昨天本喵說到，為了避免太快送出 Indicate 導致的失敗 (在還沒收到前一筆 Indicate 的 Confirm 前，就送出下一筆 Indicate)，所以會製作一個簡易的流量管控，現在咱們就開始吧～

咱們讓 BleTxScheduler 類別負責管理 Notify 和 Indicate 的送出。這邊要稍微說明一下 Notify 是什麼，其實它和 Indicate 的機制很像，只是送出後，不需要等待 GATT Client 的 Confirm。所以基本上可以不管不顧地拼命送，但對方是否真的有收到就未可知了。

1. 單例模式 vs. 全域變數

咱們在 BleTxScheduler 使用了單例模式，這表示無論呼叫 BleTxScheduler() 多少次，都會得到同一實例：

class BleTxScheduler:
    _instance = None
    _initialized = False

    def __new__(cls):
        if cls._instance is None:
            cls._instance = super().__new__(cls)

        return cls._instance

    def __init__(self, size=8) -> None:
        if self._initialized:
            return

        # 儲存執行 Notify/Indicate 的函數與其參數
        self._queue_ntf_ind: collections.deque[tuple] = collections.deque((), size)

        # 通知系統可以送出下一筆 Indication
        self._ind_done_flag = asyncio.ThreadSafeFlag()

        register_irq_handler(self._ble_isr)

        self._initialized = True

為什麼要使用單例模式呢？因為所有要執行 Notify 和 Indicate 的地方都需要它，若不用單例模式，那每個要使用的模組或類別都必須傳入它的一個參考，這將花費不少記憶體，而且也會增加模組和類別的介面的複雜度。

當然咱們也不一定需要單例模式，還記得 IddServer 類別嗎？當時咱們就只是用個全域變數來使用它。那麼在 BleTxScheduler 上，若使用全域變數，是否可以減少記憶體的使用量呢？咱們可以類似這樣設計：

# ble/stack.py

bleTxScheduler = None

class BleTxScheduler:
    @classmethod
    def init_inst(cls):
        global bleTxScheduler

        if bleTxScheduler is None:
            bleTxScheduler = cls()

# ble/server.py

class IdsServer(ble.stack.Server):
    def __init__(self):
        ble.stack.BleTxScheduler.init_inst()

    async def run(self):
        await ble.stack.bleTxScheduler.run()

async def test():
    ble.stack.bleTxScheduler.add(
        ble.stack.ACT_INDICATE,
        indicate,
        instance._idd_status_changed.value_handle,
        data,
    )

測試結果如下：

可以看到，在 BleTxScheduler，單例模式在記憶體使用上，可說是完勝全域變數，但這並非通例。比如 IdsServer 類別，當 BleTxScheduler 使用單例模式時，IdsServer 在兩種模式下各有勝負：

因為綜合來看，IdsServer 使用全域變數方案時，在記憶體使用上看似更好，所以先前才會讓其以全域變數存在。

如先前所述，這些測試都只是一種參考而已，有時一點小變動，就會使結果完全反轉。所以除非真有必要，不要太執著於此，而是先專注於整體的規劃。

2. 加入 Notify / Indicate 執行實體

BleTxScheduler 類別有個成員變數 _queue_ntf_ind，它負責儲存要執行 Notify 或 Indicate 所需的資訊，現在就是將這些資訊儲存到 _queue_ntf_ind：

def add(self, type: int, fn, value_handle, arg):
    # 佇列項目型態為 tuple。
    # type: 指示此操作是 Notify 或 Indicate。

    # fn: 執行 Notify/Indicate 的實作。
    #     fn(conn_handle: int | None, value_handle: int, arg) -> bool

    # value_handle: 相關 Characteristic 的 handle

    # arg: fn 需要的參數。

    # 此函數只能在主執行緒被呼叫，否則將有同步問題。

    self._queue_ntf_ind.append((type, fn, value_handle, arg))

咱們讓此函數只能在主執行緒被執行，亦即不能在中斷函數裡呼叫。因為 Notify 和 Indicate 都是 GATT Server 主動送出訊息，所以本就不必特地在中斷裡去呼叫。當然，是可以設計成在計時器中斷裡送出 Notify / Indicate，不過為了讓計時器中斷處理程序可以儘快完成，所以會用 micropython.schedule() 來安排執行。

為什麼 fn 所接收的參數是 conn_handle、value_handle 和 arg 呢？其實這是依賴於 ble.stack.indicate(conn_handle, value_handle, data) 和 ble.stack.notify(conn_handle, value_handle, data)。那為什麼是用 arg 這個名稱，而不是 data 呢？這是因為咱們預期 fn 會利用 arg 來創建要傳輸的資料。也就是 fn 會先藉由 arg 建立傳送的資料後，再使用 ble.stack.indicate() 或 ble.stack.notify() 傳送資料。

3. 執行排程

接下來就是讓排程器不斷由佇列裡取出要送出的項目，若是 Indicate，就等待 _ind_done_flag 因收到 _IRQ_GATTS_INDICATE_DONE 而解除等待：

async def run(self):
    """因 _queue_ntf_ind 只會在主執行緒被存取，所以無須同步。"""

    while True:
        while self._queue_ntf_ind:
            type, fn, value_handle, arg = self._queue_ntf_ind.popleft()
            successful = fn(_conn_handle, value_handle, arg)

            if successful and type == ACT_INDICATE:
                try:
                    await asyncio.wait_for(self._ind_done_flag.wait(), 5)

                except asyncio.TimeoutError:
                    common.logger.write("Indicate timeout!")

        await asyncio.sleep_ms(100)

def _ble_isr(self, event, data):
    if event == _IRQ_GATTS_INDICATE_DONE:
        self._ind_done_flag.set()

可能有看官會覺得為什麼要在佇列為空的時候，使用 sleep_ms()？這樣不是浪費執行片段嗎？其實完全可以如下這樣做：

def __init__(self, size=8) -> None:
    # 用來通知 _queue_ntf_ind 不為空
    self._new_item_event = asyncio.Event()

def add(self, type: int, fn, value_handle, arg):
    self._queue_ntf_ind.append((type, fn, value_handle, arg))
    self._new_item_event.set()

async def run(self):
    """因 _queue_ntf_ind 只會在主執行緒被存取，所以無須同步。"""

    while True:
        while self._queue_ntf_ind:
            ...

        # 如果沒有資料，就等到有資料為止
        self._new_item_event.clear()
        await self._new_item_event.wait()

但這只能在 micropython 1.26.0 運作，在 micropython 1.25.0 會無法啟用 run() 協程，這可能是 micropython 1.25.0 的問題。

4. 在 IdsServer 執行 BleTxScheduler

因 BleTxScheduler 已是單例，所以只要如下使用即可：

class IdsServer(ble.stack.Server):
    async def run(self):
        await ble.stack.BleTxScheduler().run()

async def test():
    for i in range(8):
        data = bytearray(1)
        data[0] = i + 1

        ble.stack.BleTxScheduler().add(
            ble.stack.ACT_INDICATE,
            indicate,
            instance._idd_status_changed.value_handle,
            data,
        )

Notify / Indicate 排程完成了，明天咱們就能將它應用到 IDD Statys Changed characteristic 上。