.. _speed_python: 最大化MicroPython速度 ============================ .. contents:: 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 :ref:`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 `bytes` 和 `bytearray` 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。 .. code:: python 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: .. code:: python 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 ``0x100`` 或 ``1 << 8`` 。 .. _Caching: 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: .. code:: python class foo(object): def __init__(self): 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.ba`` 和 ``obj_display.framebuffer`` 。 .. _controlling_gc: 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: .. code:: python @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: .. code:: python @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 ``int`` 、 ``uint`` （无符号整数）、 ``ptr`` 、 ``ptr8`` 、 ``ptr16`` 和 ``ptr32`` 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: .. code:: python @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``, ``ptr16`` 和 ``ptr32``. * 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 ``uint`` 到 ``ptr8`` ）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 ``int`` 或 ``uint`` ，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 ``ptr``、 ``ptr``、 ``ptr16`` 或 ``ptr32``，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: .. code:: python 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 1 `_ 和 `Note 2 `_ 直接访问硬件 --------------------------- .. note:: 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 .. code:: python 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: .. code:: python import machine import stm BIT14 = const(1 << 14) machine.mem16[stm.GPIOA + stm.GPIO_ODR] ^= BIT14