绘制实时串行数据最有效的 Python IPC 机制是什么？

Question

什么是最快的Python 从串行端口读取数据到绘制该数据的单独进程的机制？

我正在实时绘制从串行端口读取的脑电图数据。串行端口读取和数据包解包代码工作正常，因为如果我读取并存储数据，然后绘制存储的数据，它看起来很棒。像这样：

注意：设备生成用于调试的测试正弦波

我正在使用 pyQtGraph 进行绘图。在我读取串行数据的同一过程中更新绘图不是一种选择，因为串行 read() 调用之间的轻微延迟会导致串行缓冲区溢出并导致校验和错误。 pyQtGraph 提供了在单独的进程上渲染图形的规定，这很好，但瓶颈似乎在进程间通信中。我已经尝试了 Pipe() 和 Queue() 的各种配置，所有这些都会导致滞后、闪烁的图形更新。到目前为止，从串行端口获取新值到图形的最流畅、最一致的方法似乎是通过共享内存，如下所示：

from pyqtgraph.Qt import QtGui
import pyqtgraph as pg
from multiprocessing import Process, Array, Value, Pipe
from serial_interface import EEG64Board
from collections import deque

def serialLoop(arr):
    eeg = EEG64Board(port='/dev/ttyACM0')
    eeg.openSerial() 
    eeg.sendTest('1')        #Tells the eeg device to start sending data
    while True:
        data = eeg.readEEG() #Returns an array of the 8 latest values, one per channel
        if data != False:    #Returns False if bad checksum
            val.value = data[7] 

val = Value('d',0.0)
q = deque([],500)

def graphLoop():
    global val,q
    plt = pg.plot(q)
    while True:
        q.append(val.value)
        plt.plot(q,clear=True)
        QtGui.QApplication.processEvents()

serial_proc = Process(target=serialLoop, args=(val,), name='serial_proc')
serial_proc.start()

try:
    while True:
        graphLoop()
except KeyboardInterrupt:
    print('interrupted')

以上代码通过简单地拉取 serialLoop 记录的最新值并将其附加到双端队列来执行实时绘图。虽然绘图更新顺利，但它只获取了大约四分之一的值，如结果图中所示：

那么，你会推荐什么多进程或线程结构，然后它们之间应该使用什么形式的IPC？

更新：

我每秒接收 2,000 个样本。我在想，如果我以 100 fps 更新显示并每帧添加 20 个新样本，那么我应该会很好。什么是最好的 Python 实现这个的多线程机制？

Answer 1

这可能不是最有效的，但以下代码可实现 100 fps 的一个绘图，或 20 fps 的 8 个绘图。这个想法很简单：共享一个数组、索引和锁。串行填充数组并在锁定时增加索引，绘图过程定期从数组中获取所有新值并减少索引，再次锁定。

from pyqtgraph.Qt import QtGui
import pyqtgraph as pg
from multiprocessing import Process, Array, Value, Lock
from serial_interface import EEG64Board
from collections import deque

def serialLoop(arr,idx,lock):
    eeg = EEG64Board(port='/dev/ttyACM0')
    eeg.openSerial() 
    eeg.sendTest('1')        #Tells the eeg device to start sending data
    while True:
        data = eeg.readEEG() #Returns an array of the 8 latest values, one per channel
        if data != False:    #Returns False if bad checksum
            lock.acquire()
            for i in range(8):
                arr[i][idx.value] = data[i] 
            idx.value += 1
            lock.release()
    eeg.sendTest('2') 

arr = [Array('d',range(1024)) for i in range(8)]
idx = Value('i', 0)
q = [deque([],500) for i in range(8)]
iq = deque([],500)
lock = Lock()

lastUpdate = pg.ptime.time()
avgFps = 0.0

def graphLoop():
    global val,q,lock,arr,iq, lastUpdate, avgFps
    win = pg.GraphicsWindow()
    plt = list()
    for i in range(8):
        plt += [win.addPlot(row=(i+1), col=0, colspan=3)]
    #iplt = pg.plot(iq)
    counter = 0
    while True:
        lock.acquire()
        #time.sleep(.01)
        for i in range(idx.value):
            for j in range(8):
                q[j].append(arr[j][i])        
        idx.value = 0
        lock.release()
        for i in range(8):
            plt[i].plot(q[i],clear=True)
        QtGui.QApplication.processEvents()
        counter += 1

        now = pg.ptime.time()
        fps = 1.0 / (now - lastUpdate)
        lastUpdate = now
        avgFps = avgFps * 0.8 + fps * 0.2

serial_proc = Process(target=serialLoop, args=(arr,idx,lock), name='serial_proc')
serial_proc.start()

graphLoop()

serial_proc.terminate()

绘制实时串行数据最有效的 Python IPC 机制是什么？

What is most efficient Python IPC mechanism for plotting real-time serial data?

python

multithreading

plot

multiprocessing

real-time