PythonによるNESエミュレータ開発2

実は既に結構挫折気味。

やっぱりPythonではちょっと厳しいかもしれない。

とりあえず一番ややこしいPPU周りの情報を調べて、ちょろちょろ書き始めたあたりでいったんCPU部分のパフォーマンスを調べてみました。

かなり厳しいものがあります。CPU部分のコードはPython的な書き方で書いてたんですが、これじゃ話にならない。まず、アクセサなんてものはつかっちゃいけないのだ。

以下環境はOS:WinXP,CPU:Athlon64 3000+,Memory:1G,Python2.4です。

CPUのレジスタ関連の実装

NESのCPUである6502のレジスタはPCは16bit、それ以外は8bit。8bitの値なんてものはCならunsigned charで一発なんだけど、Pythonにはそんなものない。足し算したらどんどん大きくなるし、引き算したらどんどん小さくなる。ので

class Py6502(object):
  def __init__(self):
    self.A = 0
    self.X = 0
    self.Y = 0
    self.PC = 0
    #  .
    #  .
    #  .

見たいなクラスにするとして、足し算するときなどは必ず self.A = (self.A + x) & 0xff みたいにして8bitに収めないといけない。ここで

def _create_n_bit_property(name, mask):
  rname = "_"+name
  result = {
    name:property(lambda self: getattr(self, rname),
                  lambda self,v : setattr(self, rname, v & mask),
                  )
  }
  return result

class ForceNbitType(type):
  def __new__(cls, class_name, class_bases, classdict):
    names = classdict.get("__16bit__")
    for name in names:
      classdict.update(_create_n_bit_property(name, 0xffff))
    names = classdict.get("__8bit__")
    for name in names:
      classdict.update(_create_n_bit_property(name, 0xff))
    cls = type.__new__(cls, class_name, class_bases, classdict)
    return cls

のようなmetaclassをつくって

class Py6502(object):
  __metaclass__ = ForceNbitType
  __8bit__ : "A", "X", "Y"
  __16bit__ : "PC",
  def __init__(self):
    self._A = 0
    self._X = 0
    self._Y = 0
    self._PC = 0
    #  .
    #  .
    #  .

とすれば self.A += 10 とかしてもちゃんと8bitに収まる。

非常に上手くかけるんですが、こんなのやってらんない。遅すぎる。1Frame分(28000サイクル程度)の実行に0.5秒(笑

getattr

getattr は遅い。 getattrの真価は第3引数でdefault値が指定できること(だと思う)。今回のように確実に属性が存在することが分かっているならself.__getattribute__(name)を使うと結構違ってくる。ちなみにPythonのソースではこんな感じ。

static PyObject *
slot_tp_getattro(PyObject *self, PyObject *name)
{
    static PyObject *getattribute_str = NULL;
    return call_method(self, "__getattribute__", &getattribute_str,
                       "(O)", name);
}

static PyObject *
slot_tp_getattr_hook(PyObject *self, PyObject *name)
{
    PyTypeObject *tp = self->ob_type;
    PyObject *getattr, *getattribute, *res;
    static PyObject *getattribute_str = NULL;
    static PyObject *getattr_str = NULL;

    if (getattr_str == NULL) {
            getattr_str = PyString_InternFromString("__getattr__");
            if (getattr_str == NULL)
                    return NULL;
    }
    if (getattribute_str == NULL) {
            getattribute_str =
                    PyString_InternFromString("__getattribute__");
            if (getattribute_str == NULL)
                    return NULL;
    }
    getattr = _PyType_Lookup(tp, getattr_str);
    if (getattr == NULL) {
            /* No __getattr__ hook: use a simpler dispatcher */
            tp->tp_getattro = slot_tp_getattro;
            return slot_tp_getattro(self, name);
    }
    getattribute = _PyType_Lookup(tp, getattribute_str);
    if (getattribute == NULL ||
        (getattribute->ob_type == &PyWrapperDescr_Type &&
         ((PyWrapperDescrObject *)getattribute)->d_wrapped ==
         (void *)PyObject_GenericGetAttr))
            res = PyObject_GenericGetAttr(self, name);
    else
            res = PyObject_CallFunction(getattribute, "OO", self, name);
    if (res == NULL && PyErr_ExceptionMatches(PyExc_AttributeError)) {
            PyErr_Clear();
            res = PyObject_CallFunction(getattr, "OO", self, name);
    }
    return res;
}

上が __getattribute__ 、下が getattr 。ま、こんなことやったって関数呼び出しのオーバーヘッドが一番ツライのでgetterは使わず、setterは必要があるときだけ使うように。これで結構はやくなる。

実行ループ

CPUのエミュレータなんてのはだいたい同じようなパターンで割り込みを除いて簡単に書くと

def step_execute(self, clocks):
  while (self.passed_clocks < clocks):
    opecode = read()# opecodeを取得
    # 実行
    count = CLOCK[opecode] # 実行に必要なクロック数を取得
    self.passed_clocks += count
  self.passed_clocks -= clocks

なんてのになるわけで、ここが激しくループするわけで。ここはガリガリにちょっとでも節約できるものは節約。

def step_execute(self, clocks):
  read = self.memory.read
  get_method_by_opecode = self.get_method_by_opecode
  while (self.passed_clocks < clocks):
    old = self._PC; self._PC += 1; self._PC &= 0xffff
    opecode = read(old)
    method = get_method_by_opecode(opecode)
    count = method()
    count = count != None and count or CYCLES[opecode]
    self.passed_clocks += count
  self.passed_clocks -= clocks

javascriptで . (ドット)演算が遅いとかいうのは最近(?)よく言われていることで、それはPythonにも当然当てはまる。なのでループ前にだせるものはローカルに出しておく。(これが簡単にできるのがRubyよりもPythonがいい部分だよなあ)

あと、実行の部分。ここはCなら関数テーブルかswitch(コンパイラによるけど大差ないと思う)になるんだけど、あいにくPythonにはswitchがないので関数テーブル的なものか if opecode == 0x01: ... elif opecode == 0x02:... elif... かになる。

関数テーブル的なものは

def ope_0x01(self):
  #code
def ope_0x02(self):
  #code

self.__getattribute__("ope_"+hex(opecode))()

となる。両方やってみたところ、大差はなかったので、関数テーブル的なほうに。

結局

そんな感じでいじってみてかつpsycoを入れて1Frame:0.15程度(PPUやAPUは中身がないので、最後までつくったらもっと遅くなる)。ほかにもいじれそうなところはあって、そこをいじれば0.1は切れそうな感じがしてます。

けど、そこまでやるとPythonである意味がないのも確か。ぶっちゃけ、エミュレータは確実にCが向いている。Javaで書かれているエミュレータもレジスタの値をセットするたびに A & 0xff みたいなことをやっていて、どーもめんどくさい。

じゃぁLLでエミュレーターを書く意味ってなんだ、というと・・・うーん(笑 自己満足以外なにもないでしょうねえ。というわけで自己満足のために、今後もヒマができれば、ちょっとづつ書き進めてみようかなあ。

comments powered by Disqus