python随用随学20200220-异步IO

啥是异步IO

众所周知,CPU速度太快,磁盘,网络等IO跟不上. 而程序一旦遇到IO的时候,就需要等IO完成才能进行才能进行下一步的操作. 严重拖累了程序速度.

因为一个IO操作就阻塞了当前线程,导致其他代码无法执行,所以我们必须使用多线程或者多进程来并发的执行代码.

但是多线程或者多进程虽然解决了并发问题. 但是线程的增加,系统切换线程的开销也会变大. 如果线程太多,CPU的时间就花在了频繁切换线程上.(为啥会有开销,如果不懂的话,请看计算机专业本科教材,操作系统原理)

所以除了多线程和多进程之外,还有一个办法就是异步IO. 也就是传说中的消息订阅机制.

进程发出IO请求后就不管了,然后去干其他的事儿. 等IO返回消息之后再去处理.

如果采用异步IO的话,我们平常的这种顺序执行的代码就不好使了,需要有一个一直在监听事件的消息循环. 一般情况下,我们会使用一个无限循环来进行监听. 是的你没有看错,就是个死循环.

在异步模式下,没有发生频繁的线程切换. 对于IO密集型的场景,异步IO非常合适.

协程

协程,又叫微线程,coroutine.函数在所有语言中都是层级调用,比如A中调用了B,B中又调用了C. 那么C执行完返回,B执行完返回,A执行完.结束.

所以函数的调用都是通过栈来实现的.一个线程执行的就是一个函数.

函数的调用都会有一个入口和一个返回. 所以函数调用的顺序都是明确的. 而协程的调用和函数的调用完全不同.

协程可以在执行的时候中断,然后再在合适的时候返回来接着执行.

协程从执行结果上来看,有点像多线程,但是其优点在于没有发生线程的切换,所以其效率是远高于多线程的. 而且不需要锁...

python中的协程是通过generator来实现的. Python中的yeild不但可以返回一个值,还可以接收调用者发出的参数.

  1. def consumer():


  2. r = ‘‘ 

  3. while True: 

  4. n = yield r 

  5. if not n: 

  6. return 

  7. print(‘[CONSUMER] Consuming %s...‘ % n) 

  8. r = ‘200 ok‘ 


  9. def produce(c): 

  10. c.send(None) 

  11. n = 0 

  12. while n < 5: 

  13. n = n + 1 

  14. print(‘[PRODUCER] Producing %s‘ % n) 

  15. r = c.send(n) 

  16. print(‘[PRODUCER] Consumer return %s‘ % r) 

  17. c.close() 


  18. c = consumer() 

  19. produce(c) 


廖雪峰的代码,应该很好看懂. 不多做解释了.

协程的使用

asyncio是python3.4之后的版本引入的标准库,内置了对异步IO的支持.

asyncio就是一个消息循环模型. 我们从asyncio模块中获取一个eventloop然后把协程丢到这个eventloop中,就可以实现异步IO

  1. import asyncio



  2. @asyncio.coroutine 

  3. def hello(): 

  4. print(‘hello world‘) 

  5. r = yield from asyncio.sleep(2) 

  6. print(‘hello world again!‘) 


  7. loop = asyncio.get_event_loop() 

  8. loop.run_until_complete(hello()) 

  9. loop.close() 


  1. import threading


  2. import asyncio 


  3. @asyncio.coroutine 

  4. def hello(): 

  5. print(‘hello world! (%s)‘ % threading.current_thread()) 

  6. yield from asyncio.sleep(2) 

  7. print(‘hello world again (%s)‘ % threading.current_thread()) 


  8. loop = asyncio.get_event_loop() 

  9. task = [hello(), hello()] 

  10. loop.run_until_complete(asyncio.wait(task)) 

  11. loop.close() 


这里就可以看出来,两个hello()函数是由同一个线程并发执行的.

coroutine asyncio.wait(aws, *, loop=None, timeout=None, return_when=ALL_COMPLETED)

Run awaitable objects in the aws set concurrently and block until the condition specified by return_when.

If any awaitable in aws is a coroutine, it is automatically scheduled as a Task. Passing coroutines objects to wait() directly is deprecated as it leads to confusing behavior.

这是里关于wait方法的定义. 说实话没搞太懂...

async和await

构造协程并使用asyncio的两种方法. 第一种就是上面说说的. 使用修饰符@asyncio.coroutine 并在协程内使用yield from

另外在python3.5版本后新增了asyncawait关键字. 使用也很简单,用async替代修饰符@asyncio.coroutine 使用await替换yield from

coroutine asyncio.wait(aws, *, loop=None, timeout=None, return_when=ALL_COMPLETED)

Run awaitable objects in the aws set concurrently and block until the condition specified by return_when.Returns two sets of Tasks/Futures: (done, pending).

另外这个方法在python3.8之后被deprecated了.

定义一个协程

  1. import asyncio


  2. import time 


  3. async def so_some_work(x): 

  4. print(‘waiting: ‘,x) 


  5. now = lambda :time.time() 


  6. start = now() 


  7. coroutine = so_some_work(2) 


  8. loop = asyncio.get_event_loop() 

  9. loop.run_until_complete(coroutine) 


  10. print(‘TIME: ‘,now() - start) 


这是协程的定义方法,注意协程并不是可以直接执行的函数. 这里通过get_event_loop()方法获取一个一个事件循环,然后通过run_until_complete()方法讲协程注册到消息循环中去,并启动消息循环.

创建一个task

Tasks are used to schedule coroutines concurrently.

When a coroutine is wrapped into a Task with functions like asyncio.create_task() the coroutine is automatically scheduled to run soon

task是Future的子类,保存了协程运行后的状态,用于未来获取协程结果.

协程是不能直接运行的,在使用方法run_until_complete()方法注册协程的时候,协程就自动被包装成了一个task对象.

  1. import asyncio


  2. import time 


  3. async def do_some_work(x): 

  4. print(‘Waiting: ‘, x) 


  5. now = lambda: time.time() 


  6. start = now() 


  7. coroutine = do_some_work(2) 

  8. loop = asyncio.get_event_loop() 

  9. task = loop.create_task(coroutine) 

  10. print(task) 


  11. loop.run_until_complete(task) 

  12. print(task) 

  13. print(‘TINE: ‘, now() - start) 


比如这个例子就创建了一个task.

pic-1582726248201.png

从这个结果来看,task在加入时间循环之前是pending的状态. 而运行完之后 是done的状态,而且还有有个result参数.

绑定回调

绑定回调,在task执行完毕之后可以获取执行的结果,也就是协程得返回值. 回调的最后一个参数是future对象,如果回调需要多个参数,也可以通过偏函数导入.

单个参数的callback

  1. import asyncio


  2. import time 


  3. async def so_some_work(x): 

  4. print(‘Waitting: ‘, x) 

  5. return ‘Done after {0}s‘.format(x) 


  6. def callback(future): 

  7. print(‘Callback: ‘, future.result()) 


  8. now = lambda: time.time() 


  9. start = now() 


  10. coroutine = so_some_work(2) 

  11. loop = asyncio.get_event_loop() 

  12. task = asyncio.ensure_future(coroutine) 

  13. task.add_done_callback(callback) 

  14. loop.run_until_complete(task) 


  15. print(‘TIME: ‘, now() - start) 


ensure_future()create_task()都可以创建一个task. 不过create_task()是python3.7之后新增的方法.

有多个参数的callback

  1. def callback2(t, future):


  2. print(‘Callback: ‘, t, future.result()) 


  3. -------------------------------------------------- 

  4. task.add_done_callback(functools.partial(callback2, 2)) 


回调让程序逻辑变的更加复杂(就是容易写着写着就懵逼了). 其实在task执行完毕之后,可以直接使用result()方法获取其返回值. 这样就不需要回调了.

  1. import asyncio


  2. import time 


  3. now = lambda :time.time() 


  4. async def do_some_work(x): 

  5. print(‘Waitting: ‘,x) 

  6. return ‘Done after {}s‘.format(x) 


  7. start = now() 


  8. coroutine = do_some_work(2) 

  9. loop = asyncio.get_event_loop() 

  10. task = asyncio.ensure_future(coroutine) 

  11. loop.run_until_complete(task) 


  12. print(‘Task ret: {}‘.format(task.result())) 

  13. print(‘TIME: {}‘.format(now()-start)) 


await和阻塞

async可以用来定义协程对象, await可以针对耗时的操作进行挂起,就像yield一样可以把协程暂时挂起,让出控制权.

协程遇到await,时间循环会把当前协程暂时挂起,执行别的协程,知道其他的协程也挂起或者执行完毕,再进行下一个协程的执行

针对一些耗时的IO操作一般会是用await的方式挂起它.

  1. import asyncio


  2. import time 


  3. now = lambda :time.time() 


  4. async def do_some_work(x): 

  5. print(‘Waitting: ‘,x) 

  6. await asyncio.sleep(x) 

  7. return ‘Done after {}s‘.format(x) 


  8. start = now() 


  9. coroutine = do_some_work(2) 

  10. loop = asyncio.get_event_loop() 

  11. task = asyncio.ensure_future(coroutine) 

  12. loop.run_until_complete(task) 


  13. print(‘Task ret: {}‘.format(task.result())) 

  14. print(‘TIME: {}‘.format(now()-start)) 


一个协程看不出啥区别. 多整几个来看看

  1. import asyncio


  2. import time 


  3. now = lambda :time.time() 


  4. async def do_some_work(x): 

  5. print(‘Waitting: ‘,x) 

  6. await asyncio.sleep(x) 

  7. return ‘Done after {}s‘.format(x) 


  8. start = now() 


  9. coroutine1 = do_some_work(1) 

  10. coroutine2 = do_some_work(2) 

  11. coroutine3 = do_some_work(4) 

  12. loop = asyncio.get_event_loop() 

  13. tasks=[ 

  14. asyncio.ensure_future(coroutine1), 

  15. asyncio.ensure_future(coroutine2), 

  16. asyncio.ensure_future(coroutine3) 




  17. # loop.run_until_complete(asyncio.wait(tasks)) 

  18. loop.run_until_complete(asyncio.wait(tasks)) 


  19. for task in tasks: 

  20. print(‘Task ret: ‘,task.result()) 

  21. print(‘TIME: {}‘.format(now()-start)) 


其实我想说到这里,我才真正理解wait方法是干啥的...执行一个task或者协程的集合...

这里还要多说一点就是并行和并发的区别.

并行的意思是同一时刻有多个任务在执行.

并发的意思是有多个任务要同时进行.

按照我的理解,并发就是TDD,并行就是FDD

协程的嵌套(这特么是有病吧...)

不是有病...是为了实现更多的IO操作过程,也就是一个协程中await了另外一个协程

  1. import asyncio


  2. import time 


  3. now = lambda: time.time() 


  4. async def do_some_work(x): 

  5. print(‘Waitting: ‘, x) 

  6. await asyncio.sleep(x) 

  7. return ‘Done after {}s‘.format(x) 


  8. async def foo(): 

  9. coroutine1 = do_some_work(1) 

  10. coroutine2 = do_some_work(2) 

  11. coroutine3 = do_some_work(4) 


  12. tasks = [ 

  13. asyncio.ensure_future(coroutine1), 

  14. asyncio.ensure_future(coroutine2), 

  15. asyncio.ensure_future(coroutine3) 



  16. dones, pendings = await asyncio.wait(tasks) 


  17. for task in dones: 

  18. print(‘Task ret: ‘, task.result()) 


  19. start = now() 

  20. loop = asyncio.get_event_loop() 

  21. loop.run_until_complete(foo()) 


  22. print(‘TIME: ‘, now() - start) 


协程的停止

future有几个状态:

  • Pending: task刚创建的时候
  • Running: 时间循环调用执行的时候
  • Done: 执行完成的时候
  • Cancelled: 被cancel()之后
  1. import asyncio


  2. import time 


  3. now = lambda :time.time() 


  4. async def do_some_work(x): 

  5. print(‘Waitting: ‘,x) 

  6. await asyncio.sleep(x) 

  7. print(‘Done after {}s‘.format(x)) 


  8. corutine1 = do_some_work(1) 

  9. corutine2 = do_some_work(2) 

  10. corutine3 = do_some_work(4) 


  11. tasks = [ 

  12. asyncio.ensure_future(corutine1), 

  13. asyncio.ensure_future(corutine2), 

  14. asyncio.ensure_future(corutine3) 




  15. start = now() 


  16. loop = asyncio.get_event_loop() 


  17. try: 

  18. loop.run_until_complete(asyncio.wait(tasks)) 

  19. except KeyboardInterrupt as e: 

  20. print(asyncio.Task.all_tasks()) 

  21. for task in asyncio.Task.all_tasks(): 

  22. print(task.cancel()) 

  23. loop.stop() 

  24. loop.run_forever() 

  25. finally: 

  26. loop.close() 


  27. print(‘TIME: ‘, now()-start) 


20200222-实在写不下去了,以后再补吧...



参考资料:

廖雪峰的网站

python黑魔法-简书

原文地址:https://www.cnblogs.com/thecatcher/p/12369468.html

时间: 2024-11-10 13:49:03

python随用随学20200220-异步IO的相关文章

IO模型--阻塞IO,非阻塞IO,IO多路复用,异步IO

IO模型介绍: * blocking IO 阻塞IO * nonblocking IO 非阻塞IO * IO multiplexing IO多路复用 * signal driven IO 信号驱动IO () * asynchronous IO 异步IO IO模型介绍: 为了更好地了解IO模型,我们需要事先回顾下:同步.异步.阻塞.非阻塞 同步(synchronous) IO和异步(asynchronous) IO,阻塞(blocking) IO和非阻塞(non-blocking)IO分别是什么,

多线程,多进程和异步IO

1.多线程网络IO请求: #!/usr/bin/python #coding:utf-8 from concurrent.futures import ThreadPoolExecutor import requests #线程池 # def get_page(url): # response = requests.get(url) # print response.url # return response # # urllist=["https://www.baidu.com/",

python学记笔记 2 异步IO

在IO编程中,我们知道CPU的速度远远快于磁盘,网络IO,在一个线程中,CPU执行速度的代码非常快,然而遇到IO操作就需要阻塞 需要等待IO操作完成才能继续下一步的动作.这种情况叫做同步IO 在IO操作的过程中,当前线程被挂起,而其他需要CPU执行的代码就无法被当前线程执行. 因为一个IO阻塞了当前线程,导致后边的代码无法运行,我们必须使用多线程或者多进程来并发执行代码,为多个用户服务, 每个用户分配一个线程,如果遇到IO导致线程被挂起,其他用户的县城不受影响 多线程和多进程模型确实解决了并发问

Python全栈开发-Day10-进程/协程/异步IO/IO多路复用

本节内容 多进程multiprocessing 进程间的通讯 协程 论事件驱动与异步IO Select\Poll\Epoll--IO多路复用   1.多进程multiprocessing Python的线程用的是操作系统的原生线程,同样python的进程用的是操作系统的原生进程. 多进程之间没有锁的概念,多进程之间数据不能互相访问,所以不存在互斥锁.GIL问题又是仅仅出现在多线程中. 所以如果我们启动8个进程,每个进程有一个主线程,即8个线程,分别运行在8个CPU上,就可以充分利用多核的优势了.

python的协程和异步io【select|poll|epoll】

协程又叫做微线程,协程是一种用户态的轻量级的线程,操作系统根本就不知道协程的存在,完全由用户来控制,协程拥有自己的的寄存器的上下文和栈,协程调度切换时,将寄存器上下文和栈保存到其他地方,在切换回来后,恢复之前保存的寄存器的上下文关系,因此协程能保留上一次调用的状态,每次过程重入的时候,就相当于进入上一次调用的状态 协程一定在单线程中,协程的切换是在线程中切换,和单个线程在cpu之间不停的切换是一样的但是线程切换是cpu控制的,而协程的切换是用户控制的,操作系统根本无感知:协程的切换比线程的切换速

python之自定义异步IO客户端

#!/usr/bin/env python # -*- coding: utf8 -*- # __Author: "Skiler Hao" # date: 2017/5/16 15:04 import select import socket import pprint """ 自定义了异步IO模块 利用非阻塞的socket,不等待连接是否成功,不等待请求的相应 select模块,去监听创建的套接字,是否有准备写,准备读的 ""&quo

pythonasyncore异步IO由python标准库学习

# -*- coding: utf-8 -*- # python:2.x __author__ = 'Administrator' import asynchat,asyncore,logging,socket #asyncore异步IO #作用:异常IO处理 #功能是处理IO对象,如套接字,从而能异步管理这些对象(而不是多个线程或者进程),包括类有dispatcher,这是一个套接字的包装器,提供了一些HOOK(钩子),从主循环函数loo()调用时可以处理连接以及读写事件 #服务器 #第一个类

python 协程, 异步IO Select 和 selectors 模块 多并发演示

主要内容 Gevent协程 Select\Poll\Epoll异步IO与事件驱动 selectors 模块 多并发演示 协程 协程,又称微线程,纤程.英文名Coroutine.一句话说明什么是线程:协程是一种用户态的轻量级线程. 协程拥有自己的寄存器上下文和栈.协程调度切换时,将寄存器上下文和栈保存到其他地方,在切回来的时候,恢复先前保存的寄存器上下文和栈.因此: 协程能保留上一次调用时的状态(即所有局部状态的一个特定组合),每次过程重入时,就相当于进入上一次调用的状态,换种说法:进入上一次离开

# 进程/线程/协程 # IO:同步/异步/阻塞/非阻塞 # greenlet gevent # 事件驱动与异步IO # Select\Poll\Epoll异步IO 以及selectors模块 # Python队列/RabbitMQ队列

1 # 进程/线程/协程 2 # IO:同步/异步/阻塞/非阻塞 3 # greenlet gevent 4 # 事件驱动与异步IO 5 # Select\Poll\Epoll异步IO 以及selectors模块 6 # Python队列/RabbitMQ队列 7 8 ############################################################################################## 9 1.什么是进程?进程和程序之间有什么