在嵌入式系统或工业控制等领域，串行通信（如uart、rs232/485）是设备间数据交换的常见方式。当应用程序涉及多个并发任务（线程）需要与同一个串行设备交互时，直接从不同线程操作串行端口会导致严重的问题。这并非因为位级别的混淆（操作系统内核驱动程序通常会处理底层i/o的原子性），而是因为大多数串行设备遵循严格的“请求-响应”协议，即设备在处理完一个请求并返回响应之前，无法处理新的请求。多线程同时发送请求会破坏这一协议，导致设备状态混乱或返回错误数据。因此，构建一个高级抽象层来管理串行端口的并发访问至关重要。
方案一：构建专用通信线程（基于队列）
这种方案的核心思想是引入一个独立的、专用的通信线程，作为所有串行I/O操作的唯一执行者。其他需要与串行设备通信的线程，不再直接操作串口，而是将它们的请求封装成消息，并通过一个共享的请求队列发送给这个通信线程。通信线程则按顺序处理这些请求，执行串口的写入和读取操作，并将响应数据返回给相应的请求线程。
工作原理
- 请求队列： 应用程序中的所有线程（例如，持续查询温度的线程和随机查询设备状态的线程）将它们对串口的请求（例如，查询命令、预期响应长度、以及用于接收响应的私有队列或回调函数）放入一个共享的请求队列中。
-
通信线程： 一个独立的线程持续监听这个请求队列。每当队列中有新的请求时，它就会取出请求，执行以下操作：
- 向串行端口写入请求数据。
- 等待并读取串行端口的响应数据。
- 将收到的响应数据（或错误信息）发送回原始请求线程指定的响应队列或通过回调通知。
- 响应回传： 原始请求线程在发送请求后，会阻塞等待其私有响应队列中的数据，或者通过异步机制在收到响应时被通知。
优势
- 完全序列化： 确保所有串行通信请求都以严格的顺序执行，天然避免了并发冲突和协议违规。
- 高抽象度： 调用线程无需关心底层的同步机制，只需关注业务逻辑和请求-响应的数据。
- 健壮性： 集中处理错误、超时和重试逻辑，提高了系统的整体稳定性。
- 解耦： 业务逻辑线程与硬件通信逻辑完全解耦。
劣势
- 复杂性增加： 引入了额外的线程和线程间通信机制（队列），实现起来相对复杂。
- 潜在延迟： 所有请求都必须排队，高并发场景下可能引入额外的排队延迟。
示例代码 (Python)
以下是一个使用Python threading 和 queue 模块实现基于队列的串行通信抽象的简化示例。
import queue
import threading
import time
import random
class SerialDeviceAbstraction:
"""
通过一个专用工作线程来管理串行通信，确保请求的序列化。
"""
def __init__(self, serial_port):
self.serial_port = serial_port # 实际的串口对象，例如 pyserial 的 Serial 实例
self.request_queue = queue.Queue() # 存放待处理的请求
self._next_request_id = 0
self._stop_event = threading.Event() # 用于控制工作线程的停止
self.worker_thread = threading.Thread(target=self._worker_loop)
self.worker_thread.daemon = True # 设置为守护线程，主程序退出时自动终止
def _worker_loop(self):
"""
专用工作线程的循环，负责处理队列中的串行请求。
"""
while not self._stop_event.is_set():
try:
# 从请求队列获取请求：(request_id, query_data, response_queue)
request_id, query_data, response_queue = self.request_queue.get(timeout=0.1)
print(f"工作线程: 处理请求 ID {request_id}，查询 '{query_data}'")
# --- 模拟实际的串口通信操作 ---
# self.serial_port.write(query_data.encode()) # 写入请求
# response_bytes = self.serial_port.read(8) # 读取响应，假设响应固定8字节
# response_data = response_bytes.decode()
# 模拟串口I/O延迟和响应
time.sleep(0.1 + random.random() * 0.1)
response_data = f"响应 '{query_data}' (ID:{request_id})"
print(f"工作线程: 完成请求 ID {request_id}，响应 '{response_data}'")
# 将响应发送回请求线程的私有队列
response_queue.put((request_id, response_data))
self.request_queue.task_done() # 标记此任务已完成
except queue.Empty:
# 队列为空，继续等待
continue
except Exception as e:
print(f"工作线程处理请求时发生错误: {e}")
# 错误处理，例如将错误信息回传给请求线程
def start(self):
"""启动串口通信工作线程。"""
self.worker_thread.start()
print("串口通信工作线程已启动。")
def stop(self):
"""停止串口通信工作线程。"""
self._stop_event.set()
self.worker_thread.join()
print("串口通信工作线程已停止。")
def get(self, query: str) -> str:
"""
供其他线程调用的接口，发送一个查询并等待响应。
"""
request_id = self._get_next_request_id()
# 为当前请求创建一个临时的、私有的响应队列
response_queue = queue.Queue(1)
# 将请求加入共享的请求队列
self.request_queue.put((request_id, query, response_queue))
print(f"线程提交请求 '{query}'，等待响应...")
# 阻塞等待响应
_req_id, response = response_queue.get()
print(f"线程收到响应: {response}")
return response
def _get_next_request_id(self):
"""生成唯一的请求ID。"""
# 注意：在多线程环境中，对 _next_request_id 的操作也应受锁保护，
# 但对于简单的递增，Python的整数操作通常是原子性的。
# 更严谨的做法是使用 threading.Lock 或 atomic counter。
with threading.Lock():
self._next_request_id += 1
return self._next_request_id
# --- 示例用法 ---
# 假设这里有一个实际的串口对象，例如：
# import serial
# my_serial_port = serial.Serial('/dev/ttyUSB0', 9600, timeout=1)
# serial_abstraction = SerialDeviceAbstraction(my_serial_port)
# 为演示目的，我们传入 None 作为串口对象
serial_abstraction = SerialDeviceAbstraction(None)
serial_abstraction.start()
def thread_foo_query():
"""持续查询 'foo' 的线程。"""
while True:
serial_abstraction.get("foo")
time.sleep(1) # 每秒查询一次
def thread_bar_query():
"""随机查询 'bar' 的线程。"""
while True:
time.sleep(random.random() * 3) # 随机延迟
serial_abstraction.get("bar")
time.sleep(random.random() * 2)
# 启动业务逻辑线程
t_foo = threading.Thread(target=thread_foo_query)
t_bar = threading.Thread(target=thread_bar_query)
t 
