micropython程序容量_micropython程序优化实例

这个优化例子来自 Damien在 pycomau 上的演讲使用MicroPython高效快速编程，演讲视频大家可以在前几天的订阅号中查看。

首先我们看下面的程序，它在循环中翻转LED，然后通过运行的时间和翻转次数，计算出每秒翻转的频率。

frommachineimportPin

importtime

led=Pin('A13')

N=200000

t0=time.ticks_us()

foriinrange(N):

led.on()

led.off()

t1=time.ticks_us()

dt=time.ticks_diff(t1,t0)

fmt='{:5.3f} sec, {:6.3f} usec/blink : {:8.2f} kblink/sec'

print(fmt.format(dt*1e-6,dt/N,N/dt*1e3))

我们将这段代码保存为文件led1.py，然后import led1执行。在pybv10或者pyboardCN上结果是：

3.381sec,16.905usec/blink:59.16kblink/sec

在MicroPython程序优化原则中，提到尽量在程序中执行功能，不要在主程序中运行，因此可以将LED翻转放在函数中执行。

frommachineimportPin

importtime

led=Pin('A13')

N=200000

defblink_simple(n):

foriinrange(n):

led.on()

led.off()

deftime_it(f,n):

t0=time.ticks_us()

f(n)

t1=time.ticks_us()

dt=time.ticks_diff(t1,t0)

fmt='{:5.3f} sec, {:6.3f} usec/blink : {:8.2f} kblink/sec'

print(fmt.format(dt*1e-6,dt/n,n/dt*1e3))

time_it(blink_simple,N)

运行后的结果是：

2.902 sec, 14.509 usec/blink :    68.92 kblink/sec

可以看到，我们没有做什么实质的改到，就明显提高了速度。

循环是最消耗运行时间的，我们对循环中led.on()和led.off()两个动作进行优化，将它们预先载入内存，而无需循环中每次载入。

frommachineimportPin

importtime

led=Pin('A13')

N=200000

defblink_simple(n):

on=led.on

off=led.off

foriinrange(n):

on()

off()

deftime_it(f,n):

t0=time.ticks_us()

f(n)

t1=time.ticks_us()

dt=time.ticks_diff(t1,t0)

fmt='{:5.3f} sec, {:6.3f} usec/blink : {:8.2f} kblink/sec'

print(fmt.format(dt*1e-6,dt/n,n/dt*1e3))

time_it(blink_simple,N)

优化后结果是

1.617 sec,  8.086 usec/blink :   123.68 kblink/sec

提高了将近一倍。

进一步将循环中对 range(n) 也进行优化

frommachineimportPin

importtime

led=Pin('A13')

N=200000

defblink_simple(n):

on=led.on

off=led.off

r=range(n)

foriinr:

on()

off()

deftime_it(f,n):

t0=time.ticks_us()

f(n)

t1=time.ticks_us()

dt=time.ticks_diff(t1,t0)

fmt='{:5.3f} sec, {:6.3f} usec/blink : {:8.2f} kblink/sec'

print(fmt.format(dt*1e-6,dt/n,n/dt*1e3))

time_it(blink_simple,N)

运行结果是

1.121 sec,  5.607 usec/blink :   178.35 kblink/sec

再次提升了性能。

进一步对循环中的操作优化，减少循环次数

frommachineimportPin

importtime

led=Pin('A13')

N=200000

defblink_simple(n):

n//=8

on=led.on

off=led.off

r=range(n)

foriinr:

on()

off()

on()

off()

on()

off()

on()

off()

on()

off()

on()

off()

on()

off()

on()

off()

deftime_it(f,n):

t0=time.ticks_us()

f(n)

t1=time.ticks_us()

dt=time.ticks_diff(t1,t0)

fmt='{:5.3f} sec, {:6.3f} usec/blink : {:8.2f} kblink/sec'

print(fmt.format(dt*1e-6,dt/n,n/dt*1e3))

time_it(blink_simple,N)

速度又有明显提升。

0.913 sec,  4.563 usec/blink :   219.16 kblink/sec

根据MicroPython的优化功能，可以将程序声明为native code(本地代码)，它使用CPU的操作码(opcode)，而不是字节码(bytecode)

frommachineimportPin

importtime

led=Pin('A13')

N=200000

@micropython.native

defblink_simple(n):

n//=8

on=led.on

off=led.off

r=range(n)

foriinr:

on()

off()

on()

off()

on()

off()

on()

off()

on()

off()

on()

off()

on()

off()

on()

off()

deftime_it(f,n):

t0=time.ticks_us()

f(n)

t1=time.ticks_us()

dt=time.ticks_diff(t1,t0)

fmt='{:5.3f} sec, {:6.3f} usec/blink : {:8.2f} kblink/sec'

print(fmt.format(dt*1e-6,dt/n,n/dt*1e3))

time_it(blink_simple,N)

测试结果：

0.704 sec,  3.521 usec/blink :   284.00 kblink/sec

程序还可以进一步优化，完整内容请参看下方的阅读原文，获取终极优化的方法。