最大化 MicroPython 速度 ¶

该指南描述了如何提高 MicroPython 代码的性能。关于其他语言的优化都是在其他地方描述，例如使用 C 编写的模块和 MicroPython 内联汇编特性。

开发高性能代码的过程包括以下几个阶段，应该按照指定的顺序执行。

为速度而设计。
编码与调试。

优化步骤：

识别最慢的代码段。
提高 Python 代码的效率。
使用原生代码生成器。
使用 viper 代码生成器。
使用特定硬件的优化手段。

为速度而设计 ¶

性能问题应该在开始阶段就虑。这需要考虑到哪些代码段是效率低下的，并着重注意其代码设计。在代码已经测试过之后，开始进行优化：但如果在开始时就是设计正确的，那么优化将会变得很简单，甚至是非必要的。

算法 (Algorithms)¶

为性能而设计任何例程的最重要一点是，确保使用了当前场景下的最佳算法。这应当属于通用的教材内容而不是 MicroPython 指南的主题，通常情况下使用知名度高的算法可以使得效率获得显著的性能提升。

内存分配 (RAM allocation)¶

为了设计有效的 MicroPython 代码，需要先了解解释器如何分配内存。当一个对象被创建或增长大小（例如，在列表中添加一项）时，解释器会从堆中分配内存。这需要一定的时间；这时会触发一次垃圾收集，可能会花费几毫秒钟的时间。

因此，当一个对象只被创建一次，而且不允许增长大小，则可以提高函数或方法的性能。这意味着这个对象在其使用期间一直存在：通常它会在类构造器中被创建，并在各种方法中使用。

这将在下文的控制垃圾收集中更详细地介绍。

缓冲区 (Buffers)¶

上述例子是通常情况下需要使用缓冲区的一个场景，例如，在与设备通信时使用的缓冲区。一般情况下，一个驱动程序会在构造器中创建缓冲区，并在其 I/O 方法中使用它。

MicroPython 库通常提供了对预分配缓冲区的支持。例如，支持流式接口（例如文件或 UART ）的对象，提供了 read() 方法，它会分配一个新的缓冲区用于读取数据，同时也提供了 readinto() 方法则可以将数据读入一个已存在的缓冲区。

浮点数 (Floating point)¶

在一些 MicroPython 适配端上，浮点数在堆上分配。有些其他的适配端可能没有独立的浮点数处理器，并且在某些场景下进行算术运算时，在“软件”上以比整数更低的速度上进行运算。在性能很重要的地方，使用整数运算并将浮点的使用局限在性能不是最重要的代码部分中进行。例如，快速将 ADC 读数作为整数值捕获到数组中，然后才将它们转换为浮点数以进行信号处理。

数组 (Arrays)¶

考虑使用各种类型的数组类 ( array ) 作为代替列表 ( list )的替代。 array 模块支持各种元素类型，其中 Python 的内建 bytes 和 bytearray 类用以支持 8 位元数据操作。这些数据结构都存储在连续的内存位置中。为了在关键代码中再次分配内存，这些数据应该预分配并作为参数传递或作为绑定对象。

当传递诸如 bytearray 实例之类的对象切片时， Python 会创建一个副本，其中涉及与切片大小成比例的大小分配。这可以通过使用 memoryview 对象来缓解。memoryview 本身在堆上分配，但是不论切片的大小，它都是一个小且固定尺寸的对象。对 memoryview 进行切片会创建一个新的 memoryview，因此不能在中断服务程序中进行。此外，切片语法 a:b 会导致通过实例化 slice(a, b) 对象进行分配。

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 只能应用于支持缓冲区协议的对象 - 这包括数组 ( array )，但不包括列表 ( list )。要注意的是，当 memoryview 对象存活时，它也会保持对原始缓冲区对象的引用。所以， memoryview 并不是万能的灵丹妙药。例如，在上面的例子中，如果你只需要 10K 的缓冲区的 30:2000 位置的字节，最好是创建一个切片，并且让 10K 的缓冲区消失 ( 以让其做好进行垃圾回收的准备 )，而不是保持一个长期存在的 memoryview 并为 GC 一直持有 10K 的块。

不过，memoryview 作为高级预分配缓冲区管理是必不可少的。上面提到的 readinto() 方法会将数据放在缓冲区的开始处，并填充整个缓冲区。那如果你需要将数据放在现有缓冲区的中间位置怎么做呢？你只需要创建一个 memoryview 到缓冲区中的需要的部分，并将其传递给 readinto() 方法即可。

识别代码中最慢的片段 ¶

这一过程我们称为分析，它在许多教材中都提及且（在标准 Python 中）受到各种软件工具的支持。对于小型的嵌入式应用程序，最慢的函数或方法通常可以通过合理的使用 time 的 ticks 函数来确定。代码执行时间可以用毫秒，微秒或 CPU 周期表示。

下面的语句允许任何函数或方法被计时，通过添加一个 @timed_function 装饰器来实现:

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。这类似于 C 中的 #define ，当代码编译为字节码时，编译器会替换该标识符的数值。这样就避免了在运行时进行字典查找。const() 函数的参数可以是任何可在编译时计算为整数的值或表达式，例如 0x100 或 1 << 8 。

缓存对象的引用 ¶

当一个函数或方法频繁访问对象时，可以通过在局部变量中缓存对象来提高性能:

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

这样就可以避免在 bar() 函数中频繁查找 self.ba 和 obj_display.framebuffer 。

控制垃圾回收 ¶

当需要进行内存分配时， MicroPython 会先尝试定位一个适当大小的堆块。这可能会失败，通常由于堆中的对象没有被代码引用。如果发生了失败，则垃圾回收会被触发，释放这些冗余的对象占用的内存，然后再次尝试分配内存。 —— 这一过程可能需要几毫秒。

一种有效的做法是，周期性地调用 gc.collect() 来预先进行垃圾回收。首先，如果在实际需要前进行垃圾回收是更快的，如果经常这么做的话通常只需 1ms 。第二，可以确定代码中进行垃圾回收的位置，而不是在随机的位置发生长时间的延迟。最后，周期性地进行垃圾回收可以减少堆中的内存分配的碎片化。内存分配碎片化过于严重时，可能导致不可恢复的内存分配失败。

原生代码生成器 ¶

这使得 MicroPython 编译器生成原生的 CPU 指令代码，而不是字节码。它覆盖了大部分的 MicroPython 功能，因此大多数函数都不需要任何调整（但请参阅下面的内容）。它通过一个函数装饰器来调用:

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

当前的原生代码生成器存在一些限制。

上下文管理器是不支持的（即 with 语句）。
生成器是不支持的。
如果使用了 raise ，则必须提供一个参数。

性能提升（大约是使用字节码的两倍）的代价是编译代码的大小的增加。

Viper 代码生成器 ¶

上面提到的优化包括标准兼容的 Python 代码。Viper 代码生成器不是完全兼容的。它支持特殊的 Viper 原生数据类型，以便提高性能。因为它使用了机器字，整数处理是不兼容的：在 32 位硬件上进行算术运算时，是以 2**32 为模执行的。

与原生代码生成器类似， Viper 生成了机器指令，但更进一步优化，大大提升了性能。特别是对整数算术和位操作的优化。它通过一个装饰器来调用:

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

如上所示，使用 Python 类型提示来辅助 Viper 优化器是有益的。类型提示提供了参数和返回值的数据类型的信息；这是 PEP0484 中定义标准的 Python 语言特性。 Viper 支持自己的一组类型，即 int、uint``（无符号整数）、``ptr、ptr8、ptr16 和 ptr32。ptrX 类型在下面讨论。目前，uint 类型只有一个作用，作为函数返回值的类型提示。如果这个函数返回 0xffffffff ， Python 将结果解释为 2**32 - 1 而不是 -1 。

除了原生代码生成器所约束的限制之外，下面的限制也适用:

函数可以有最多 4 个参数。
默认参数值不允许使用。
可以使用浮点数，但不会被优化。

Viper 提供了指针类型，以便优化器辅助。这些类型包括

ptr 指向一个对象。
ptr8 指向一个字节。
ptr16 指向一个 16 位半字。
ptr32 指向一个 32 位机器字。

指针的概念是 Python 程序员们不熟悉的。它与 Python memoryview 对象的相似性，它提供了直接访问存储在内存中的数据的能力。通过下标访问，但不支持切片：指针只能返回单个项目。它的目的是提供直接访问存储在连续内存位置中的数据。例如，支持缓冲区协议的对象中存储的数据，以及单片机中存储的内存映射外设寄存器的数据。应该注意，使用指针编程是危险的：边界检查不会执行，编译器不会采取任何措施来避免缓冲区溢出错误上。

典型用法是缓存变量:

@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

在这种情况下，编译器“知道” buf 是一个字节数组的地址；它可以在运行时快速计算出 buf[x] 的地址。如果将对象转换为 Viper 原生类型，这些应该在函数开始时进行，而不是在关键的时序循环中，因为强制转换操作可能需要几毫秒。转换规则如下：

当前的转换操作符是：int、bool、uint、ptr、ptr8、ptr16 和 ptr32。
转换结果将是一个原生的 Viper 变量。
转换参数可以是一个 Python 对象或一个原生的 Viper 变量。
如果参数是一个原生的 Viper 变量，那么转换是一个无操作（即运行时代价为零），只是改变类型（如从 uint 到 ptr8），这样你就可以直接使用这个指针存储/加载数据了。
如果参数是一个 Python 对象，并且转换是 int 或 uint，那么 Python 对象必须是整数类型，并且该整数对象的值需要被返回。
一个 bool 转换的参数必须是整数类型（布尔或整数）；当作为返回类型时，viper 函数将返回 True 或 False 对象。
如果参数是一个 Python 对象，并且转换后是 ptr、ptr、ptr16 或 ptr32，那么 Python 对象必须是支持缓冲区协议（即返回一个指向缓冲区开始处的指针）或者是整数类型（即返回该整数对象的值）。

写入一个指向只读对象的指针将导致未定义的行为。

下面的示例说明了一个 ptr16 转换来对 X1 引脚切换 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

这三个代码生成器的详细技术说明可以在 Kickstarter 的 Note 1 和 Note 2 中找到。

直接访问硬件 ¶

备注

本小节的代码示例是基于 Pyboard 提供的。但是这些技巧也可以应用到其他的 MicroPython 适配端上。

这属于更高级的编程类别，涉及到目标 MCU 的一些知识。参考这一在 Pyboard 上切换输出引脚的示例。标准的写法为

mypin.value(mypin.value() ^ 1) # mypin was instantiated as an output pin

这涉及对 Pin 实例的 value() 方法的两次调用的开销。这种开销可以通过直接对芯片的 GPIO 端口输出数据寄存器 ( odr ) 的相关位执行读/写来优化。为此， stm 模块提供了一组常量，提供对相关寄存器的地址的访问。对切换引脚 P4 （ CPU 引脚 A14 ） —— 对应绿色 LED —— 进行快速切换，可以按如下方式执行：

import machine
import stm

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