带你熟悉阿里云AIoT物联网领域全套云产品,7天轻松搭建基于Arduino的端到端物联网场景应用。 开始学习前,请先开通下方两个云产品,让学习更流畅: IoT物联网平台:https://iot.console.aliyun.com/ LinkWAN物联网络管理平台:https://linkwan.console.aliyun.com/service-open
目录
打赏
0
0
0
0
1819
分享
相关文章
穿戴科技新风尚:智能服装设计与技术全解析
穿戴科技新风尚:智能服装设计与技术全解析
200 85
HarmonyOS Next~鸿蒙AI功能开发:Core Speech Kit与Core Vision Kit的技术解析与实践
本文深入解析鸿蒙操作系统(HarmonyOS)中的Core Speech Kit与Core Vision Kit,探讨其在AI功能开发中的核心能力与实践方法。Core Speech Kit聚焦语音交互,提供语音识别、合成等功能,支持多场景应用;Core Vision Kit专注视觉处理,涵盖人脸检测、OCR等技术。文章还分析了两者的协同应用及生态发展趋势,展望未来AI技术与鸿蒙系统结合带来的智能交互新阶段。
105 31
深入解析Tiktokenizer:大语言模型中核心分词技术的原理与架构
Tiktokenizer 是一款现代分词工具,旨在高效、智能地将文本转换为机器可处理的离散单元(token)。它不仅超越了传统的空格分割和正则表达式匹配方法,还结合了上下文感知能力,适应复杂语言结构。Tiktokenizer 的核心特性包括自适应 token 分割、高效编码能力和出色的可扩展性,使其适用于从聊天机器人到大规模文本分析等多种应用场景。通过模块化设计,Tiktokenizer 确保了代码的可重用性和维护性,并在分词精度、处理效率和灵活性方面表现出色。此外,它支持多语言处理、表情符号识别和领域特定文本处理,能够应对各种复杂的文本输入需求。
148 6
深入解析Tiktokenizer:大语言模型中核心分词技术的原理与架构
RTSP协议规范与SmartMediaKit播放器技术解析
RTSP协议是实时流媒体传输的重要规范,大牛直播SDK的rtsp播放器基于此构建,具备跨平台支持、超低延迟(100-300ms)、多实例播放、高效资源利用、音视频同步等优势。它广泛应用于安防监控、远程教学等领域,提供实时录像、快照等功能,优化网络传输与解码效率,并通过事件回调机制保障稳定性。作为高性能解决方案,它推动了实时流媒体技术的发展。
Android调试终极指南:ADB安装+多设备连接+ANR日志抓取全流程解析,覆盖环境变量配置/多设备调试/ANR日志分析全流程,附Win/Mac/Linux三平台解决方案
ADB(Android Debug Bridge)是安卓开发中的重要工具,用于连接电脑与安卓设备,实现文件传输、应用管理、日志抓取等功能。本文介绍了 ADB 的基本概念、安装配置及常用命令。包括:1) 基本命令如 `adb version` 和 `adb devices`;2) 权限操作如 `adb root` 和 `adb shell`;3) APK 操作如安装、卸载应用;4) 文件传输如 `adb push` 和 `adb pull`;5) 日志记录如 `adb logcat`;6) 系统信息获取如屏幕截图和录屏。通过这些功能,用户可高效调试和管理安卓设备。
可穿戴设备如何重塑医疗健康:技术解析与应用实战
可穿戴设备如何重塑医疗健康:技术解析与应用实战
66 4
AI技术如何重塑客服系统?解析合力亿捷AI智能客服系统实践案例
本文探讨了人工智能技术在客服系统中的应用,涵盖技术架构、关键技术和优化策略。通过感知层、认知层、决策层和执行层的协同工作,结合自然语言处理、知识库构建和多模态交互技术,合力亿捷客服系统实现了智能化服务。文章还提出了用户体验优化、服务质量提升和系统性能改进的方法,并展望了未来发展方向,强调其在客户服务领域的核心价值与潜力。
101 6
静态IP代理与动态IP代理:提升速度与保障隐私的技术解析
本文探讨了静态IP代理和动态IP代理的特性和应用场景。静态IP代理通过高质量服务提供商、网络设置优化、定期更换IP与负载均衡及性能监控提升网络访问速度;动态IP代理则通过隐藏真实IP、增强安全性、绕过封锁和提供独立IP保障用户隐私。结合实际案例与代码示例,展示了两者在不同场景下的优势,帮助用户根据需求选择合适的代理服务以实现高效、安全的网络访问。
67 1
基于 Megatron 的多模态大模型训练加速技术解析
Pai-Megatron-Patch 是一款由阿里云人工智能平台PAI 研发的围绕英伟达 Megatron 的大模型训练配套工具,旨在帮助开发者快速上手大模型,打通大模型相关的高效分布式训练、有监督指令微调、下游任务评估等大模型开发链路。本文以 Qwen2-VL 为例,从易用性和训练性能优化两个方面介绍基于 Megatron 构建的 Pai-Megatron-Patch 多模态大模型训练的关键技术

物联网

+关注

相关产品

  • 物联网平台
  • AI助理

    你好,我是AI助理

    可以解答问题、推荐解决方案等