最大化MicroPython速度

本教程介绍了改进MicroPython代码的方法。最优化及其他语言在另外章节中介绍(即使用C语言和MicroPython内联汇编编写的模块)。

开发高性能的代码包括以下两个阶段,我们将依次介绍。

  • 速度设计
  • 代码和排错

优化步骤:

  • 识别代码的最慢段
  • 改进Python代码的效率
  • 使用本地代码发射器
  • 使用Viper代码发射器
  • 使用特定于硬件的优化

速度设计

应该从开始就考虑性能问题。这涉及到对性能至关重要的代码部分,应特别关注代码的设计。 优化过程从检测代码开始:若设计从开始就没有差错,那优化就很轻松了,实际上可能没有优化的必要。

算法

设计性能程序的最重要的部分就是确保使用最佳算法。这应是教科书上的议题而非出现在MicroPython指南中。 但是有时可通过使用已知效率的算法来实现可观的性能收益。

RAM分配

设计高效的MicroPython代码,则有必要理解解释器分配RAM的方式。当创建某一对象或该对象大小增长时(例如将一个项附加到列表), RAM即从名为堆的块中分配出来。这一过程需耗费很长时间,而且有时会触发垃圾收集的过程,此过程将耗时数毫秒。

因此,若对象仅允许创建一次且其大小不可增长,则函数或方法的性能得以改进。这意味着对象在其使用期间持续存在: 通常对象在类构造函数中实例化,并在各种方法中使用。

更多详细信息,请参见下面的 Controlling garbage collection below.

缓冲区

上述示例是需要缓冲区的常见情况,例如用于与设备通信的缓冲区。典型的驱动器将在构造函数中创建缓冲区, 并在其I/O方法中使用,该方法将重复调用。

MicroPython库通常为预分配的缓冲区提供支持。例如,支持流接口(例如:文件或UART)的对象提供为 读取数据分配新的缓冲区的 read() 方法,以及将数据读取入现存缓冲区的 readinto() 方法。

浮点数

某些MicroPython端口在堆上分配浮点数。其他端口可能缺少专用的浮点协处理器,且在”软件”上以低于在整数上的速度对它们执行算术运算。 性能事关重要的情况下,使用整数运算;性能无关紧要的情况下,限制浮点数用于代码的部分。例如,将ADC读数作为整数值捕捉到数组中, 然后将其转换为浮点数进行信号处理。

数组

考虑使用各种类型的数组来替代列表。 array 模块支持不同的项类型,8位项由的内置 bytesbytearray 类支持。 这些数据结构将项储存在连续内存位置中。为避免在临界区代码中分配内存,内存应进行预分配并作为参数或限定性对象传递。

在传递诸如 bytearray 实例之类的对象片段时,Python会创建一个副本,该副本涉及与片段大小成比例的大小分配。 这可以使用 memoryview 对象缓解。 memoryview 本身在堆上分配,但其为一个较小且固定大小的对象。

ba = bytearray(10000)  # big array
func(ba[30:2000])      # a copy is passed, ~2K new allocation 传递一个副本,~2K新分配
mv = memoryview(ba)    # small object is allocated 分配小对象
func(mv[30:2000])      # a pointer to memory is passed 传递指向内存的指针

memoryview 仅可应用于支持缓冲区协议的对象-这包括数组但不包括列表。小提示:memoryview对象是有用的, 它保留了原始的缓冲区对象。因此,memoryview并非万能的灵丹妙药。例如,在上述示例中,若您用10K缓冲区完成, 只需其中的30:2000字节,那么最好做一个片段,不使用10K缓冲区(垃圾收集准备就绪),而不是做一个长时间的内存视图, 并保持10K阻塞的GC。

尽管如此, memoryview 对于高级预分配缓冲区管理而言必不可少。上述 readinto() 方法将数据放在缓冲区的开始处, 并填充整个缓冲区。 若您需要将数据放进现有缓冲区中,应如何操作? 只需在缓冲区的所需部分创建一个内存视图, 并将其传递给 readinto()

识别代码的最慢段

此过程也称为profiling,教科书中对其进行了介绍,此过程由不同的软件工具支持(对于标准Python而言)。 对于可能在MicroPython平台上运行的较小型嵌入式应用程序,最慢的函数或方法通常可通过正确 使用 utime 中记录的时序 ticks 函数来建立。代码执行时长可用毫秒、微秒和CPU周期来计算。

以下代码可以通过添加 @timed_function 装饰器使任何函数或方法计时:

def timed_function(f, *args, **kwargs):
    myname = str(f).split(' ')[1]
    def new_func(*args, **kwargs):
        t = utime.ticks_us()
        result = f(*args, **kwargs)
        delta = utime.ticks_diff(utime.ticks_us(), t)
        print('Function {} Time = {:6.3f}ms'.format(myname, delta/1000))
        return result
    return new_func

MicroPython代码改进

const()声明

MicroPython提供了一个 const() 声明。 其运行方式与C语言中的 #define 类似,因为当代码被编译为字节码时, 编译器会将数字值替换为标识符。这可以避免在运行时查找字典。 const() 的参数可为任何可在编译时计算为整数的数值, 例如 0x1001 << 8

缓存对象引用

在函数或方法重复访问对象的情况下,通过将对象缓存在局部变量中可以提高性能:

class foo(object):
    def __init__(self):
        ba = bytearray(100)
    def bar(self, obj_display):
        ba_ref = self.ba
        fb = obj_display.framebuffer
        # iterative code using these two objects 使用这两个对象的代码

这就避免了在方法 bar() 中重复查找 self.baobj_display.framebuffer

控制垃圾回收

当需要内存分配时,MicroPython会尝试在堆上寻找适当大小的块。寻找可能会失败,通常是因为堆中堆满了代码不再引用的对象。 若发生故障,垃圾回收将回收冗余对象所占用的内存,然后再次尝试分配。此过程可能需要数毫秒。

周期性地发布 gc.collect() 可能对预防有帮助。首先,在真正需要回收之前进行回收速度会更快, 若经常回收,则耗时约1毫秒。其次,您可在代码中确定此时间的使用点,而非在随机点上发生较长的延迟, 可能在速度临界区。最后,经常进行回收可减少堆中的碎片化。严重的碎片化会导致无法修复的分配故障。

本地密码发射器

这使得MicroPython编译器发送本地CPU操作码,而非字节码。它涵盖了MicroPython的大部分功能, 所以大部分功能无需适应(见下文)。它是通过一个函数装饰器调用的:

@micropython.native
def foo(self, arg):
    buf = self.linebuf # Cached object 缓存对象
    # code

目前本地代码发送器仍然存在一些局限性。

  • 不支持上下文管理器( with 语句)。
  • 不支持生成器。
  • 若使用 raise ,则必须应用一个参数。

性能提高的代价(约为字节码的两倍)是编译代码大小的增加。

Viper代码发送器

上面讨论的优化包含符合标准的Python代码。 Viper代码发射器并不完全兼容。为实现高性能,它支持特殊的Viper本地数据类型。 整数处理并不兼容,因其使用机器字:32位硬件上的算法是执行模块2**32。

与本地发送器相似,Viper生成机器指令,但进行了进一步优化,大大提高了性能,尤其是在整数算法和位操作方面。其使用装饰器调用:

@micropython.viper
def foo(self, arg: int) -> int:
    # code

如上所述,使用Python提示类型来辅助Viper优化器大有益处。类型提示提供参数的数据类型和返回值的信息; 这些是在此正式定义的标准Python语言特性 PEP0484. Viper支持名为 intuint (无符号整数)、 ptrptr8ptr16ptr32 的其自身的类型组。 ptrX``类型在下面进行介绍。 目前类型仅作一种用途:作为函数返回值的类型提示。若函数返回 ``0xffffffff ,Python将结果解释为2**32 -1而非-1。

除了本地发送器施加的限制之外,以下限制也适用:

  • 函数可能有多达4个参数。
  • 不许可默认参数值。
  • 浮点数可能被使用但未优化。

Viper提供指针类型以协助优化器。这些包括

  • ptr 指向对象的指针。
  • ptr8 指向一个字节的指针。
  • ptr16 指向一个16位半字的指针。
  • ptr32 指向一个32位机器字的指针。

Python程序员可能不熟悉指针的概念。 它与Python memoryview 对象有相似之处,它可以直接访问存储在内存中的数据。 使用下标符号访问项目,但不支持片段:指针只能返回单个项目。其目的是提供快速随机访问存储在连续存储位置的数据– 例如存储在支持缓冲协议的对象中的数据,以及微控制器中存储器映射的外设寄存器。应该指出的是,使用指针编程很危险: 边界检查不会执行,编译器不会阻止缓冲区的超限错误。

典型的用法是缓存变量:

@micropython.viper
def foo(self, arg: int) -> int:
    buf = ptr8(self.linebuf) # self.linebuf is a bytearray or bytes object 是一个字节数组或一个字节对象
    for x in range(20, 30):
        bar = buf[x] # Access a data item through the pointer 通过指针访问数据项目
        # code omitted 省略的代码

在此示例中,编译器”知道” buf 为字节组的地址;其可发送代码,以在运行时快速计算 buf[x] 的地址。 在使用转换将对象转换为Viper本机类型时,应在函数启动时执行,而不是在关键计时回路中执行,因为转换操作可能需要数微秒。转换要求如下:

  • 转换操作符当前为: int, bool, uint, ptr, ptr8, ptr16ptr32.
  • 转换结果为本地Viper变量。
  • 转换的参数可为Python对象或本地Viper变量。
  • 若参数为本地Viper变量,则转换为仅改变类型(例如:从 uintptr8 )的空操作,所以您可使用此指针来储存/加载。
  • 若参数为Python对象,且转换为 intuint ,则Python对象须为整数类型,且返回该整数对象的值。
  • 布尔转换的参数须为整数类型(布尔值或整数);当用作返回类型时,Viper函数将返回True或False对象。
  • 若参数为Python对象,转换为 ptrptrptr16ptr32,则Python对象须具有读写功能的缓冲区协议
(在此情况下,返回指向缓冲区开始的指针)或为整数类型(在此情况下,返回整数对象的值)。

以下示例说明了使用 ptr16 转换来切换引脚X1 n 次:

BIT0 = const(1)
@micropython.viper
def toggle_n(n: int):
    odr = ptr16(stm.GPIOA + stm.GPIO_ODR)
    for _ in range(n):
        odr[0] ^= BIT0

这三个代码发送器的详细技术说明,请参见Kickstarter的 Note 1Note 2

直接访问硬件

注解

本节给出了Pyboard的代码示例。 不过,此处介绍的技术也可能适用于其他MicroPython端口。

这属于更高级的编程范畴,涉及目标MCU的一些知识。考虑切换Pyboard上的输出引脚的例子。标准方法是写入

mypin.value(mypin.value() ^ 1) # mypin was instantiated as an output pin实例化为输出引脚

这涉及两次调用 Pin 实例的 value() 方法的开销。通过对芯片的GPIO端口输出数据寄存器(odr)的相关位执行读/写操作, 可消除此开销。为实现这一点, stm 模块提供了一组提供相关寄存器地址的常量。引脚 P4 (CPU引脚 A14 )的快速切换 (对应绿色LED)可按如下方式执行:

import machine
import stm

BIT14 = const(1 << 14)
machine.mem16[stm.GPIOA + stm.GPIO_ODR] ^= BIT14