Embedded Rust 第一步：选择一块板子

内容整理自 robyoung (Rob Young) 的文章：First steps with Embedded Rust: Selecting a board

有这么多令人眼花缭乱的微控制器和项目，对于嵌入式经验很少的人来说应该从哪里开始？

我们在开发板中想要什么？

• 良好的架构支持
• 良好的芯片支持
• 活跃的社区
• 内置调试器

我们需要什么架构？

拥有最完整库、最详尽指南和最大社区的架构是 ARM Cortex-M。 ARM Cortex-M 是面向微控制器应用的低功耗、低成本处理器。 查看 crates.io 上的下载量虽说不是一个完美的指标，但可以让我们了解规模上的差异。在过去的 90 天内，cortex-m 的下载量超过 250k。 RISC-V、AVR 或 Xtensa 最多有 3k 次下载，cortex-a 有大约 18k 次下载。ARM Cortex-M 独树一帜。

• AVR：AVR 是用于嵌入式系统的 8 位微控制器系列。在 Rust 生态系统中，它们并没有得到很好的支持。直到最近，还需要使用 rustc 的一个分支来构建 AVR。 现在有几个不同的选择，awesome-avr-rust 是一个很好的起点。
• ARM Cortex-A：更强大的多核 ARM 处理器，专为运行更大的东西而设计。 通常会在它们上运行完整的操作系统。 例如这是大多数智能手机和掌上游戏机中使用的架构。查看 cortex-a - crates.io: Rust Package Registry 了解更多。
• RISC-V：似乎是机器架构的新热点，它是一种免费且开放的指令集架构 (ISA)。 它也从一开始就被设计成模块化的，这意味着芯片设计人员可以创建各种各样的专用芯片，虽然目前开发板的范围很小。有一个活跃的 Rust RISC-V 社区，SiFive 或 www.riscv.org 都是不错的起点，Rust 方面，可以查看 riscv crate。
• Xtensa：最受欢迎的主板组是来自 Espressif 的 ESP32 系列芯片。它们是小型、廉价、支持 WiFi 的电路板。 需要注意的是，并非所有 ESP32 开发板都使用 Xtensa 芯片，新的 ESP32-C3 是基于 RISC-V 的。在 Xtensa 芯片上使用 Rust 的最大障碍可能是 llvm 不支持它，因此需要构建 Rust 的 fork：esp-rs/rust。

我们需要什么芯片？

因此，我们将使用 ARM Cortex-M。 这缩小了搜索范围，但仍有很多选择。如果我们查看 cortex-m crate 的依赖项，我们会看到有两组芯片比其他任何一组都使用得更多； STM32 系列芯片和 nRF5 系列，这是我们要重点搜索的地方。

• STM32：STM32 系列芯片可能是应用最广泛的嵌入式 Rust ARM Cortex-M 芯片。两种最受欢迎的 STM32 板是 Blue Pill 和 Black Pill。主要的缺点是没有板载调试器。如果想要带有调试器的基于 STM32 的电路板，那么获得 STMicroelectronics 官方套件是一个不错的选择（STM32F3 或 STM32F4 是不错的选择）。Rust Embedded Discovery 书的原始版本是针对 STM32F3 板编写的，因此有非常高质量的初学者文档，可以从那里开始。
• nRF5：用于嵌入式 Rust 的第二个最广泛使用的 ARM Cortex-M 芯片系列是 Nordic Semiconductor 的 nRF5 系列。官方开发套件 (DK) 是很棒的入门板。 Ferrous Systems 的 Knurling-rs 会议使用 nRF52840 开发套件。Knurling 课程质量非常高，手把手指导，通过有趣好玩的项目教授嵌入 Rust，是使用 Rust 进行嵌入式开发的最佳切入点。另一个很棒的基于 nRF 的开发板是 BBC micro:bit。它配备了板载调试器和一系列有趣的板载外围设备，如板上的 LED 显示屏、按钮和传感器。BBC micro:bit 被设计为一个教育平台，因此硬件在他们的开发者社区中以非常适合初学者的方式进行记录，并且互联网上有大量项目创意。
• RP2040：RP2040 于 2020 年底发布，是 Raspberry Pi 基金会首次尝试设计自己的芯片。由于如此新，Rust 对它的支持仍在开发中。与 BBC micro:bit 一样，RP2040 旨在成为一个教育平台，因此硬件文档是一流的，并且有大量初学者友好的代码示例和其他编程语言的库（没有多少适合初学者的嵌入式 Rust 文档）。这是一个非常令人兴奋的平台，并且在 Embedded Rust 社区中围绕它进行了大量活动，所以一定要密切关注，但它可能不适合作为入门第一块板。

板载调试器？

在主机上运行程序时，可以在 shell 中运行它并查看打印输出。这在嵌入式目标上更加困难，调试器填补了这一空白。除了允许单步调试、断点调试外，它还允许将程序加载到设备上并轻松查看输出。不过有一个问题，它通常是连接到主机然后连接到目标设备的单独设备。第一次开始时，这是一笔不可忽视的费用，也是必须正确设置的另一件事。幸运的是，有些设备带有内置调试器，将它们直接插入主机并在瞬间探测运行的代码（通常需要在主机上进行一些设置才能使调试器正常工作，ferrous 有一个很好的设置指南）。

结论

以下这些板都有很棒的 HAL 和 BSP crate、活跃友好的社区和板载调试器。

• BBC micro:bit（约 13 英镑）：它是新版 Rust Embedded Discovery 书中使用的板。
• nRF52840 开发套件（约 35 英镑）； 它是 Ferrous Systems 在 Kunrling 会议和培训中使用的板。
• STM32F3 探索套件（约 14 英镑）； 它是 Rust Embedded Discovery 书的第一版中使用的板。

密切关注：

• Raspberry Pi Pico（约 6 英镑，带预焊引脚）； ARM Cortex-M 但没有内置调试器，HAL 仍在开发中。不过目前有很多活动，进展很快。
• HiFive1 Rev B（约 50 英镑）； RISC-V 是新的热点。 Rust 中似乎有很多围绕它的活动，但它目前还没有 ARM Cortex-M 的支持。 其他需要关注的开发板是 Logan Nano 和 ESP32-C3。

部分内容略有轻微调整，更多可阅读原文：Rob Young | digital

Tangram：训练、部署和监控机器学习模型

一个机器学习套件，使用方法如下：

# 训练
$ tangram train --file heart_disease.csv --target diagnosis --output heart_disease.tangram

推理支持多种语言：Elixir, Go, JavaScript, Python, Ruby 和 Rust，以 Rust 为例：

let model: tangram::Model = tangram::Model::from_path("heart_disease.tangram", None).unwrap();

let input = tangram::predict_input! {
  "age": 63.0,
  "gender": "male",
  // ...
};

let output = model.predict_one(input, None);
# { className: 'Negative', probability: 0.9381780624389648 }

很好奇训练的时候居然没有要指定模型，发现其将模型共分为三类：回归、二分类和多分类，训练时会根据数据自动选择合适（使用评估方法）的模型，每种模型又有两种不同的训练方法：线性方法和树方法。

自带的监控功能看起来还不错，比如下面这张可以展示特征对输出的贡献：

项目理论上可以用在简单机器学习场景下，尤其是那些还没有支持机器学习的语言，不过推理并没有 Benchmark，生产中使用需要做好性能测试。

GitHub：tangramdotdev/tangram: Tangram makes it easy for programmers to train, deploy, and monitor machine learning models.

文档：Tangram

lateral：一个在 x86_64 上启动的模块化内核

在本地执行：

$ make run-release ARCH=x86_64

可以根据自己的情况调整 Makefile 第一行 Bash 的配置。执行后如果有安装 QEMU 的话会自动加载：

每个组件都建立在窗口管理器之上，而不是像大多数操作系统那样建立在终端之上。

GitHub：carterisonline/lateral: A clean, custom-built modular kernel ready to boot on x86_64.

tv：显示表格的 cli 工具

就是把 json 或 csv 显示成表格，看起来很不错：

$ cat test.json
[
  {
    "name": "test",
    "age": 10,
    "lang": "ja"
  },
  {
    "name": "uzimaru",
    "age": 23,
    "lang": "ja"
  },
  {
    "name": "hogehoge",
    "age": 21,
    "lang": "en"
  },
  {
    "name": "hugehuge",
    "age": 32,
    "lang": "en"
  }
]

$ tv test.json
|age|lang|    name|
|---|----|--------|
| 10|  ja|    test|
| 23|  ja| uzimaru|
| 21|  en|hogehoge|
| 32|  en|hugehuge|

$ cat test.csv
name,age,lang
test,10,ja
uzimaru,23,ja
hogehoge,21,en
hugehuge,32,en

$ tv test.csv
|age|lang|    name|
|---|----|--------|
| 10|  ja|    test|
| 23|  ja| uzimaru|
| 21|  en|hogehoge|
| 32|  en|hugehuge|

Mac 用户 brew 安装：

$ brew install uzimaru0000/tap/tv

GitHub：uzimaru0000/tv: CLI tool for displaying table

minesweeper：使用 Rust，WebAssembly 和 Canvas 的扫雷游戏

界面长这样：

是很好的学习资料。在这里玩儿：Minesweeper

GitHub：KarthikNedunchezhiyan/minesweeper: Minesweeper game developed with Rust, WebAssembly (Wasm), and Canvas

copy-translator：划词翻译

复制后翻译，使用 DeepL 的 API，不过目前只有 Local 版本好用：

当然，也可以使用 Eudic（欧路词典）。

GitHub：zu1k/copy-translator: Copy Translator, using DeepL api

veccentric：小巧的 2-D 向量 Library

项目受 p5.Vector 启发，使用方法如下：

use veccentric::Vecc;

let a = Vecc::new(3_i32, 4);
let b = a * 5;
let c = Vecc::new(-10, -8);
let d = b - c;
let e = -d;

GitHub：micouy/veccentric: Tiny 2D vector library. Inspired by p5.js's p5.Vector.

---

From 日报小组 长琴

社区学习交流平台订阅：

• Rustcc 论坛：支持 rss
• 微信公众号：Rust 语言中文社区