最大化MicroPython速度

本教程介绍了改进MicroPython代码性能的方法。涉及其他语言的优化在其他地方介绍，即使用C语言编写的模块和MicroPython内联汇编程序。

开发高性能的代码包括以下阶段，这些阶段应按列出的顺序执行。

  • 速度设计。

  • 代码和调试。

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以效率著称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。

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移植版本在堆上分配浮点数。其他移植版本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 模块支持不同的元素类型，其中8位元素由 Python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，无论它指向的切片大小如何。切片一个 memoryview 创建一个新的 memoryview ，所以这不能在中断服务程序中完成。此外，切片语法 a:b 通过实例化 slice(a, b) 对象导致进一步的分配。

ba = bytearray(10000)  # big array
func(ba[30:2000])      # a copy is passed, ~2K new allocation
mv = memoryview(ba)    # small object is allocated
func(mv[30:2000])      # a pointer to memory is passed

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：当memoryview对象处于活动状态时，它也会保持原始缓冲区对象的活动状态。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memoryview，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 time 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 = time.ticks_us()
        result = f(*args, **kwargs)
        delta = time.ticks_diff(time.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 。

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):
        self.ba = bytearray(100)
    def bar(self, obj_display):
        ba_ref = self.ba
        fb = obj_display.framebuffer
        # iterative code using these two objects

这就避免了在方法 bar() 的主体中重复查找 self.ba 和 obj_display.framebuffer 的需要。

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
    # code

本地代码发送器的当前实现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（速度约为字节码的两倍）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位硬件上的运算是以模2**32执行的。

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 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 uint 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:

  • 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
    for x in range(20, 30):
        bar = buf[x] # Access a data item through the pointer
        # code omitted

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。如果使用强制转换将对象转换为Viper本机类型，应在函数启动时执行，而不是在关键计时回路中执行，因为强制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。

  • 转换的结果将是一个本地的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(即在运行时不花费任何费用)，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对象必须具有缓冲区协议（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）。

写入指向只读对象的指针将导致未定义的行为。

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 1 和 Note 2

直接访问硬件

备注

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移植版本。

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

这涉及到两次调用 Pin instance的 value() 方法。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