【哨兵】编程思想——简化边界条件的处理

最新推荐文章于 2024-07-02 20:32:52 发布

_杰杰_

最新推荐文章于 2024-07-02 20:32:52 发布

阅读量2.7k

点赞数 3

分类专栏：编程思想文章标签：哨兵思想简化边界

本文链接：https://blog.csdn.net/jiejiemcu/article/details/100035714

版权

编程思想专栏收录该内容

2 篇文章

订阅专栏

本文深入解析哨兵思想在编程中的应用，特别是在数组和列表中如何简化边界条件处理，提升代码效率和健壮性。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

文章目录

读懂本文需要了解的知识点
- R14(LR)
- R15（PC）
LiteOS的哨兵思想
哨兵编程思想的引伸
哨兵思想在数组中的应用
总结：

读懂本文需要了解的知识点

cortex-m中常见的寄存器

R14(LR)

R14，LR，链接寄存器；主要作用就是保存子程序的返回地址，以便在执行完子程序时恢复现场；如果子程序多于1级，则需要把前一级的R14压入堆栈；
简单来说就是在cortex-m中，函数的返回是通过lr寄存器返回的

R15（PC）

R15为程序计数器（即PC），可以在程序里直接插入PC以跳转到相应的地址（不过不更新LR），如果修改它，就能改变程序的执行流。一般来说pc指向哪，程序就执行到哪。

LiteOS的哨兵思想

在rtos中，一般来说任务函数是不允许退出的，否则任务将通过lr寄存器返回。但在LiteOS中，系统在任务初始化时将任务的上下文初始化情况如下：r0寄存器被设置为任务的taskid ，pc寄存器被设置为osTaskEntry()，lr寄存器被设置为osTaskExit()。

VOID *osTskStackInit(UINT32 uwTaskID, UINT32 uwStackSize, VOID *pTopStack)
{
    ·····
	pstContext->uwR4  = 0x04040404L;
    pstContext->uwR5  = 0x05050505L;
    pstContext->uwR6  = 0x06060606L;
    pstContext->uwR7  = 0x07070707L;
    pstContext->uwR8  = 0x08080808L;
    pstContext->uwR9  = 0x09090909L;
    pstContext->uwR10 = 0x10101010L;
    pstContext->uwR11 = 0x11111111L;
    pstContext->uwPriMask = 0;
    
    pstContext->uwR0  = uwTaskID;
    
    pstContext->uwR1  = 0x01010101L;
    pstContext->uwR2  = 0x02020202L;
    pstContext->uwR3  = 0x03030303L;
    pstContext->uwR12 = 0x12121212L;
    
    pstContext->uwLR  = (UINT32)osTaskExit;
    pstContext->uwPC  = (UINT32)osTaskEntry;
    
    pstContext->uwxPSR = 0x01000000L;

    return (VOID *)pstContext;
}

在osTaskEntry()函数中会调用用户的任务函数主体 (VOID)pstTaskCB->pfnTaskEntry(pstTaskCB->uwArg)，并在返回（退出）后调用LOS_TaskDelete()删除自己，所以尽管lr寄存器被设置成了osTaskExit()，但实际上并不会真正返回到这个函数中，这就大大提高了代码的健壮性。当然这些操作对用户来说是不可见的，大家可以将osTaskEntr()函数理解为是哨兵，在用户函数退出的时候，哨兵发现了，就把自己删除掉而不是通过lr返回到osTaskExit()中。

LITE_OS_SEC_TEXT_INIT VOID osTaskEntry(UINT32 uwTaskID)	
{
	//这里可以看做是哨兵函数
    LOS_TASK_CB *pstTaskCB;

    OS_TASK_ID_CHECK(uwTaskID);

    pstTaskCB = OS_TCB_FROM_TID(uwTaskID);
    
   /* 在这里进入用户的任务主体中，一般不会返回退出 */
    (VOID)pstTaskCB->pfnTaskEntry(pstTaskCB->uwArg);

    g_usLosTaskLock = 0;
    
   /* 如果用户任务退出了，那么就在这里退出就把自己删除（哨兵发现了用户任务退出） */
    (VOID)LOS_TaskDelete(pstTaskCB->uwTaskID);
}

因为通过lr返回的函数，是不安全的，当然也可以在这个函数中将任务显式删除，RT-Thread就是这样子处理的，但哨兵函数的处理思想显然更高明。

LITE_OS_SEC_TEXT_MINOR VOID osTaskExit(VOID)
{
    __disable_irq();
    while(1);
}

不知道大家有没有看过《哪吒之魔童降世》，哨兵就有点像这两个结界兽，哪吒在里面怎么捣鼓无所谓，只要不越出结界就没有问题。
在这里插入图片描述

哨兵编程思想的引伸

虽然无论是通过lr退出后将任务显式删除，还是通过哨兵思想的处理，其最终的结果都是一样的，都是为了代码的健壮性。而这不是本文讨论的重点，我们要学会将哨兵思想运用在其他地方以完成需要的工作。

哨兵思想在数组中的应用

简单来说，在使用数组的时候，我们肯定要对数组限制对吧，不然数组下标越界就产生很大的问题，严重时导致系统崩溃。
那么举个《大话数据结构》的例子吧：
顺序查找一个数组，n为数组的长度，key为要查找的值（关键字）。

方法1

int Sequential_Search(int *a,int n,int key)
{
	//数组从0开始
	int i;
	for(i=0;i<=n;i++)
	{
		if(a[i]==key)
			return i;
	}
	return -1;       //返回-1就是查找失败
}

方法2

int Sequential_Search2(int *a int n,int key)
{
	int i=0;
	a[0]=key;       //哨兵
	i=n;
	while(a[i]!=key)
	{
		i--;
	}
	return i;       //返回0就是查找失败
}

在方法1中每次循环都需要对i进行是否越界的判断，而方法2查找方向的尽头设置哨兵元素，避免了查找过程中每次比较后都要判断查找位置是否越界的小技巧，看似与原先差别不大，但是总数据较多时，效率提高很明显，是非常好的编程技巧。当然，“哨兵”也不一定在数组开始，也可以在数组的末端甚至是任何位置。

哨兵思想在列表中的应用

双向链表 L，为了简化对边界条件的判断与维护，可以单独地生成一个结构对象与其他链表结点一致的结点L.sentinel，L.sentinel 作为该链表的哨兵变量。

L.sentinel.next 指向表头；
L.sentinel.prev 指向表尾；

当双向链表中不含哨兵L.sentinel时（需要维护一个L.head），插入链表（头部）的代码如下：

void list_insert(L, x)
{
	x.next = L.head;
	if(L.head != NULL)
	{
		L.head.prev = x;
	}
	L.head = x;
	x.prev = NULL;
}

正因为next域指向表头，在对链表处理的过程中可以省去头指针，直接用对哨兵的引用来代替对头指针的引用。
使用哨兵之后便可以省去条件判断语句：

void list_insert(L, x)
{
        x.next = L.sentinel.next;
        L.sentinel.next.prev = x;
        L.sentinel.next = x;
        x.prev = L.sentinel;
}

实际应用的情况

就拿图像处理来说吧，比如扫描一幅图像（假设是用二维数组存放），或者对图像帧进行滤波。一般来说查找某个点的特性，都会扫描该点的周围区域。
例如我要将图中的黑点过滤掉，那么我会对黑点周围的区域进行比较，会涉及到黑点的上下左右的数组（假设这图像是二维数组）。
在这里插入图片描述
那么假如黑点在边界呢？我们假设直接对这黑点周围的数组操作，必然产生越界，假如整个数组最大就是arr[8][4]，那么黑点的下方区域就是arr[4][5]了，直接操作就是越界了，因此这是不可取的，那么在程序中我们可能就是在边界进行判断，这样一来边界与非边界的处理就是不一样的代码了，对于写代码的人和读代码的人也是不友好。那么怎么办呢？我们可以使用哨兵思想，简化边界条件的处理条件。
在这里插入图片描述

简化边界的处理：

那么我们可以将图像的边界扩大（对用户是隐藏的边界）或者缩小处理的范围，我们就用第二种方法来简化边界，如下：
将整个图像（二维数组）arr[15][13]大小的数据进行简化边界，真正处理的区域就是arr[1][1]到arr[14][12]区域（浅色黑框），这些区域被定义为新的边界，即使在处理时遇到新的边界点arr[9][13]，也不需要判断是否越界，直接按照非边界点处理即可，因为真正的边界是arr[15][13]区域（深色加粗黑框）。同理对于扩大边界处理的思想也是一样的。

那为什么要怎么做呢？简单来说，就是为了更好写程序，让程序有更高的效率。

对于程序来说，它看不到边界，也就是没有边界这一说法，它认为所处理的区域就是正常区域，那么写程序就不需要考虑边界问题了，免去了边界的判断。假设这幅图像是非常大的，如果在每次处理的时候都要判断是否越界，必然影响效率，因此这种简化边界的思想会很好，能提高效率，但提高的效率还是有限的，只能是减小它的常数因子（系数），而不能改变时间复杂度的渐近确界。
在这里插入图片描述

总结：

哨兵基本不能降低数据结构相关操作的渐近确界，但其可以降低常数因子，就好比时间复杂度为O(n²)的算法，你即使再怎么使用哨兵思想，都没办法将它的时间复杂度变为O(n)。
哨兵的设计可以使得代码更简洁，可以省去一些由于边界环境不同而作出的特殊处理。
在某些情况下哨兵可以使得循环语句更紧凑，降低运行时间里 n 或者 n² 项的系数。