실시간 운영 시스템 (RTO)의 Python

https://stackoverflow.com/questions/1402933

05-07-2019
|

문제

RTOS 플랫폼에서 소규모 데이터 수집 시스템을 구현할 계획입니다. (QNX 또는 RT-LINUX 시스템에 있습니다.)

내가 아는 한, 이러한 작업은 시스템을 최대한 활용하기 위해 C / C ++를 사용하여 수행됩니다. 그러나 나는 코딩 조치에 맹목적으로 뛰어 들기 전에 경험이 풍부한 사람들의 의견을 알고 싶어하고 Python (반짝이는 그래픽 사용자 인터페이스를 통해 인터페이스하는 저수준 계측기에서)을 작성하는 것이 가능하고 현명할지 여부를 맹목적으로 뛰어 들기 전에 경험이 풍부한 사람들의 의견을 배우고 싶습니다. 그렇지 않은 경우, 디자인의 타이밍 크리티컬 부분과 "C"와 혼합하거나 C로 모든 것을 쓰고 파이썬 코드 라인을 넣지 마십시오.

또는 최소한 Python을 사용하여 C 코드를 래핑하여 시스템에 쉽게 액세스 할 수 있습니다.

어떤 방법으로 작업하라고 조언 하시겠습니까? 비슷한 디자인 사례와 추가 판독 값을 가리키면 기뻐할 것입니다.

고맙습니다

노트 1 : QNX를 강조하는 이유는 이미 QNX 4.25 기반 데이터 수집 시스템이 있기 때문입니다.M300) 대기 측정 실험의 경우. 이것은 독점 시스템이며 우리는 그것의 내부에 액세스 할 수 없습니다. 6.4에는 무료 학술 라이센스 옵션이 있고 Python 2.5 및 최근 GCC 버전이 제공되므로 QNX를 더 자세히 살펴보십시오. 나는 RT-LINUX 시스템을 테스트 한 적이 없으며 안정성과 효율성 측면에서 QNX와 얼마나 비교할 수 있는지 모르지만, 새로운 시스템의 모든 Python 서식지 및 비 파이썬 도구 (Google Earth)의 모든 구성원이 새로운 시스템을 알고 있습니다. 대부분의 시간에 박스에서 개발 될 수 있습니다.

해결책

나는 말할 수 없다 모든 데이터 수집 설정이 있지만 대부분 그들 중 대부분의 "실시간 운영"을 보냅니다. 대기 중 적어도 내가 작업 한 데이터가 들어올 수 있습니다.

그런 다음 데이터 일 때 하다 들어 와서 즉시 이벤트를 녹음하거나 응답해야합니다. 그런 다음 대기 게임으로 돌아갑니다. 이는 일반적으로 데이터 수집 시스템에서 가장 시간이 많이 걸리는 부분입니다. 그런 이유로 나는 할 것이다 일반적으로 데이터 수집의 I/O 부분에 대해 C를 고수한다고 말하지만, 비정규적인 부분에서 Python을 사용하지 않는 강력한 이유는 없습니다.

요구 사항이 상당히 느슨한 경우 (아마도 밀리 초 정밀도가 필요할 수도있는 경우) 파이썬에서 모든 것을 수행하는 데 더 많은 무게가 더해집니다. 개발 시간이 다가 오는 한, 이미 파이썬에 익숙하다면 병목 현상이 나타날 때만 파이썬으로 모든 것을 수행하고 리팩토링하는 경우 완제품을 훨씬 빨리 가질 것입니다. Python에서 대부분의 작업을 수행하면 코드를 철저히 테스트 할 수 있으며 일반적으로 코드 줄이 적고 버그의 공간이 줄어 듭니다.

구체적으로 멀티를 해야하는 경우직무 (멀티가 아님실), 스택이없는 파이썬 유익 할 수도 있습니다. 이것의 처럼 멀티 스레딩이지만 스레드 (또는 스택리스 링고의 작업 목적)는 OS 레벨 스레드가 아니라 Python/Application 레벨이므로 작업 목록 간 전환의 오버 헤드는 다음과 같습니다. 중요하게 줄인. Stackless를 멀티 태스킹으로 협력 적으로 또는 선제 적으로 구성 할 수 있습니다. 가장 큰 단점은 IO 차단이 일반적으로 전체 작업 세트 세트를 차단한다는 것입니다. 어쨌든 QNX가 이미 실시간 시스템이라는 점을 고려할 때 Stackless를 사용할 가치가 있는지 여부를 추측하기는 어렵습니다.

저의 투표는 아마도 그럴듯한 경로를 사용하는 것입니다. 저렴한 비용과 높은 혜택으로 본다. C에서 다시 작성 해야하는 경우 이미 시작할 작업 코드가 있습니다.

다른 팁

1 초에서 1 초 사이의 1 차 사이클 시간으로 여러 올 파이썬 소프트 실시간 (RT) 시스템을 구축했습니다. 그 과정에서 배운 몇 가지 기본 전략과 전술이 있습니다.

스레딩/멀티 프로세싱을 사용하십시오 뿐 스레드 사이의 대기열이 허용되고 협력 스레딩이 가능하는 기본 스레드에서 비 RT 작업을 오프로드하기 위해 (선제 적 스레드 없음).
길을 피하십시오. 이는 기본적으로 스레딩을 피할뿐만 아니라 블로킹을하지 않는 한, 특히 시간이지 않은 작업 중에 가능한 최대 규모의 시스템 호출을 피하는 것을 의미합니다.
실용적 일 때 C 모듈을 사용하십시오. C와 함께 물건 (보통)이 더 빨라집니다! 그러나 주로 자신의 글을 쓸 필요가 없다면 : 실제로 대안이 없다면 파이썬에 머물러 있습니다. C 모듈 성능을 최적화하는 것은 PITA입니다. 특히 Python-C 인터페이스를 통한 번역이 코드의 가장 비싼 부분이됩니다.
Python Accelerator를 사용하여 코드 속도를 높이십시오. 나의 첫 번째 RT Python Project는 PSYCO의 혜택을 크게 이익을 얻었습니다 (예, 한동안이 일을 해왔습니다). 내가 오늘 Python 2.x와 함께 머무르는 한 가지 이유 중 하나는 Pypy : Things 언제나 LLVM으로 더 빨리 가십시오!
중요한 타이밍이 필요할 때 바쁜 시간을 두려워하지 마십시오. Time.sleep ()를 사용하여 원하는 시간에 '몰래'다음 마지막 1-10ms 동안 바쁜 시간을 사용하십시오. 나는 10 마이크로 초의 순서로 자체 타이밍으로 반복 가능한 성능을 얻을 수있었습니다. Python 작업이 Max OS 우선 순위에서 실행되는지 확인하십시오.
멍청한 바위! '라이브'분석 또는 수많은 통계를하는 경우 아니 Numpy를 사용하는 것보다 더 많은 작업을 더 빨리하고 작업이 적은 (코드가 적고 버그가 적음)를 얻는 방법. C/C ++를 포함하여 내가 아는 다른 언어는 아닙니다. 코드의 대부분이 Numpy 통화로 구성되면 매우 빠릅니다. Numpy 포트가 Pypy가 완료 될 때까지 기다릴 수 없습니다!
Python이 쓰레기 수집을 수행하는 방법과시기를 알고 있어야합니다. 메모리 사용을 모니터링하고 필요할 때 GC를 강제하십시오. 시간이 크리티컬 작업 중에 GC를 명시 적으로 비활성화하십시오. 내 모든 RT 파이썬 시스템은 지속적으로 실행되며 Python은 메모리를 좋아합니다. 신중한 코딩은 거의 모든 동적 메모리 할당을 제거 할 수 있으며,이 경우 GC를 완전히 비활성화 할 수 있습니다!
가능한 한 배치로 처리를 수행하십시오. 입력 속도로 데이터를 처리하는 대신 출력 속도로 데이터를 처리하십시오. 배치로 처리하면 더 높은 수준의 통계를 수집하는 것이 더 편리합니다.
pypy 사용에 대해 언급 했습니까? 글쎄, 그것은 두 번 언급 할 가치가 있습니다.

RT 개발을 위해 Python을 사용하면 다른 많은 이점이 있습니다. 예를 들어, 대상 언어가 Python이 될 수 없다고 확신하더라도 Python에서 프로토 타입을 개발하고 디버깅하는 데 큰 이점을 지불 한 다음 최종 시스템의 템플릿 및 테스트 도구로 사용할 수 있습니다. Python을 사용하여 수년간 시스템의 "하드 부품"의 빠른 프로토 타입을 만들고 빠른 테스트 GUI를 만들었습니다. 그것이 나의 첫 번째 RT 파이썬 시스템이 존재하는 방식입니다. 테스트 GUI가 실행 되더라도 프로토 타입 (+psyco)은 충분히 빠릅니다!

-BOBC

편집 : 크로스 플랫폼 혜택을 언급하는 것을 잊어 버렸습니다. 내 코드는 a) 재 컴파일 (또는 컴파일러 종속성 또는 크로스 컴파일러 필요)과 함께 거의 모든 곳에서 실행됩니다. b) 거의 플랫폼 의존적 코드가 없습니다 (주로 MISC와 같은 기타 항목. 파일 처리 및 직렬 I/O). Win7-X86에서 개발하고 Linux-Arm (또는 다른 POSIX OS에 배치 할 수 있습니다. 요즘에는 파이썬이 있습니다). Pypy는 현재 주로 x86이지만 ARM 포트는 놀라운 속도로 진화하고 있습니다.

일반적으로 실시간 맥락에서 높은 수준의 언어를 사용하는 것에 대한 이유는 불확실성 - 일상을 한 번 실행하면 100US가 필요할 수 있습니다. 다음에 동일한 루틴을 실행할 때 해시 테이블을 연장하여 Malloc에게 전화를 걸어 Malloc은 커널에 더 많은 메모리를 요청합니다. 초 나중에 오류가 발생하면 코드에서 즉시 명백하거나 제어 할 수있는 것은 없습니다. 이론적으로 C (또는 더 낮은)로 쓰면 중요한 경로가 x 시간에 "항상"(유성 스트라이크를 막는)가 실행됨을 증명할 수 있습니다.

우리 팀은 QNX에서 여러 언어를 결합한 작업을 수행 했으며이 접근 방식으로 많은 성공을 거두었습니다. Python을 사용하면 생산성에 큰 영향을 미칠 수 있으며 통음 또한 CTYPES를 사용하면 코드를 최적화하고 다른 언어의 기능을 결합 할 수 있습니다.

그러나 시간이 중요한 것을 쓰고 있다면 거의 확실히 c로 작성해야합니다. 이렇게하면 Gil과 같은 해석 된 랑우지의 암시 적 비용을 피할 수 있습니다.글로벌 통역사 잠금), 그리고 투쟁 많은 작은 메모리 할당에서. 이 두 가지 모두 응용 프로그램의 수행 방식에 큰 영향을 줄 수 있습니다.

또한 QNX의 Python은 다른 분포와 100% 호환되지 않는 경향이 있습니다 (즉, 때로는 모듈이 없음).

중요한 참고 사항 : QNX 용 Python은 일반적으로 X86에서만 사용할 수 있습니다.

PPC 및 기타 아치 용으로 컴파일 할 수 있다고 확신하지만 상자에서 벗어나지 않을 것입니다.

라이센스 : CC-BY-SA ~와 함께 속성

제휴하지 않습니다 StackOverflow