বেয়ার-মেটাল বনাম RTOS বনাম এমবেডেড লিনাক্স

১ · তিনটি পদ্ধতি

একটি এমবেডেড/IoT প্রোডাক্টের ফার্মওয়্যার লেখার সময় প্রথম বড় স্থাপত্যগত সিদ্ধান্ত হলো — সফটওয়্যার স্ট্যাকের ভিত্তি কী হবে। মূলত তিনটি পদ্ধতি প্রচলিত:

বেয়ার-মেটালBare-Metalকোনো অপারেটিং সিস্টেম ছাড়াই সরাসরি হার্ডওয়্যারের উপর চলা একটি একক প্রোগ্রাম — সাধারণত একটি অসীম main() লুপ। মানে কোনো অপারেটিং সিস্টেমই নেই — ফার্মওয়্যার সরাসরি হার্ডওয়্যারের উপর চলে, সাধারণত একটি অসীম while(1) লুপ হিসেবে লেখা (এই কোর্সের L14-L21-এর প্রতিটি সিমুলেশন কার্যত এই মডেলেই লেখা হয়েছিল — কোনো টাস্ক শিডিউলার ছাড়া, একটি একক ফাংশন প্রবাহ)। সুবিধা — সবচেয়ে কম মেমরি/ওভারহেড, সবচেয়ে সরল, সবচেয়ে প্রেডিক্টেবল টাইমিং। অসুবিধা — একাধিক স্বাধীন কাজ (multiple concurrent tasks) ম্যানেজ করা কঠিন হয়ে ওঠে, শিডিউলিং/টাইমিং সব হাতে লিখতে হয়।

RTOS — যেমন এই কোর্সের M7-এর আগের পাঠগুলোতে (L29-L30) সিমুলেট করা হয়েছে — প্রকৃত প্রি-এম্পটিভ মাল্টিটাস্কিং ও রিয়েল-টাইম টাইমিং গ্যারান্টি যোগ করে, কিন্তু তুলনামূলকভাবে হালকা থাকে — সাধারণত ফাইলসিস্টেম বা নেটওয়ার্ক স্ট্যাকের মতো ভারী ফিচার বিল্ট-ইন থাকে না (আলাদা লাইব্রেরি হিসেবে যোগ করা যায়)। বাস্তব, ব্যাপকভাবে ব্যবহৃত RTOS-এর উদাহরণ — FreeRTOS (Amazon-সমর্থিত, ওপেন-সোর্স, সবচেয়ে বেশি ব্যবহৃত RTOS-গুলোর একটি) ও Zephyr (Linux Foundation-সমর্থিত, আধুনিক আর্কিটেকচারে ডিজাইন করা) — দুটোই real, production সিলিকনে চলে (এই কোর্সের সিমুলেশন এদের আচরণ অনুকরণ করে, real RTOS কার্নেল চালায় না)।

এমবেডেড লিনাক্স মানে একটি পূর্ণাঙ্গ, সাধারণ-উদ্দেশ্যের OS কার্নেল (লিনাক্স) একটি এমবেডেড ডিভাইসে চালানো — ফাইলসিস্টেম, পূর্ণাঙ্গ TCP/IP নেটওয়ার্ক স্ট্যাক, প্রচুর ডিভাইস ড্রাইভার, আর পরিচিত ইউজার-স্পেস টুল (Python ইন্টারপ্রেটার, shell) সবই "ফ্রি"-তে পাওয়া যায়। এর মূল্য হলো — কম ডিটারমিনিস্টিক টাইমিং (একটি জেনারেল-পারপাস কার্নেল সবসময় হার্ড রিয়েল-টাইম গ্যারান্টি দিতে পারে না, L28-এর সংজ্ঞা মনে করুন) এবং বেশি রিসোর্স প্রয়োজন (মেগাবাইট-স্কেল RAM/স্টোরেজ, একটি মাইক্রোকন্ট্রোলারের কিলোবাইট-স্কেল RAM-এর তুলনায় অনেক বেশি) — সাধারণত Raspberry Pi-ক্লাসের একটি মাইক্রোপ্রসেসর-ভিত্তিক ডিভাইসে ব্যবহৃত হয় (M1/L01-এর মাইক্রোপ্রসেসর বনাম মাইক্রোকন্ট্রোলার পার্থক্য মনে করুন)।

২ · একটি সত্যিকারের সিদ্ধান্ত-সিমুলেশন

নিচের কোডে প্রতিটি পদ্ধতিকে ছয়টি ক্রাইটেরিয়ায় (রিয়েল-টাইম ডিটারমিনিজম, মাল্টিটাস্কিং সাপোর্ট, পাওয়ার এফিশিয়েন্সি, ফাইলসিস্টেম/নেটওয়ার্কিং সমৃদ্ধি, লো-মেমরি ফুটপ্রিন্ট, জটিল অ্যাপের জন্য ডেভেলপমেন্ট স্পিড) ১-৫ স্কেলে রেট করা হয়েছে, আর তিনটি বাস্তব প্রোডাক্ট দৃশ্যপটের জন্য প্রতিটি ক্রাইটেরিয়ার ভিন্ন ওয়েট (গুরুত্ব) দেওয়া হয়েছে। কোডটি genuinely ওয়েটেড-স্কোর গণনা করে সবচেয়ে উপযুক্ত পদ্ধতিটি বেছে নেয়।

criteria = [
    "realtime_determinism",
    "multitasking_support",
    "power_efficiency",
    "filesystem_networking_richness",
    "low_memory_footprint",
    "dev_speed_for_complex_apps",
]

approach_scores = {
    "বেয়ার-মেটাল": {
        "realtime_determinism": 5, "multitasking_support": 1, "power_efficiency": 5,
        "filesystem_networking_richness": 1, "low_memory_footprint": 5, "dev_speed_for_complex_apps": 1,
    },
    "RTOS (FreeRTOS/Zephyr)": {
        "realtime_determinism": 4, "multitasking_support": 4, "power_efficiency": 4,
        "filesystem_networking_richness": 2, "low_memory_footprint": 4, "dev_speed_for_complex_apps": 3,
    },
    "এমবেডেড লিনাক্স": {
        "realtime_determinism": 2, "multitasking_support": 5, "power_efficiency": 2,
        "filesystem_networking_richness": 5, "low_memory_footprint": 1, "dev_speed_for_complex_apps": 5,
    },
}

scenarios = {
    "টেম্পারেচার লগার (ব্যাটারি, সপ্তাহে একবার ডেটা পাঠায়)": {
        "realtime_determinism": 2, "multitasking_support": 1, "power_efficiency": 5,
        "filesystem_networking_richness": 1, "low_memory_footprint": 4, "dev_speed_for_complex_apps": 2,
    },
    "ইন্ডাস্ট্রিয়াল মোটর কন্ট্রোলার (মাইক্রোসেকেন্ড-লেভেল টাইমিং, একাধিক টাস্ক)": {
        "realtime_determinism": 5, "multitasking_support": 4, "power_efficiency": 2,
        "filesystem_networking_richness": 1, "low_memory_footprint": 3, "dev_speed_for_complex_apps": 2,
    },
    "স্মার্ট হোম হাব (ওয়েব UI, ফাইল সিস্টেম, একাধিক নেটওয়ার্ক প্রোটোকল)": {
        "realtime_determinism": 1, "multitasking_support": 3, "power_efficiency": 1,
        "filesystem_networking_richness": 5, "low_memory_footprint": 1, "dev_speed_for_complex_apps": 4,
    },
}

for scenario_name, weights in scenarios.items():
    print(f"পরিস্থিতি: {scenario_name}")
    scored = {}
    for approach, scores in approach_scores.items():
        total = sum(scores[c] * weights[c] for c in criteria)
        scored[approach] = total
        print(f"  {approach:<24} স্কোর = {total}")
    winner = max(scored, key=scored.get)
    print(f"  -> সবচেয়ে উপযুক্ত: {winner}\n")