Python 中的异步编程:Asyncio

开发 后端
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。

[[190376]]

异步是怎么一回事?

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…

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。

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。

准备开始

这是 asyncio 主概念最基本的定义:

  • 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。
  • 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。
  1. class Task(futures.Future):   
  2.     def __init__(self, coro, loop=None): 
  3.         super().__init__(loop=loop) 
  4.         ... 
  5.         self._loop.call_soon(self._step) 
  6.  
  7.     def _step(self): 
  8.             ... 
  9.         try: 
  10.             ... 
  11.             result = next(self._coro) 
  12.         except StopIteration as exc: 
  13.             self.set_result(exc.value) 
  14.         except BaseException as exc: 
  15.             self.set_exception(exc) 
  16.             raise 
  17.         else
  18.             ... 
  19.             self._loop.call_soon(self._step) 
  • 事件循环— 把它想成 asyncio 的中心执行器。

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。

从上图可知:

1.消息循环是在线程中执行

2.从队列中取得任务

3.每个任务在协程中执行下一步动作

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

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

6.队列中的所有任务执行完毕后,消息循环返回***个任务

异步和同步的代码对比

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 sleep 方法外,其余部分完全相同。在***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。

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。

使用同步 sleep 方法的代码:

  1. import asyncio   
  2. import time   
  3. from datetime import datetime 
  4.  
  5.  
  6. async def custom_sleep():   
  7.     print('SLEEP', datetime.now()) 
  8.     time.sleep(1) 
  9.  
  10. async def factorial(name, number):   
  11.     f = 1 
  12.     for i in range(2, number+1): 
  13.         print('Task {}: Compute factorial({})'.format(name, i)) 
  14.         await custom_sleep() 
  15.         f *= i 
  16.     print('Task {}: factorial({}) is {}\n'.format(name, number, f)) 
  17.  
  18.  
  19. start = time.time()   
  20. loop = asyncio.get_event_loop() 
  21.  
  22. tasks = [   
  23.     asyncio.ensure_future(factorial("A", 3)), 
  24.     asyncio.ensure_future(factorial("B", 4)), 
  25. loop.run_until_complete(asyncio.wait(tasks))   
  26. loop.close() 
  27.  
  28. end = time.time()   
  29. print("Total time: {}".format(end - start)) 

脚本输出:

  1. Task A: Compute factorial(2)   
  2. SLEEP 2017-04-06 13:39:56.207479   
  3. Task A: Compute factorial(3)   
  4. SLEEP 2017-04-06 13:39:57.210128   
  5. Task A: factorial(3) is 6 
  6.  
  7. Task B: Compute factorial(2)   
  8. SLEEP 2017-04-06 13:39:58.210778   
  9. Task B: Compute factorial(3)   
  10. SLEEP 2017-04-06 13:39:59.212510   
  11. Task B: Compute factorial(4)   
  12. SLEEP 2017-04-06 13:40:00.217308   
  13. Task B: factorial(4) is 24 
  14.  
  15. Total time: 5.016386032104492 

使用异步 Sleep 的代码:

  1. import asyncio   
  2. import time   
  3. from datetime import datetime 
  4.  
  5.  
  6. async def custom_sleep():   
  7.     print('SLEEP {}\n'.format(datetime.now())) 
  8.     await asyncio.sleep(1) 
  9.  
  10. async def factorial(name, number):   
  11.     f = 1 
  12.     for i in range(2, number+1): 
  13.         print('Task {}: Compute factorial({})'.format(name, i)) 
  14.         await custom_sleep() 
  15.         f *= i 
  16.     print('Task {}: factorial({}) is {}\n'.format(name, number, f)) 
  17.  
  18.  
  19. start = time.time()   
  20. loop = asyncio.get_event_loop() 
  21.  
  22. tasks = [   
  23.     asyncio.ensure_future(factorial("A", 3)), 
  24.     asyncio.ensure_future(factorial("B", 4)), 
  25. loop.run_until_complete(asyncio.wait(tasks))   
  26. loop.close() 
  27.  
  28. end = time.time()   
  29. print("Total time: {}".format(end - start)) 

脚本输出:

  1. Task A: Compute factorial(2)   
  2. SLEEP 2017-04-06 13:44:40.648665 
  3.  
  4. Task B: Compute factorial(2)   
  5. SLEEP 2017-04-06 13:44:40.648859 
  6.  
  7. Task A: Compute factorial(3)   
  8. SLEEP 2017-04-06 13:44:41.649564 
  9.  
  10. Task B: Compute factorial(3)   
  11. SLEEP 2017-04-06 13:44:41.649943 
  12.  
  13. Task A: factorial(3) is 6 
  14.  
  15. Task B: Compute factorial(4)   
  16. SLEEP 2017-04-06 13:44:42.651755 
  17.  
  18. Task B: factorial(4) is 24 
  19.  
  20. Total time: 3.008226156234741 

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)。

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。

推荐使用异步模式编程的几个理由

很多公司的产品都广泛的使用了异步模式,如 Facebook 旗下著名的 React Native 和 RocksDB 。像 Twitter 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?

责任编辑:武晓燕 来源: 36大数据
相关推荐

2017-08-02 15:00:12

PythonAsyncio异步编程

2020-02-21 08:00:00

Pythonasyncio编程语言

2011-02-22 09:09:21

.NETAsync CTP异步

2011-02-22 08:49:16

.NET同步异步

2023-07-14 15:10:17

PythonAsyncIO库

2018-10-08 15:35:56

Python异步IO

2023-11-29 07:10:50

python协程异步编程

2011-02-24 12:53:51

.NET异步传统

2023-08-30 08:43:42

asyncioaiohttp

2013-04-01 15:38:54

异步编程异步编程模型

2013-04-01 15:25:41

异步编程异步EMP

2024-04-18 08:20:27

Java 8编程工具

2020-10-15 13:29:57

javascript

2017-09-05 08:08:37

asyncio程序多线程

2014-03-31 10:51:40

pythonasyncio

2023-08-01 08:43:29

Python多线程

2021-04-26 05:33:54

Python异步编程

2021-12-10 07:47:30

Javascript异步编程

2021-08-02 11:13:28

人工智能机器学习技术

2023-08-02 08:03:08

Python线程池
点赞
收藏

51CTO技术栈公众号