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。