跳到主要内容

与roscpp的实现差异

rospy和roscpp在网络协议上完全一致,同样的XMLRPC发现流程、同样的TCPROS握手和消息帧,所以两边能无缝互通。但进程内部的组织方式几乎没有共同点。

本文把差异摊开对照一下,最后给点选型上的建议。

差异的源头:回调怎么派发​

roscpp的模型是,网络线程收到消息之后不执行回调,而是把一个callback对象塞进CallbackQueue;用户线程通过spinner(ros::spin、spinOnce、AsyncSpinner、MultiThreadedSpinner)从队列里取出来执行。回调在哪个线程跑、几个线程跑,由我们选哪种spinner决定。

rospy的模型是没有队列。每条连接的接收线程收到消息、反序列化完,就地遍历回调列表逐个调用。回调跑在哪个线程不由我们选,就是那条连接的接收线程。

spin()的语义也就跟着不一样了。roscpp的ros::spin()是真正的工作循环,不调就没人处理回调;rospy的rospy.spin()只是循环检查is_shutdown再wallsleep,纯粹用来拦住主线程,把它换成任何别的阻塞方式,订阅照样工作。

roscpp里spinOnce()提供的"我控制回调什么时候执行"这个能力,rospy根本没有对等物。想要类似效果只能自己在回调里把数据丢进queue.Queue,再在主循环里取——等于手工重建一个CallbackQueue。

线程数量和GIL​

roscpp稳态下线程很少:一个poll线程负责所有socket的I/O,加上我们指定数量的spinner线程,再加少量辅助线程。连接数涨了线程数不涨。

rospy的线程数则随规模线性增长:XMLRPC服务线程、RegManager线程、TCPROS accept线程,加上每条订阅连接一个接收线程、每个QueuedConnection一个发送线程、每个Timer一个线程。订阅十个话题、每个话题两个发布者,光接收线程就二十个。

而且这些线程全都受GIL约束。多线程在rospy里的价值是让阻塞I/O重叠,不是让计算并行。回调里的纯Python计算,开多少线程都只能用一个核。

整体对照一下:

维度roscpprospy
回调派发CallbackQueue加Spinner每连接接收线程直接调用
spin语义真正的工作循环只是防止退出的轮询
I/O模型单poll线程加epoll阻塞recv,每连接一线程
线程数与连接数无关随连接、Timer数线性增长
并行能力真多核并行受GIL限制
同进程零拷贝支持nocopy和nodelet没有
参数缓存显式getCached无对等公开接口
定时器走CallbackQueue每个Timer一个线程

零拷贝和序列化成本​

roscpp在同一进程内、消息类型匹配的时候可以走nocopy,发布者直接把消息的智能指针交给订阅者,完全跳过序列化和socket。nodelet那套生态就是建立在这个能力上的:把多个原本独立的节点加载进同一个进程,图像、点云这类大消息在它们之间传递的成本几乎降到零。

rospy没有任何对应机制。哪怕发布者和订阅者在同一个Python进程里,消息也要完整序列化成字节、通过本地TCP连接发出去、再反序列化回来。而Python的序列化本身就比C++慢一个数量级以上。

两件事叠一块,大消息高频话题在rospy里的表现就可想而知了:一个1080p图像话题跑30Hz,roscpp里是小事,rospy里可能光序列化就吃掉一个核。

队列和丢包语义​

两边都有queue_size,但含义不完全一样。

roscpp的发布队列和订阅队列都由库统一管理,队列满了丢最老的,行为一致而且跟spinner解耦。

rospy发布侧的queue_size是QueuedConnection的有界deque,满了丢最老的;订阅侧的queue_size控制接收路径上的缓冲深度。更关键的是前面反复说的那条:rospy发布侧不给queue_size就根本没有队列,publish直接写socket,慢订阅者会把发布者一起拖住。roscpp里不会出现"publish把整个循环阻塞住"这种情况。

可预测性和调试​

roscpp的行为好推理:回调什么时候执行、在哪个线程执行,由spinner配置明确决定,用单线程spinner就能保证回调串行,不用加锁。

rospy的并发是隐式的。我们没有声明任何线程,但回调已经在多个线程里并发跑了。典型的坑有三个:

  • 两个订阅回调同时改同一个成员变量,没加锁,偶发出现不一致状态
  • 同一个话题有多个发布者节点时,同一个回调函数被并发重入,而代码是按"串行执行"写的
  • 回调里做重计算把这条连接堵住,反压到对应的发布者,其它话题一切正常,现象看起来毫无规律

调试手段上,rosnode info、rostopic hz、rostopic delay、从节点的getBusInfo和getBusStats两边都能用。rospy这边额外能用Python自带的东西:threading.enumerate()看当前有哪些线程,faulthandler在卡死时dump所有线程栈,排查"到底哪个回调堵住了"的时候特别好用。

怎么选​

优先上C++的情况:大消息高频话题(图像、点云、激光原始数据);有实时性或者抖动要求的控制回路;需要nodelet零拷贝的感知流水线;回调里有重计算而且必须并行。

用Python完全合适的情况:上层状态机、任务调度、行为树;低频的配置和监控节点;跟外部系统(数据库、Web服务、机器学习框架)打交道的胶水层;原型验证和一次性脚本。

混合系统的原则是把重活放在roscpp侧,Python只订阅降采样过或者已经处理好的结果。别让Python节点站在数据流的关键路径上做转发,它既没有零拷贝,又要付两次序列化的钱。

常见的坑​

注意

按我踩坑的频率从高到低排:

  1. 在Python回调里做重计算。阻塞的是该连接的接收线程,直接反压到对端发布者。重活应该丢进独立的工作线程或进程,回调只负责入队
  2. 发布侧不设queue_size。慢订阅者会让publish阻塞,进而拖垮整个发布循环
  3. 用rospy中转大消息。订阅再发布等于一次反序列化加一次序列化,纯浪费
  4. 高频调用非持久服务。每次都建连、握手、起线程。要么改persistent,要么干脆改用话题
  5. 假设回调是串行的。多发布者、多话题场景下回调并发重入,共享状态必须加锁
  6. 仿真时间下不检查/clock。时间为零时的时间差计算、/clock停了之后sleep永久等待,都会表现成"卡死"
  7. init_node之后立刻publish。连接还没建立,消息静默丢掉。等get_num_connections()或者用latch=True
  8. Timer开太多。每个都是一个真实线程,几十个Timer在GIL下互相抢锁,实际频率会偏离设定值

理解了rospy"每连接一线程、回调就地执行、没有统一队列"这个核心模型,上面这些现象就不是零散的经验了,都是同一个设计推出来的。