MicroPython與Python速度對比

首先說明，micropython跟python是沒有任何可比性的，python作為一種通用的語言，在擴展性上不是micropython能比的，比如大量的庫，可以方便的用C語言加模塊提升速度，有pypy這樣的帶JIT的解釋器，micropython是適合於單片機的系統雖然可以用C寫lib，但是需要重新編譯整個固件，此外，micropython也缺乏加載本地代碼的功能，比如加載C便宜的so庫。所以不要試圖用micropython代替python，這不是一個好主意，除非micropython支持的庫滿足你的使用了。

這篇文章主要是簡單的對比這兩個不同的實現的性能有何差別。

測試代碼有兩個，一個是一個大循環，一個是遞歸計算斐波那契數列，例子比較簡單，代碼如下：

try:
    import utime as time
except:
    import time

def bigloop():
    s=0
    for i in range(1000000000):
       s+=i

def fib(n):
    if n==0:
        return 0
    if n==1:
        return 1
    return fib(n-1)+fib(n-2)


t=time.time()
bigloop()
print("bigloop time:",time.time()-t)
t=time.time()
print("The 40th fibric is:",fib(40))
print("fibn time:",time.time()-t)

結果如下：

[yafeng@ArchV ~]$ python micromark.py
bigloop time: 60.44254755973816
The 40th fibric is: 102334155
fibn time: 48.39746880531311

[yafeng@ArchV ~]$ micropython micromark.py
bigloop time: 51.92846608161926
The 40th fibric is: 102334155
fibn time: 65.70703196525574

　

可以看到，效率基本是一樣的，循環micropython稍快一點，遞歸cpython稍快一點，順便貼一下pypy pypy3的結果：

[yafeng@ArchV ~]$ pypy micromark.py
('bigloop time:', 1.7053859233856201)
('The 40th fibric is:', 102334155)
('fibn time:', 7.795623064041138)
[yafeng@ArchV ~]$ pypy3 micromark.py
bigloop time: 1.2033970355987549
The 40th fibric is: 102334155
fibn time: 7.820451974868774

可以看到，pypy速都還是很明顯的，喜聞樂見的是，pypy3甚至超過了pypy。

下邊在搞一下優化，micropython有@micropython.native,@micropython.viper兩個可以提速的裝飾器，通過翻譯成機器碼來提速，結果如下：

@micropython.native

[yafeng@ArchV ~]$ micropython micromark.py
bigloop time: 23.538330078125
The 40th fibric is: 102334155
fibn time: 40.44101715087891

@micropython.viper

[yafeng@ArchV ~]$ micropython micromark.py
bigloop time: 5.683197021484375
The 40th fibric is: 102334155
fibn time: 24.39595413208008

其中fib部分由於返回值類型不固定viper失敗，所以改成了如下方式：

@micropython.viper
def num(x):
    return x

@micropython.viper
def fib(n:int)->object:
    if n==0:
        return num(0)
    if n==1:
        return num(1)
    return fib(n-1)+fib(n-2)

對性能有一定的影響，同代碼的native模式為52秒，直接解釋執行是87秒

也就是說，viper性能在循環方面，4倍於native 10倍於直接解釋。遞歸方面，viper速度是native的2倍是直接執行的3倍

當然，跟pypy的1.2秒，7.8秒還是慢3倍以上。

結論：

1.micropython解釋器的速度跟cpython差不多，都低於pypy

2.通過native或者viper兩個裝飾器，可以加速代碼，能到pypy一個數量級（慢3倍）

其實個人覺得python也可以考慮加上類似的技術來加速代碼，畢竟沒多少代碼量。