我打算实现一个RTOS平台上的小型数据采集系统。 （无论是在QNX或RT-Linux系统。）
据我所知，这些作业是使用C / C ++，以获得最大的系统执行。 不过我很好奇，想知道，想了解一些有经验的人的意见之前，我盲目地跳进编码行动是否会是用Python语言编写的一切（从低级别的仪器通过一个闪亮的图形用户界面接口）是可行的和明智的。 如果没有，用“C”，设计的时序关键部件混合或C来写的一切，甚至不把一行Python代码。
或至少包装用Python提供对系统更容易访问的C代码。
哪种方式，你会建议我去上班吗？ 如果你点一些类似的设计案例，并进一步读数以及我会很高兴。
谢谢
注1：强调对QNX的原因是由于我们已经拥有了QNX 4.25为基础的数据采集系统（ M300为我们的大气测量实验）。 这是一个专有系统，我们不能访问它的内部。 因为6.4进一步寻找对QNX可能是有利的，我们有一个自由的学术许可选项，自带的Python 2.5，以及最近的GCC版本。 我从来没有测试了RT-Linux系统，不知道怎么可比它QNX的稳定性和效率方面，但我知道，Python的栖息地和非Python的工具（如谷歌地球）的所有成员，新系统可以对作品的大部分时间外的开箱开发。
我不能为每一个数据采集的设置在那里说话，但他们大多耗费了大量的“实时操作” 等待数据进来-至少是那些我已经工作的。
然后，当数据不进来，你需要立即记录事件或响应它，然后又回到了等待的游戏。 这是一个典型的数据采集系统的时间最关键的部分。 出于这个原因，我一般会说坚持使用的C显示了数据采集的I / O部件，但没有任何特别令人信服的理由不使用Python在非时间关键的部分。
如果你有相当宽松的要求 - 只需要精确到毫秒，也许是 - ，增加了一些更多的重量在Python做的一切。 至于开发时间的推移，如果你已经熟悉的Python，你可能有一个成品显著越早如果你做的一切在Python和重构只能作为瓶颈出现。 这样做的大部分在Python你的工作也将使其更容易彻底测试你的代码，并作为一般的经验法则，将会有更少的代码和错误从而更少的空间。
如果您需要专门的多任务 （不是多线程 ）， 无堆栈的Python可能也是有益的。 这就像多线程，但螺纹（或微进程，在无堆栈行话）不是OS级线程，但是Python /应用程序级，所以微进程之间切换的开销显著降低。 您可以配置Stackless的协同或抢先多任务。 最大的缺点是，阻塞IO通常会阻止您的整个微进程的。 无论如何，考虑到QNX已经是一个实时系统，很难猜测无堆栈是否值得一用。
我的投票将采取AS-多的Python-AS-可能的路线 - 我看到它的成本低，高效益。 如果当你确实需要用C重写，你已经有工作的代码来启动。
我已经建立了几个所有的Python软实时（RT）系统，原发性周期时间从1毫秒到1秒。 还有我的人生路上学会了一些基本的战略战术：
只有使用线程/多从主线程，在线程之间的队列是可以接受的，协作线程卸载非RT工作是可能的（没有抢占线程！）。
避免GIL。 这基本上意味着不仅避免线程，同时也避免了系统调用来尽最大的可能，尤其是在时间紧迫的行动，除非是非阻塞的。
实际使用时的C模块。 使用C事情（通常）走得更快！ 但是，如果主要是你没有写自己：留在Python，除非实在是没办法。 优化的C模块性能是一个PITA，特别是在跨越了Python-C接口翻译时成为代码的最昂贵的部分。
使用Python加速器，加速你的代码。 我的第一个RT Python项目从Psyco是受益匪浅（是的，我一直在做这一段时间）。 其中一个原因，我与Python 2.x的今天住是PyPy：事情总是走得更快与LLVM！
需要关键时序时，不要害怕忙等待。 使用time.sleep（），以“偷渡”所需的时间，那么最后1-10毫秒在繁忙的等待。 我已经能够获得可重复的性能与10微秒量级的自定时。 要确保你的Python任务在最高优先级的操作系统上运行。
NumPy的石头！ 如果你正在做“活”的分析或吨的统计数据，有没有办法有助于更快地完成更多的工作，并与比使用numpy的工作少（更少的代码，更少的错误）。 不要在我所知道的任何其他语言，包括C / C ++。 如果您的大部分代码组成numpy的电话，你会非常，非常快。 我等不及要完成的numpy的端口PyPy！
要知道如何以及何时Python做垃圾回收。 监控您的内存使用，并在需要时强制GC。 请务必在时间紧迫的行动来明确禁止GC。 我所有的RT的Python系统的连续运行，和Python爱猪的记忆。 细心的编码可以消除几乎所有的动态内存分配，在这种情况下，你可以完全禁用GC！
尝试在批执行处理以尽可能最大的程度。 而不是在输入速率处理数据的，尝试在输出率，这是常慢得多来处理数据。 加工批量也使得它更方便地收集更高级别的统计数据。
我提到使用PyPy？ 嗯，这是值得一提的两倍。
有使用Python中的RT发展的许多其他好处。 例如，即使你是相当肯定你的目标语言不能Python的，它可以付出巨大的好处开发和调试Python中的原型，然后用它作为既为最终系统的模板和测试工具。 我一直在使用Python来多年创建一个系统的“硬件”的快速原型，并创造quick'n'dirty测试的GUI。 这是我的第一个RT Python的系统是如何应运而生：原型（+ Psyco的）是速度不够快，即使在测试GUI运行！
-BobC
编辑：忘了提跨平台的好处：我的代码运行几乎无处不有）无需重新编译（或编译器的依赖，或需要交叉编译器），和b）几乎不依赖于平台的代码（主要为其它东西一样文件处理和串行I / O）。 我可以开发Win7上，x86和Linux上部署-ARM（或任何其他POSIX操作系统，都具有Python的这些天）。 PyPy主要是x86的现在，但ARM端口以惊人的速度发展。
一般来说兑在实时环境中使用的高级语言的原因就是不确定性 -当你运行一个程序一次可能需要100us的; 下次你运行它可能决定延长一个哈希表，调用malloc相同例行程序的时间，然后的malloc请求更多的内存的内核，这可以从即刻返回后返回毫秒返回秒后，以示数，做任何事情，没有一个是立即从代码表观（或可控）。 尽管理论上，如果你用C写的（甚至更低），你可以证明你的关键路径将“永远”在X运行时间（不包括流星撞击）。
我们的团队已经做了一些工作，结合多个语言在QNX并有相当多用的办法成功的。 使用Python可以对生产力有很大的影响，像工具SWIG和ctypes的。更方便的优化代码，并从不同的语言相结合的特点。
但是，如果你正在写东西的时间至关重要，它应该几乎肯定会用C语言编写。 这样做就意味着您避免像GIL（一种解释的langauge的隐性成本全局解释器锁 ），以及竞争对许多小内存分配。 这些事情都可以对你的应用程序如何执行有很大的影响。
同样在QNX蟒倾向于不与其它分布（即/存在有时模块丢失）100％兼容。
一个重要的提示：对于Python的QNX一般仅适用于x86的。
我敢肯定，你可以编译它PPC和其他archs，但是这行不通开箱。
