MicroPython性能调优

本文主要介绍了MicroPython代码性能优化的方法，包括语言以及编译等方面的内容。MicroPython开发高性能代码一般遵循以下阶段：

• 设计时就要考虑性能
• 优化代码及性能调试
• 性能调优的步骤：
  • 确定代码中最慢的部分
  • 提高Python代码执行效率
  • 使用本机代码发射器
  • 使用viper代码发射器
  • 针对硬件进行优化

在设计时就考虑性能问题

性能问题应该一开始就应该考虑，特别是要关注最关键的代码部分的设计。当进行代码测试时，性能优化就开始了，如果设计得当，优化就会很简单，甚至是不必要的。

算法

程序性能设计时最重要的是要确保采用最佳算法，这是教科书的观点而不是MicroPython手册主题，但有时采用有效率的算法能实现性能的大幅提升。

内存分配

为了设计高效的MicroPython代码，有必要了解一下解释器的内存分配方式。当创建对象或增大对象大小时（例如，将条目添加到列表），解释器会从内存堆块中分配必要的内存，这个过程需要大量的时间，有时还会触发垃圾收集机制，可能需要几毫秒的时间。因此，减少对象的创建并控制其变化可以提高函数或方法的性能，同时也意味着对象在其使用期间会持续存在。通常，对象在类的构造函数中创建，并在各种方法中使用。

缓冲区

上面提到的内存分配是需要缓冲区的常见情况，就像用于与设备通信的缓冲区，驱动程序会在构造函数中创建缓冲区，并在调用I/O方法时反复使用它。

MicroPython库提供了对预分配缓冲区的支持，例如，为支持流接口（文件或UART）的对象提供读取时分配新缓冲区的方法read()，还提供了将数据读入现有缓冲区的方法readinto()。

浮点数

一些MicroPython端口在堆上分配浮点数，而另一些端口可能缺乏专用的浮点协处理器，不得不在“软件”中以比整数低得多的速度执行算术运算。如果性能很重要，请使用整数运算，并将浮点的使用限制在性能不重要的代码部分。例如，将ADC读数作为整数值快速捕获到数组中，然后将其转换为浮点数进行信号处理。

数组

为减少内存分配，可以考虑使用各种类型的数组类作为列表的替代方案。array模块支持各种元素类型，其中Python内置bytes和bytearray类支持8位元素。这些数据结构都将元素存储在连续的内存位置。为了避免在关键代码中分配内存，应该预先分配内存,并将其作为参数或绑定对象传递。

当传递对象切片（例如bytearray实例）时，Python 会创建一个副本，其中涉及到与切片大小成比例的内存分配，可以使用memoryview进行改进。memoryview本身是在堆上分配的，但它是一个小的、固定大小的对象，无论它指向的切片的大小如何。对memoryview切片会创建一个新的memoryview，因此不能在中断服务例程中进行此操作。此外，切片语法a:b会因为实例化对象slice(a, b)引起进一步的内存分配。

ba = bytearray(10000)  # 大数组
func(ba[30:2000])      # 传递副本, 新分配 ~2K 
mv = memoryview(ba)    # 分配一个小对象
func(mv[30:2000])      # 传递内存指针

memoryview只能用于支持缓冲区协议的对象（包括数组但不包括列表）。需要注意的是，当memoryview对象处于活动状态时，它也会使原始缓冲区对象保持活动状态。所以，memoryview并不是万能的灵丹妙药。例如，在上面的示例中，如果使用了10K缓冲区，且只需要其中的30:2000字节，最好还是进行切片，释放这10K缓冲区（为垃圾回收做好准备），而不是使用一个长期存在的memoryview阻止GC回收这10K的缓冲区