Python 中的异步编程:Asyncio

EileenMVM 7年前
   <p>注:哪怕连异动范式的存在都不知道的情况下,你也可以成功地使用 Python。但是,如果你对底层运行模式感兴趣的话,asyncio 绝对值得查看。</p>    <h3>异步是怎么一回事?</h3>    <p>在传统的顺序编程中, 所有发送给解释器的指令会一条条被执行。此类代码的输出容易显现和预测。 但是…</p>    <p>譬如说你有一个脚本向3个不同服务器请求数据。 有时,谁知什么原因,发送给其中一个服务器的请求可能意外地执行了很长时间。想象一下从第二个服务器获取数据用了10秒钟。在你等待的时候,整个脚本实际上什么也没干。如果你可以写一个脚本可以不去等待第二个请求而是仅仅跳过它,然后开始执行第三个请求,然后回到第二个请求,执行之前离开的位置会怎么样呢。就是这样。你通过切换任务最小化了空转时间。尽管如此,当你需要一个几乎没有I/O的简单脚本时,你不想用异步代码。</p>    <p>还有一件重要的事情要提,所有代码在一个线程中运行。所以如果你想让程序的一部分在后台执行同时干一些其他事情,那是不可能的。</p>    <h3>准备开始</h3>    <p>这是 asyncio 主概念最基本的定义:</p>    <ul>     <li> <p>协程— 消费数据的生成器,但是不生成数据。Python 2.5 介绍了一种新的语法让发送数据到生成器成为可能。我推荐查阅David Beazley  “A Curious Course on Coroutines and Concurrency” 关于协程的详细介绍。</p> </li>     <li> <p>任务— 协程调度器。如果你观察下面的代码,你会发现它只是让 event_loop 尽快调用它的_step ,同时 _step 只是调用协程的下一步。</p> </li>    </ul>    <pre>  <code class="language-python">class Task(futures.Future):        def __init__(self, coro, loop=None):          super().__init__(loop=loop)          ...          self._loop.call_soon(self._step)        def _step(self):              ...          try:              ...              result = next(self._coro)          except StopIteration as exc:              self.set_result(exc.value)          except BaseException as exc:              self.set_exception(exc)              raise          else:              ...              self._loop.call_soon(self._step)</code></pre>    <ul>     <li> <p>事件循环— 把它想成 asyncio 的中心执行器。</p> </li>    </ul>    <p>现在我们看一下所有这些如何融为一体。正如我之前提到的,异步代码在一个线程中运行。</p>    <p style="text-align:center"><img src="https://simg.open-open.com/show/eccea651a2290fcfd9e1b7281986638f.png"></p>    <p>从上图可知:</p>    <p>1.消息循环是在线程中执行</p>    <p>2.从队列中取得任务</p>    <p>3.每个任务在协程中执行下一步动作</p>    <p>4.如果在一个协程中调用另一个协程(await <coroutine_name>),会触发上下文切换,挂起当前协程,并保存现场环境(变量,状态),然后载入被调用协程</p>    <p>5.如果协程的执行到阻塞部分(阻塞I/O,Sleep),当前协程会挂起,并将控制权返回到线程的消息循环中,然后消息循环继续从队列中执行下一个任务...以此类推</p>    <p>6.队列中的所有任务执行完毕后,消息循环返回第一个任务</p>    <h3>异步和同步的代码对比</h3>    <p>现在我们实际验证异步模式的切实有效,我会比较两段 python 脚本,这两个脚本除了 <em>sleep </em> 方法外,其余部分完全相同。在第一个脚本里,我会用标准的 time.sleep 方法,在第二个脚本里使用 asyncio.sleep 的异步方法。</p>    <p>这里使用 Sleep 是因为它是一个用来展示异步方法如何操作 I/O 的最简单办法。</p>    <p>使用同步 sleep 方法的代码:</p>    <pre>  <code class="language-python">import asyncio    import time    from datetime import datetime      async def custom_sleep():        print('SLEEP', datetime.now())      time.sleep(1)    async def factorial(name, number):        f = 1      for i in range(2, number+1):          print('Task {}: Compute factorial({})'.format(name, i))          await custom_sleep()          f *= i      print('Task {}: factorial({}) is {}\n'.format(name, number, f))      start = time.time()    loop = asyncio.get_event_loop()    tasks = [        asyncio.ensure_future(factorial("A", 3)),      asyncio.ensure_future(factorial("B", 4)),  ]  loop.run_until_complete(asyncio.wait(tasks))    loop.close()    end = time.time()    print("Total time: {}".format(end - start))</code></pre>    <p>脚本输出:</p>    <pre>  <code class="language-python">Task A: Compute factorial(2)    SLEEP 2017-04-06 13:39:56.207479    Task A: Compute factorial(3)    SLEEP 2017-04-06 13:39:57.210128    Task A: factorial(3) is 6    Task B: Compute factorial(2)    SLEEP 2017-04-06 13:39:58.210778    Task B: Compute factorial(3)    SLEEP 2017-04-06 13:39:59.212510    Task B: Compute factorial(4)    SLEEP 2017-04-06 13:40:00.217308    Task B: factorial(4) is 24    Total time: 5.016386032104492</code></pre>    <p>使用异步 Sleep  的代码:</p>    <pre>  <code class="language-python">import asyncio    import time    from datetime import datetime      async def custom_sleep():        print('SLEEP {}\n'.format(datetime.now()))      await asyncio.sleep(1)    async def factorial(name, number):        f = 1      for i in range(2, number+1):          print('Task {}: Compute factorial({})'.format(name, i))          await custom_sleep()          f *= i      print('Task {}: factorial({}) is {}\n'.format(name, number, f))      start = time.time()    loop = asyncio.get_event_loop()    tasks = [        asyncio.ensure_future(factorial("A", 3)),      asyncio.ensure_future(factorial("B", 4)),  ]  loop.run_until_complete(asyncio.wait(tasks))    loop.close()    end = time.time()    print("Total time: {}".format(end - start))</code></pre>    <p>脚本输出:</p>    <pre>  <code class="language-python">Task A: Compute factorial(2)    SLEEP 2017-04-06 13:44:40.648665    Task B: Compute factorial(2)    SLEEP 2017-04-06 13:44:40.648859    Task A: Compute factorial(3)    SLEEP 2017-04-06 13:44:41.649564    Task B: Compute factorial(3)    SLEEP 2017-04-06 13:44:41.649943    Task A: factorial(3) is 6    Task B: Compute factorial(4)    SLEEP 2017-04-06 13:44:42.651755    Task B: factorial(4) is 24    Total time: 3.008226156234741</code></pre>    <p>从输出可以看到,异步模式的代码执行速度快了大概两秒。当使用异步模式的时候(每次调用  await asyncio.sleep(1) ),进程控制权会返回到主程序的消息循环里,并开始运行队列的其他任务(任务A或者任务B)。</p>    <p>当使用标准的 sleep方法时,当前线程会挂起等待。什么也不会做。实际上,标准的 sleep 过程中,当前线程也会返回一个 python 的解释器,可以操作现有的其他线程,但这是另一个话题了。</p>    <p>推荐使用异步模式编程的几个理由</p>    <p>很多公司的产品都广泛的使用了异步模式,如 非死book 旗下著名的 React Native 和 RocksDB 。像 推ter 每天可以承载 50 亿的用户访问,靠的也是异步模式编程。所以说,通过代码重构,或者改变模式方法,就能让系统工作的更快,为什么不去试一下呢?</p>    <p> </p>    <p>来自:https://www.oschina.net/translate/asynchronous-programming-in-python-asyncio</p>    <p> </p>