Nano Hash - криптовалюты, майнинг, программирование

nodemcu с Lua и 8266 tmr.stop

Примечание. Это копия вопроса, заданного здесь.

Hi

Я совершенно новичок в EPS8266 и Lua (но не в программировании - мой первый процессор был 8080...)
Использование nodemcu HUZZA от adafruit

Во всяком случае, я тестирую некоторые вещи таймера и сталкиваюсь с этим:

tmr.alarm(0, 500, 1, function()
  print("I'm here")
  tmr.stop(0)
end)

Без стопа цикл продолжает печатать, с ним tmr.stop(0) останавливается. ... Все идет нормально.

Но если я хочу снова запустить таймер, например:

tmr.alarm(0, 500, 1, function()
  print("I'm here")
  tmr.stop(0)

  -- do some stuff

  tmr.start(0)
 end)

Я получаю сообщение об ошибке: PANIC: unprotected error in call to Lua API...

В документации сказано, что tmr все еще регистрируется при вызове stop.

Вызов tmr.state(0) делает то же самое. Только tmr.stop(0) работает как положено.

Спасибо за ваши мысли.

esp8266 lua nodemcu
18.12.2018

  • Возможно, tmr.start не разрешено внутри функции обратного вызова таймера? 19.12.2018
  • @ I0sens I0sens требует каких-либо дополнительных данных? 27.12.2018

Ответы:


1

В документации сказано, что статические таймеры больше не используются.

Статические таймеры устарели и будут удалены позже. Используйте OO API, инициированный tmr.create().

Если вам нужен полный контроль над тем, когда выполняются функции обратного вызова таймера, вам нужен экземпляр ALARM_SEMI, для которого вы вызываете start всякий раз, когда это необходимо. Он будет срабатывать ровно один раз при каждом вызове start.

local mytimer = tmr.create()
mytimer:register(500, tmr.ALARM_SEMI, function() print("I'm here") end)
-- do stuff here
-- then whenever needed trigger the timer
mytimer:start()

Обратите внимание, что mytimer не отменяет регистрацию и не подвергается сборке мусора.

22.12.2018

2

Согласно документации, вам нужно использовать tmr.ALARM_SEMI в качестве режима будильника.

ALARM_SEMI описан в документации как:

tmr.ALARM_SEMI повторение сигнала тревоги вручную (для перезапуска вызовите tmr.start())

tmr.ALARM_SEMI равно 2. Исходя из этого, это должно работать:

tmr.alarm(0, 500, 2, function()
      print("I'm here")
      tmr.stop(0)

      -- do some stuff

      tmr.start(0)
 end)
19.12.2018
  • В документации неясно, нужно ли вам вообще вызывать stop для alarm_semi, я подозреваю, что вам это не нужно. 19.12.2018
  • Привет, Нифим. Спасибо. Звучит разумно - попробую на выходных. В документации НЕ указано, что вы не можете использовать tmr.start для тревоги tmr.ALARM_AUTO. 20.12.2018
    • Новые материалы
    Кластеризация: более глубокий взгляд
    Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..
    Как написать эффективное резюме
    Предложения по дизайну и макету, чтобы представить себя профессионально Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..
    Частный метод Python: улучшение инкапсуляции и безопасности
    Введение Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..
    Как я автоматизирую тестирование с помощью Jest
    Шутка для победы, когда дело касается автоматизации тестирования Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..
    Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
    Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv) Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..
    Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
    В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..
    Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
    В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..