推荐一款嵌入式C的开源代码框架-tboox / tbox

本文涉及的产品
公共DNS(含HTTPDNS解析),每月1000万次HTTP解析
全局流量管理 GTM,标准版 1个月
云解析 DNS,旗舰版 1个月
简介: 推荐一款嵌入式C的开源代码框架-tboox / tbox

推荐理由


这是一款大神级开源代码,基于c语言的,几乎包含了嵌入式开发的各个部分的封装,可以说是嵌入式系统的瑞士军刀!


简介


TBOX是一个用c语言实现的跨平台开发库。


针对各个平台,封装了统一的接口,简化了各类开发过程中常用操作,使你在开发过程中,更加关注实际应用的开发,而不是把时间浪费在琐碎的接口兼容性上面,并且充分利用了各个平台独有的一些特性进行优化。


这个项目的目的,是为了使C开发更加的简单高效。


目前支持的平台有: Windows, Macosx, Linux, Android, iOS, *BSD等等。


通过xmake支持各种编译模式:


  • Release: 正式版编译,禁用调试信息、断言,各种检测机制,启用编译器优化
  • Debug: 调试模式,默认启用详细调试信息、断言、内存越界检测、内存泄漏、锁竞争分析等检测机制
  • Small: 最小化编译,默认禁用所有扩展模块,启用编译器最小化优化
  • Micro: 针对嵌入式平台,仅仅编译tbox微内核,仅提供最基础的跨平台接口,生成库仅64K左右(内置轻量libc接口实现)


如果你想了解更多,请参考:在线文档, Github以及Gitee


特性


流库


针对http、file、socket、data等流数据,实现统一接口进行读写,并且支持: 阻塞、非阻塞、异步 三种读写模式。


支持中间增加多层filter流进行流过滤,实现边读取,内部边进行解压、编码转换、加密等操作,极大的减少了内存使用。


主要提供以下模块:


  • stream:通用非阻塞流,用于一般的单独io处理,同时支持协程以实现异步传输。
  • transfer:流传输器,维护两路流的传输。
  • static_stream:针对静态数据buffer优化的静态流,用于轻量快速的数据解析。


协程库


  • 快速高效的协程切换支持
  • 提供跨平台支持,核心切换算法参考boost,并且对其进行重写和优化,目前支持架构:x86, x86_64, arm, arm64, mips32
  • 提供channel协程间数据通信支持,基于生产、消费者模型
  • 提供信号量、协程锁支持
  • socket、stream都模块原生支持协程,并且可在线程和协程间进行无缝切换
  • 提供http、file等基于协程的简单服务器实例,只需几百行代码,就可以从socket开始写个高性能io服务器,代码逻辑比异步回调模式更加清晰
  • 同时提供stackfull, stackless两种协程模式支持,stackless协程更加的轻量(每个协程只占用几十个bytes),切换更快(会牺牲部分易用性)
  • 支持epoll, kqueue, poll, select 和 IOCP
  • 在协程和poller中支持同时等待和调度socket,pipe io和process


数据库


  • 统一并简化数据库操作接口,适配各种数据源,通过统一的url来自动连接打开支持的数据库,数据的枚举采用迭代器模型。
  • 目前支持sqlite3以及mysql两种关系型数据库,也可自定义扩展使用其他关系型数据库。


xml库


  • 针对xml提供DOM和SAX两种解析模式,SAX方式采用外部迭代模式,灵活性和性能更高,并且可以选择指定路径,进行解析。
  • 解析过程完全基于stream,所以是高度流化的,可以实现边下载、边解压、边转码、边解析一条龙服务,使用较低的内存也可以解析大规模数据。
  • 提供xml writer以支持对xml生成


内存库


  • 参考linux内核内存管理机制的实现,并对其进行各种改造和优化,所实现的TBOX独有的一整套内存池管理架构。
  • 调试模式下,可以轻松检测并定位内存泄露、内存越界溢出、内存重叠覆盖等常见内存问题,并对整体内存的使用进行了统计和简要分析。
  • 针对大块数据、小块数据、字符串数据进行了充分的利用,避免了大量外部碎片和内部碎片的产生。分配操作进行了各种优化,96%的情况下,效率都是在O(1)。


容器库


  • 提供哈希、链表、数组、队列、堆栈、最小最大堆等常用容器。
  • 支持各种常用成员类型,在原有的容器期初上,其成员类型还可以完全自定义扩展。
  • 所有容器都支持迭代器操作。
  • 大部分容器都可以支持基于stream的序列化和反序列化操作。


算法库


  • 提供各种排序算法:冒泡排序、堆排序、快速排序、插入排序。
  • 提供各种查找算法:线性遍历、二分法搜索。
  • 提供各种遍历、删除、统计算法。
  • 以迭代器为接口,实现算法和容器的分离,类似stl,但是c实现的,更加轻量。


网络库


  • 实现http客户端模块
  • 实现cookies
  • 实现dns解析与缓存
  • 实现ssl(支持openssl, polarssl, mbedtls)
  • 支持ipv4、ipv6
  • 支持通过协程实现异步模式


数学运算库


  • 提供各种精度的定点运算支持
  • 提供随机数生成器


libc库


  • libc的一个轻量级实现,完全跨平台,并且针对不同架构进行了优化。
  • 支持大部分字符串、宽字符串操作。
  • 扩展字符串、宽字符串的各种大小写不敏感操作接口
  • 扩展memset_u16、memset_u32等接口,并对其进行高度优化,尤其适合图形渲染程序


libm库


  • libm部分接口的一个轻量级实现,以及对常用系统接口的封装。(目前只实现了部分,之后有时间会完全实现掉)
  • 扩展部分常用接口,增加对sqrt、log2等常用函数的整数版本计算,进行高度优化,不涉及浮点运算,适合嵌入式环境使用。


object库


  • 轻量级类apple的CoreFoundation库,支持object、dictionary、array、string、number、date、data等常用对象,并且可以方便扩展自定义对象的序列化。
  • 支持对xml、json、binary以及apple的plist(xplist/bplist)格式序列化和反序列化。
  • 并且实现自有的binary序列化格式, 针对明文进行了简单的加密,在不影响性能的前提下,序列化后的大小比bplist节省30%。


平台库


  • 提供file、directory、socket、thread、time等常用系统接口
  • 提供atomic、atomic64接口
  • 提供高精度、低精度定时器
  • 提供高性能的线程池操作
  • 提供event、mutex、semaphore、spinlock等事件、互斥、信号量、自旋锁操作
  • 提供获取函数堆栈信息的接口,方便调试和错误定位
  • 提供跨平台动态库加载接口(如果系统支持的话)
  • 提供io轮询器,针对epoll, poll, select, kqueue进行跨平台封装
  • 提供跨平台上下文切换接口,主要用于协程实现,切换效率非常高


压缩库


  • 支持zlib/zlibraw/gzip的压缩与解压(需要第三方zlib库支持)。


字符编码库


  • 支持utf8、utf16、gbk、gb2312、uc2、uc4 之间的互相转码,并且支持大小端格式。


实用工具库


  • 实现base64/32编解码
  • 实现crc32、adler32、md5、sha1等常用hash算法
  • 实现日志输出、断言等辅助调试工具
  • 实现url编解码
  • 实现位操作相关接口,支持各种数据格式的解析,可以对8bits、16bits、32bits、64bits、float、double以及任意bits的字段进行解析操作,并且同时支持大端、小端和本地端模式,并针对部分操作进行了优化,像static_stream、stream都有相关接口对其进行了封装,方便在流上进行快速数据解析。
  • 实现swap16、swap32、swap64等位交换操作,并针对各个平台进行了优化。
  • 实现一些高级的位处理接口,例如:位0的快速统计、前导0和前导1的快速位计数、后导01的快速位计数
  • 实现单例模块,可以对静态对象、实例对象进行快速的单例封装,实现全局线程安全
  • 实现option模块,对命令行参数进行解析,提供快速方便的命令行选项建立和解析操作,对于写终端程序还是很有帮助的


正则表达式库


  • 支持匹配和替换操作
  • 支持全局、多行、大小写不敏感等模式
  • 使用pcre, pcre2和posix正则库


一些使用tbox的项目:



使用 Xmake 编译


请先安装: xmake

# 默认直接编译当前主机平台
$ cd ./tbox
$ xmake

# 编译mingw平台
$ cd ./tbox
$ xmake f -p mingw --sdk=/home/mingwsdk
$ xmake

# 编译iphoneos平台
$ cd ./tbox
$ xmake f -p iphoneos
$ xmake

# 编译android平台
$ cd ./tbox
$ xmake f -p android --ndk=xxxxx
$ xmake

# 交叉编译
$ cd ./tbox
$ xmake f -p linux --sdk=/home/sdk #--bin=/home/sdk/bin
$ xmake


使用 xmake.sh 编译


$ ./configure
$ make


例子


#include "tbox/tbox.h"

int main(int argc, char** argv) {
    if (!tb_init(tb_null, tb_null)) return 0;

    tb_vector_ref_t vector = tb_vector_init(0, tb_element_str(tb_true));
    if (vector) {
        tb_vector_insert_tail(vector, "hello");
        tb_vector_insert_tail(vector, "tbox");

        tb_for_all (tb_char_t const*, cstr, vector) {
            tb_trace_i("%s", cstr);
        }
        tb_vector_exit(vector);
    }
    tb_exit();
    return 0;
}
目录
相关文章
|
7月前
|
机器学习/深度学习 数据采集 TensorFlow
【Swift开发专栏】Swift与机器学习:构建智能应用
【4月更文挑战第30天】本文探讨了使用Swift开发机器学习应用,分为三个部分:机器学习基础(定义、类型及应用),Swift在机器学习中的作用(Swift for TensorFlow、Core ML及性能优势),以及实践技巧(数据预处理、特征工程、模型训练与部署、性能优化和用户界面集成)。通过学习,开发者能掌握构建智能应用的技能,利用Swift的性能和安全性提升应用效率。随着深入学习,开发者可探索更多高级特性和技术,如深度学习和复杂数据分析。
132 2
|
7月前
|
Swift 开发者 UED
【Swift开发专栏】Swift中的社交应用开发案例
【4月更文挑战第30天】本文介绍了使用 Swift 开发社交应用的流程,分为三部分:项目需求分析与设计、使用 SwiftUI 构建用户界面、实战案例。首先,确定项目需求如注册、登录、发布和浏览动态,然后设计相应功能模块。接着,利用 SwiftUI 创建注册/登录、动态发布和浏览界面。最后,以 Firebase 为例,展示了实现注册/登录功能的实战步骤。
58 0
|
7月前
|
持续交付 开发工具 Swift
【Swift开发专栏】Swift与第三方库和框架的集成
【4月更文挑战第30天】本文探讨了Swift中集成第三方库和框架的策略,包括选择有功能需求、社区支持、丰富文档和合适许可证的库。集成步骤涉及使用CocoaPods等工具安装,`import`导入库,遵循错误处理和性能优化。建议遵循代码组织、单一职责原则,做好错误处理和日志记录,使用版本控制和CI/CD,以提升项目稳定性和用户体验。
172 0
|
Cloud Native Go 开发者
如何通过开源项目学习编程?
如何通过开源项目学习编程?
159 0
|
传感器 算法 安全
开源Marlin2.x源代码架构学习笔记
开源Marlin2.x源代码架构学习笔记
834 0
|
Dubbo Java 应用服务中间件
使用Kitex框架构建自己的服务|青训营笔记
这篇文章主要跟随官方文档给出自己使用Kitex构建一个服务的过程,而后续Kitex更多的特性则需要大家深入学习、实践、总结。
696 0
使用Kitex框架构建自己的服务|青训营笔记
|
Java 编译器 Maven
谷歌开源项目ProtoBuf一探(基础环境配置)
谷歌开源项目ProtoBuf一探(基础环境配置)
172 0
谷歌开源项目ProtoBuf一探(基础环境配置)
|
机器学习/深度学习 自然语言处理 数据挖掘
强烈推荐!最好用的《机器学习实用指南》第二版终于来了,代码已开源!
强烈推荐!最好用的《机器学习实用指南》第二版终于来了,代码已开源!
391 0
强烈推荐!最好用的《机器学习实用指南》第二版终于来了,代码已开源!
|
前端开发 JavaScript API
如何阅读大型前端开源项目的源码,授人以鱼不如授人以渔
目前网上有很多「XX源码分析」这样的文章,不过这些文章分析源码的范围有限,有时候讲的内容不是读者最关心的。同时我也注意到,源码是在不断更新的,文章里写的源码往往已经过时了。因为这些问题,很多同学都喜欢自己看源码,自己动手,丰衣足食。
1776 0
|
机器学习/深度学习 算法 Java
Java开发者必看!机器学习开发库精选!
本文将介绍一些目前流行的、强大的基于Java的机器学习库。
4680 0