树莓派3B+多核心分配EMG传感器采集任务的实现咨询

可以为每个传感器分配独立核心运行，这大概率能解决你遇到的同步采集问题——之前多线程无效的核心原因是CPython的全局解释器锁（GIL）：同一时间只有一个线程能执行Python字节码，没法真正利用多核并行。改用多进程+核心绑定，能让每个传感器采集任务独占一个核心，避免调度冲突。

核心绑定的两种方法 #

树莓派3B+有4个核心（编号0-3），推荐把核心0留给系统进程，用1-3号核心分配给传感器：

1. 使用原生os模块（无需额外安装） #

在子进程启动后，调用os.sched_setaffinity(0, [core_id])，其中0代表当前进程，core_id是目标核心的编号。

2. 使用psutil库（更直观） #

先安装依赖：pip install psutil，然后在子进程中执行：

import psutil
p = psutil.Process()
p.cpu_affinity([core_id])

完整实现示例 #

以下代码将3个传感器分别绑定到1、2、3号核心，各自写入独立的CSV文件（避免多进程写入冲突）：

import multiprocessing
import os
import csv
import time
from signal import signal, SIGINT

# 全局终止信号，用于统一停止所有采集进程
stop_flag = multiprocessing.Event()

def emg_collector(sensor_id, core_id, csv_path):
    # 绑定当前进程到指定核心
    os.sched_setaffinity(0, [core_id])
    print(f"传感器{sensor_id}已绑定到核心{core_id}")

    # 替换为你的传感器初始化代码（比如GPIO/串口初始化）
    # init_emg_sensor(sensor_id)

    with open(csv_path, 'w', newline='', buffering=1) as f:
        writer = csv.writer(f)
        writer.writerow(["timestamp", "emg_value"])

        while not stop_flag.is_set():
            # 替换为你的传感器数据读取逻辑
            # 示例：模拟EMG采样数据
            emg_value = (sensor_id * 0.5) + (time.time() % 2)
            timestamp = time.time()
            
            writer.writerow([timestamp, emg_value])
            # 根据实际采样率调整间隔
            time.sleep(0.005)

    # 替换为你的传感器关闭代码
    # close_emg_sensor(sensor_id)
    print(f"传感器{sensor_id}采集终止")

def handle_interrupt(signum, frame):
    stop_flag.set()
    print("收到终止信号，正在停止所有采集任务...")

if __name__ == "__main__":
    # 注册Ctrl+C终止信号处理器
    signal(SIGINT, handle_interrupt)

    # 配置传感器-核心-CSV路径映射
    sensor_configs = [
        (1, 1, "emg_sensor_1.csv"),
        (2, 2, "emg_sensor_2.csv"),
        (3, 3, "emg_sensor_3.csv"),
    ]

    processes = []
    for sensor_id, core_id, csv_path in sensor_configs:
        p = multiprocessing.Process(target=emg_collector, args=(sensor_id, core_id, csv_path))
        processes.append(p)
        p.start()

    # 等待所有子进程结束
    for p in processes:
        p.join()

    print("所有采集任务已完成")

关键注意事项 #

• 文件写入：如果必须让多个进程写入同一个CSV，必须用multiprocessing.Lock同步写入操作；优先推荐每个传感器单独写一个CSV，后续分析时再合并数据。
• 核心选择：不要占用核心0，树莓派的系统进程默认在核心0运行，强行占用会导致系统响应变慢。
• 硬件资源管理：传感器的初始化、读取、关闭逻辑必须放在子进程内执行——多进程之间内存完全独立，主进程初始化的硬件资源子进程无法访问。
• 绑定验证：运行代码后，用htop命令查看进程的CPU列，可确认每个传感器进程是否固定在指定核心运行。

为什么多线程无法解决问题 #

CPython的GIL限制了多线程的并行能力：即使在多核CPU上，同一时间只有一个Python线程能执行字节码。对于传感器采集这种需要严格同步、低延迟的任务，多线程会因为GIL调度频繁切换导致采集延迟、甚至出现传感器无响应的情况——多进程+核心绑定能彻底规避这个问题，让每个采集任务独占核心资源。

内容的提问来源于stack exchange，提问作者Robert