实时操作系统(RTOS)上的Python

Question

我计划在RTOS平台上实现一个小规模的数据采集系统.(无论是在QNX上还是在RT系统上。)

据我所知，这些工作是使用C/ C++执行的，以最大限度地利用系统。然而，我很想知道，并想了解一些有经验的人的意见，然后我盲目地投入到编码行动中去，用Python编写所有东西是否可行和明智(从底层仪器接口到闪亮的图形用户界面)。如果不是，将设计的关键时间部分与"C“混合，或者用C编写所有东西，甚至不放一行Python代码。

或者至少使用Python包装C代码以提供对系统的更容易的访问。

你建议我改哪条路？我很高兴你指出一些类似的设计案例和进一步的阅读。

谢谢

NOTE1:强调QNX的原因是因为我们已经有了一个基于QNX4.25的数据采集系统(M300)，用于我们的大气测量实验。这是一个专有的系统，我们不能访问它的内部。进一步研究QNX可能对我们有利，因为6.4有一个免费的学术许可选项，附带Python2.5和最近的GCC版本。我从未测试过RT-Linux系统，也不知道它在稳定性和效率方面与QNX有多大的可比性，但我知道所有Python生境和非Python工具(比如Google Earth)的所有成员都可以在大部分时间内在工作上开发新系统。

Answer 1

我不能代表所有的数据采集装置，但是他们中的大多数人都在等待数据的到来--至少是我曾经做过的那些。

然后，当数据进入时，您需要立即记录事件或响应它，然后它返回到等待的游戏。这通常是数据采集系统中最关键的时间部分。由于这个原因，我通常会说，在数据采集的I/O部分中坚持使用C，但是没有任何特别令人信服的理由不在非时间关键部分使用Python。

如果您的需求相当松散--可能只需要毫秒精度--这将为用Python完成所有工作增加一些负担。就开发时间而言，如果您已经对Python感到满意，那么如果您只在出现瓶颈时才使用Python和重构，那么您可能会更快地拥有一个成品。用Python完成大部分工作也将使彻底测试代码变得更加容易，而且作为一般经验规则，代码行数将减少，从而减少了bug的空间。

如果您需要指定多任务(而不是多线程)，无堆栈Python也可能是有益的。这就像多线程一样，但是线程(或者用无堆栈的术语来说是tasklet)不是OS级线程，而是Python/应用程序级的线程，因此在线程之间切换的开销大大降低了。您可以将Stackless配置为多任务协作或先发制人。最大的缺点是阻塞IO通常会阻塞整个任务集。无论如何，考虑到QNX已经是一个实时系统，很难推测无堆栈是否值得使用。

我的投票将是采取尽可能多的Python-可能的路线-我认为它是低成本和高效益。如果您确实需要用C重写，那么您已经可以开始编写工作代码了。

Answer 2

我已经构建了几个全Python软实时(RT)系统，主要周期从1ms到1秒不等。在此过程中，我学到了一些基本的策略和策略：

1. 使用线程/多处理(只使用)从主线程卸载非RT工作，其中线程之间的队列是可以接受的，并且可以协作线程(没有抢占线程！)。
2. 避开吉尔。这基本上意味着不仅要避免线程，而且要尽可能地避免系统调用，特别是在关键时间操作期间，除非它们是非阻塞的。
3. 实用时使用C模块。事情(通常)用C的速度更快！但是，主要是如果您不必编写自己的代码:除非真的没有其他选择，否则请继续使用Python。优化C模块的性能是一个皮塔，特别是当跨Python接口转换成为代码中最昂贵的部分时。
4. 使用Python加速器加速代码。我的第一个RT项目极大地受益于精神病学(是的，我已经做了很长时间了)。我今天一直使用Python2.x的原因之一是PyPy：总是使用LLVM的速度更快！
5. 不要害怕忙碌--在需要关键时间的时候等待。使用time.sleep()在期望的时间内“悄悄地”前进，然后在最后的1-10毫秒内等待。我已经能够在10微秒左右的时间内获得可重复的性能。确保您的Python任务以最大OS优先级运行。
6. 矮胖的石头！如果您正在进行“实时”分析或大量的统计，就没有办法比使用Numpy更快、更少的工作(代码更少、bug更少)完成更多的工作。我不知道任何其他语言，包括C/C++。如果您的大部分代码由Numpy调用组成，您将非常非常快。我等不及PyPy的Numpy端口完成了！
7. 注意Python是如何以及何时进行垃圾收集的。监控您的内存使用情况，并在需要时强制GC。确保在关键时间操作期间显式禁用GC。我所有的RT系统都连续运行，Python喜欢占用内存。仔细的编码可以消除几乎所有的动态内存分配，在这种情况下，您可以完全禁用GC！
8. 尽可能多地以批方式执行处理。不要按输入速率处理数据，而是尝试以输出速率处理数据，这通常要慢得多。分批处理也使收集更高层次的统计数据更加方便。
9. 我提到使用PyPy了吗？值得一提的是两次。

使用Python进行RT开发还有许多其他好处。例如，即使您相当肯定您的目标语言不可能是Python，在Python中开发和调试一个原型也会带来巨大的好处，然后使用它作为最终系统的模板和测试工具。多年来，我一直在使用Python创建系统“硬部分”的快速原型，并创建快速的‘n’脏测试GUI。这就是我的第一个RT Python系统是如何出现的:即使在测试GUI运行的情况下，原型(+Psyco)也足够快！

-BobC

编辑:忘了提到跨平台的好处:我的代码几乎到处运行，a)没有重新编译(或编译器依赖，或需要交叉编译器)，b)几乎没有平台相关的代码(主要用于文件处理和串行I/O等错误代码)。我可以在Win7-x86上进行开发，并在Linux上部署(或者其他任何POSIX操作系统，这些操作系统现在都有Python )。PyPy目前主要是x86，但ARM端口正在以令人难以置信的速度发展。

Answer 3

通常，反对在实时上下文中使用高级语言的原因是不确定的--当您运行一个例程时，可能需要100 is；下一次运行相同的例程时，它可能决定扩展一个哈希表，调用malloc，然后malloc请求内核提供更多的内存，从立即返回、毫秒后返回到几秒钟后返回，再到错误，从代码中没有一个是立即明显的(或可控的)。理论上，如果你用C(甚至更低的)写，你可以证明你的关键路径将“总是”(除非流星撞击)在X时间运行。