第二贴：micropython使用中遇到的懵圈问题（待续）
感谢再感谢
感谢EEWorld编辑和dcexpert，刚刚拿到他们提供的micropython pybV1.0版本。说说我上手使用的心得。
EEWorld版本保留了George的大多数原始设计，包括USB，TF，按键和扩展口，但移除了3D加速度计，增加了LED。我可以理解dcexpert这么做的原因。因为小批量的PCBA要焊接QFN或者更小封装IC/传感器需要额外的人力。不过从焊接工艺来看，应该使用了MASK+回流焊的工艺。按理来说，QFN应该问题不大。但是发现板上
实际上，我已经在NUCLEO F401上运行了micropython REPL（交互式环境）。但是要评估micropython的其他特性，如内置文件系统和TF卡中的文件系统，必须要有USB和SDCard接口。而大部分NUCLEO 64（QFP64）都没有板载USB接插件，甚至连USB必须的8MHz晶体和电容都没有焊接。所以这些PCBA上只可以使用REPL交互环境进行评估，而无法评估文件系统和USB串口。所以，再次感谢EEWorld/dcexpert让我省了时间来构建硬件，这也是开源的魅力。
为什么我纠结Python in Embedded
最近我在写一本书，在第二章部分介绍了Python的基础知识，包括内建类型，数据结构，函数，模块，控制流，OOP，进程，线程.......确切地说，我几乎迷失在Python的内部实现中了。在这个过程中，逐渐进一步体会了作为嵌入式C语言到嵌入式Python编程所需要花费的努力。难怪George会将micropython的最初版本设在20美刀，的确是个艰难的过程。只有甘之如饴的人才能够挺过这个苦行的过程。
如果资源足够，如Linux单板机中，ARM9至少有64MB RAM+128MB ROM，那么Python可以为我们带来以下好处：
- Python容易学习，容易入门，所以C语言开发者可以很容易入门。；
- Python可以节省代码，其内置类型（和数据结构）、内置函数和标准库帮助开发者解决了不少日常的问题；
- Python标准库太丰富了；
- Python提供更加丰富的内置类型，可用于高层应用相关的数据结构；
- Python内部所有类型都是对象，不仅是类型，对象，包括函数，代码等等，所以OOP很自然；
- Python不仅可以面对过程编程，面向对象，还可以做更高抽象度的函数式编程，甚至可以在一句话里实现算法和迭代。
对应地，Python在深嵌入式（尤其是RAM有限的MCU系统中）是艰难的。必须正确理解、并使用所有的内置类型。否则等着Stack/Heap爆掉和死机吧。
Python与C的区别（EE背景工程师必须要了解）
仅具备C语言开发的工程师看Python有个类比，如果台湾省工程师初到大陆，会认为字好像，但是仔细看看存在很多不同。
对于C语言开发者来说，Python的区别在于：
- 类型丰富，不仅有数值类型，还有字符串，Unicode字符串，tuple/list/set/dict等类型，还有许多其他类型；
- 类型分类多样，从不同角度，类型有可变，不可变，可迭代，序列类型，还有迭代器，生成器......分类方式；
- 可变和不可变类型在C中没有，C语言中不可变的是常量，恰恰在Python中没有对应实现。
- Python中只有整数和长整数，没有unsigned char，word，double word的区别。
- Python浮点数规定为双精度型，（micropython却为单精度型）。
- Python有复数，C语言必须采用struct来实现。
- 变量在系统中的表达不一样，不是传值，而是传引用（暂可以理解为指针）。所以，x,y=y,x这种交换是合法的，而在C中必须有中间变量；
- 函数也是变量，可以有别名和默认参数等，还可以把函数作为参数，也可以返回参数，形成闭包等。
- 函数可以返回多个变量。所以完成 a,b,c,_,e,f = myfunc()这种方式。
- 序列如tuple/list可以切片，切断...配合匿名函数，map(), reduce(), filter(), sorted()可以部分实现函数式编程，节省代码。
- ......还有好多区别，无法列举。
就目前在嵌入式系统中，大致需要完成从数据采集到数据后处理的过程。需要对于内建类型，内建函数，变量，控制流，函数（即函数式编程），面向对象编程，模块，类型迭代等只是重点了解一下。才不会发生以C语言思路编Python代码现象出现。
举例来说，在C/Java中，for循环都是基于数组下标进行迭代。而Python却可以在所有可迭代类型（包括用户类）中进行迭代。当然，你可以在Python中以数组下标方式迭代，没有问题。但是浪费资源和代码空间。
C:
int i;
for (i = 0; i < 100; i++)
print("%d",i);
Python迭代整数
for i in range(100):
print("%d",i)
Python迭代字符串
>>> for i in "helloworld":
... print(i),
...
h e l l o w o r l d
Python3 与micropython的区别
不过在我的测试过程中，发现micropython并没有实现一些我所期待的方法。比如说列表切片。
>>> a = 'hello world'
>>> b = a[0:-2]
>>> b
'hello wor'
>>> c = a[0:-1:2]
Traceback (most recent call last):
File "", line 1, in
NotImplementedError: only slices with step=1 (aka None) are supported
>>>
在a[0:-2:2]中使用步长为2的切片就抛出一个NotImplementedError。
如何切换REPL、内置文件系统代码和外置TF卡系统代码
一开始对于这个问题有些懵圈。后来发现他们之间存在优先级：
TF>Flash，而Flash>REPL。
用户可以在REPL中测试一些性能和算法。更新Flash中的main.py后，REPL就不在运行了。必须将main.py内容清空（我还是保留main.py文件），才可以再切换会REPL测试代码。
是否支持模块化编程？
对于micropython能够编写何种复杂度和规模的应用代码没有底。这个对于实际工程使用还是有影响的。所以我需要针对多模块的micropython做些实验。留待后文分享。
物联网常见任务
- 数据采集：从ADC，GPIO或者透过SPI/I2C总线读取传感器数据，由于非常贴近硬件，读取的数据都是硬件寄存器数值，宽度为字节，字，双字，8~32位宽无符号整数。
- 数据缓冲：任何数据从一个实体传输到下一个实体，往往需要将数据进行缓冲。这些都是在系统RAM中实施。
- 数据多路复用和解多路复用：主要用于将多组数据打包后在通讯通道中传输。
- 数据序列化和解序列化：在逻辑通道传输前将数据对象串行化，传输后解析到数据对象。
- 数据压缩和解压缩：为了减少冗余数据对于通道带宽占用，而实现的压缩和解压缩。
- 数据传输：通过各种协议将数据传输给对等实体。
- 数据后处理：主要指对于原始数据进行类型转换，缩放，归一化，频域转化等。
- 数据持久化：RAM是有限的，必须将数据持久化到磁盘中，以后才可以再利用。
- 数据检索：通过某种手段如数据库，对已有数据进行检索。
- 数据分析：统计、融合、挖掘，对原始数据进行统计分析，合并其他数据，提炼出内在模式，挖掘出商业价值；
- 数据可视化：将原始数据和统计数据通过图表、动画形式提供给用户。
- 数据转发：包括推送，异步通知等都归类于此。
京公网安备 11010802033920号
