文章目录
一、协程(coroutine)
1.1 协程的概念
**协程也叫“轻量级线程”,是一种用户态中来回切换代码块执行的技术,目的是减少阻塞,提高程序的运行速度。**协程不是计算机提供的功能,而是需要程序员自己实现的,是单个线程内的任务调度技巧。
假设,现在要执行2个函数(不用管谁先完成),这2个函数在运行中各需要3秒阻塞时间去等待网络 IO 的完成:
- 不使用协程:一个阻塞3秒并执行完成后,另一个才去执行,同样阻塞3秒,总共需要6秒的时间,才能完成两个函数的执行;
- 使用协程后:先执行的函数,遇到阻塞后,解释器会立马保存阻塞函数的现场数据,并调用另一个函数执行,这样,就相当于同时执行两个函数,总共只需要3秒的时间。大大节省了运行时间,提高了程序的运行效率。
1.2 实现协程的方式
- greenlet、gevent 等第三方模块;
- yield 关键字;
- asyncio 装饰器(python 3.4版本);
- async、await 关键字(python 3.5及以上版本)【推荐】。
二、asyncio 异步编程
2.1 事件循环
事件循环可以理解为一个不断检测并执行代码的死循环,是python 协程系统的核心。它维护着一个任务队列,在整个程序运行过程中,不断循环执行队列中的任务,一旦发生阻塞就切换任务。
import asyncio# python 自带# 获取一个事件循环
loop= asyncio.get_event_loop()# 将任务放到
loop.run_until_complete(任务)
2.2 快速上手
import asyncioasyncdefmain():# 定义协程函数print('hello')await asyncio.sleep(1)print('world')
asyncio.run(main())# 运行协程函数"""
输出:
hello
world
"""
注意!执行协程函数只会得到协程对象,不会立刻执行函数内的代码。
main()<coroutineobject main at0x1053bb7c8>
2.3 运行协程
要真正运行一个协程,asyncio 提供了三种主要机制:
第一种:用
asyncio.run()
函数用来运行最高层级的入口点main()
函数。 (参见上面的示例)第二种:使用
await
关键字”等待“一个协程对象(await
后面会详解)。以下代码段会在等待 1 秒后打印 “hello”,然后再次等待 2 秒后打印 “world”:import asyncioimport timeasyncdefsay_after(delay, what):await asyncio.sleep(delay)# 这样才会真正执行 sleep 协程函数print(what)asyncdefmain():print(f"开始:{time.strftime('%X')}")await say_after(1,'hello')await say_after(2,'world')print(f"结束:{time.strftime('%X')}") asyncio.run(main())
预期的输出:
开始:17:13:52 hello world 结束:17:13:55
第三种:
asyncio.create_task()
函数用来并发运行作为 asyncio 任务的多个协程。让我们修改以上示例,并发运行两个
say_after
协程:asyncdefmain(): task1= asyncio.create_task( say_after(1,'hello')) task2= asyncio.create_task( say_after(2,'world'))print(f"开始:{time.strftime('%X')}")# 等带两个任务都完成,大约需要2秒await task1await task2print(f"结束:{time.strftime('%X')}")
注意,预期的输出显示代码段的运行时间比之前快了 1 秒:
started at17:14:32 hello world finished at17:14:34
2.4 await 关键字
await 可等待对象
:表示遇到阻塞后,先挂起当前协程(任务),让事件循环去执行其他任务(如果有其他任务的话),等待“可等待对象”执行完成后,再继续执行下面的代码。
import asyncioasyncdefmain():print('hello')# 会挂起 main 一秒钟,然后打印 world# 一般用于后续步骤需要可等待对象完成后才能执行的情况await asyncio.sleep(1)print('world')
如果可等待对象有返回值,可以直接保存:result = await 可等待对象
。
2.5 可等待对象
可等待对象是指可以在await
语句中使用的对象,它主要有三种类型:协程、任务和 Future。
2.5.1 协程
在本文中,“协程”可用来表示两个紧密关联的概念:
协程函数:使用
async def 函数名
定义的函数。协程对象:调用协程函数得到的对象。
asyncio 也支持旧式的基于生成器(yield 关键字)的协程对象。
2.5.2 任务(Task)
当一个协程被asyncio.create_task()
等函数封装成一个任务,该协程就会被自动调度执行:
import asyncioasyncdefnested():return42asyncdefmain():# 创建任务,并将 nested 函数添加到事件循环
task1= asyncio.create_task(nested())
task2= asyncio.create_task(nested())# 可以给任务起一个名称# task = asyncio.create_task(nested(), name="t1")# 等待 task 结束await task1await task2
asyncio.run(main())
上面的方法不常用,更加常用的方法是:
import asyncioasyncdefnested():return42asyncdefmain():# 创建任务,并将 nested 函数添加到事件循环
task_list=[
asyncio.create_task(nested(),name="t1"),
asyncio.create_task(nested(),name="t2")]# 等待 task 结束
done, pending=await asyncio.wait(task_list, timeout=3)# 超时时间是可选的
asyncio.run(main())
说明:
done
:所有任务完成后的返回结果的集合。pending
:不常用,任务超时后返回的结果集合。
2.5.3 asyncio.Future
Future 是一个比较底层的可等待对象,任务(Task)是基于 Future 的。Future 一般不会直接用,它表示一个异步操作的最终结果。当一个 Future 对象被等待,这意味着协程将保持等待直到该 Future 对象在其他地方操作完毕。
asyncdefmain():await function_that_returns_a_future_object()# 下面的写法也是有效的await asyncio.gather(
function_that_returns_a_future_object(),
some_python_coroutine())
三、concurrent.futures.Future(补充)
该 Future 对象用于线程池、进程池实现异步操作时用,与 asyncio.Future 没有任何关系,仅仅是名称相同而已。
import timefrom concurrent.futuresimport Futurefrom concurrent.futures.threadimport ThreadPoolExecutorfrom concurrent.futures.processimport ProcessPoolExecutordeffunc(val):
time.sleep(1)print(val)return"abc"# 创建线程池
pool= ThreadPoolExecutor(max_workers=5)# 创建进程池# pool = ProcessPoolExecutor(max_workers=5)for iinrange(10):
fut= pool.submit(func, i)# fut 就是 concurrent.futures.Future 对象print(fut)
在实际开发中,可能会出现多进程、多线程和协程交叉实现的情况。比如:基于协程的异步编程 + MySQL(不支持异步)。但我们可以这么做:
import timeimport asyncioimport concurrent.futuresdeffunc1():"""某个耗时操作"""
time.sleep(2)return"abc"asyncdefmain():# 获取事件循环
loop=async.get_running_loop()# 1. 在默认的循环执行器中运行
result=await loop.run_in_executor(None, func1)# 第一个print('default thread pool', result)# 2. 在自定义线程池中运行with concurrent.futures.ThreadPoolExecutor()as pool:
result=await loop.run_in_executor(
pool, func1)print('custom thread pool', result)# 3. 在自定义进程池中运行with concurrent.futures.ProcessPoolExecutor()as pool:
result=await loop.run_in_executor(
pool, func1)print('custom process pool', result)
asyncio.run(main())
说明:
run_in_executor
的参数:
- 第一个参数是
concurrent.futures.Executor
实例,如果为None
,则使用默认的执行器。 - 第二个参数就是要执行的函数。
run_in_executor
内部做了两件事情:
- 调用 ThreadPoolExecutor 的 submit 方法去线程池中申请一个线程去执行 func1 函数,并返回一个 concurrent.futures.Future 对象;
- 调用 asyncio.wrap_future 将 concurrent.futures.Future 对象包装为 asyncio.Future 对象。这样才能使用 await 语法。
3.1 爬虫案例(asyncio+不支持异步的模块)
import asyncioimport requestsasyncdefdownload_image(url):# 发送网络请求,下载图片(遇到网络下载图片的IO请求,自动化切换到其他任务)print("开始下载:", url)
loop= asyncio.get_event_loop()# requests模块默认不支持异步操作,所以就使用线程池来配合实现了。
future= loop.run_in_executor(None, requests.get, url)
response=await futureprint('下载完成')# 图片保存到本地文件
file_name= url.rsplit('_')[-1]withopen(file_name, mode='wb')as file_object:
file_object.write(response.content)if __name__=='__main__':
url_list=['https://www3.autoimg.cn/newsdfs/g26/M02/35/A9/120x90_0_autohomecar__ChsEe12AXQ6AOOH_AAFocMs8nzU621.jpg','https://www2.autoimg.cn/newsdfs/g30/M01/3C/E2/120x90_0_autohomecar__ChcCSV2BBICAUntfAADjJFd6800429.jpg','https://www3.autoimg.cn/newsdfs/g26/M0B/3C/65/120x90_0_autohomecar__ChcCP12BFCmAIO83AAGq7vK0sGY193.jpg']
tasks=[download_image(url)for urlin url_list]
loop= asyncio.get_event_loop()
loop.run_until_complete( asyncio.wait(tasks))
四、asyncio 异步迭代器
异步迭代器:
异步迭代器与普通的迭代器是基本一致的,只不过内部实现的是
__aiter__()
和__anext__()
方法。__anext__()
必须返回一个awaitable
对象。async for
会处理异步迭代器的__anext__()
方法所返回的可等待对象,知道引发一个StopAsyncIteration
异常。异步可迭代对象:
可以在
async for
语句中使用的对象,必须通过它的__aiter__()
方法返回一个异步迭代器。
举例:
import asyncioclassReader(object):""" 自定义异步迭代器(同时也是异步可迭代对象) """def__init__(self):
self.count=0asyncdefreadline(self):# await asyncio.sleep(1)
self.count+=1if self.count==100:returnNonereturn self.countdef__aiter__(self):return selfasyncdef__anext__(self):
val=await self.readline()if val==None:raise StopAsyncIterationreturn valasyncdeffunc():# 创建异步可迭代对象
async_iter= Reader()# async for 必须要放在async def函数内,否则语法错误。asyncfor itemin async_iter:print(item)
asyncio.run(func())
异步迭代器其实没什么太大的作用,只是支持了async for
语法而已。
五、asyncio 异步上下文管理
异步上下文管理需要实现的是__aenter__()
和__aexit__()
方法,以此实现对async with
语句中的环境进行控制。
import asyncioclassAsyncContextManager:def__init__(self):
self.conn=Noneasyncdefdo_something(self):# 异步操作数据库return666asyncdef__aenter__(self):# 异步链接数据库
self.conn=await asyncio.sleep(1)return selfasyncdef__aexit__(self, exc_type, exc, tb):# 异步关闭数据库链接await asyncio.sleep(1)asyncdeffunc():# 与异步迭代器一样,必须放在协程函数内asyncwith AsyncContextManager()as f:
result=await f.do_something()print(result)
asyncio.run(func())
六、Uvloop
Python标准库中提供了asyncio
模块,用于支持基于协程的异步编程。
uvloop 是 asyncio 中的事件循环的替代方案,替换后可以使得asyncio性能提高。事实上,uvloop要比nodejs、gevent等其他python异步框架至少要快2倍,性能可以比肩Go语言。
安装uvloop:
pipinstall uvloop
在项目中想要使用uvloop替换asyncio的事件循环也非常简单,只要在代码中这么做就行。
import asyncioimport
uvloopasyncio.set_event_loop_policy(uvloop.EventLoopPolicy())# 编写asyncio的代码,与之前写的代码一致。# 内部的事件循环自动化会变为
uvloopasyncio.run(...)
注意:知名的 asgi uvicorn 内部就是使用的uvloop的事件循环。
七、实战案例
7.1 异步Redis
安装 aioredis 模块:
pip3 install aioredis
示例1:异步操作redis,在遇到 IO 等待的地方,使用 await 关键字。
import asyncioimport aioredisasyncdefexecute(address, password):print("开始执行", address)# 网络IO操作:创建redis连接
redis=await aioredis.create_redis(address, password=password)# 网络IO操作:在redis中设置哈希值car,内部在设三个键值对,即: redis = { car:{key1:1,key2:2,key3:3}}await redis.hmset_dict('car', key1=1, key2=2, key3=3)# 网络IO操作:去redis中获取值
result=await redis.hgetall('car', encoding='utf-8')print(result)
redis.close()# 网络IO操作:关闭redis连接await redis.wait_closed()print("结束", address)
asyncio.run(execute('redis://47.93.4.198:6379',"root12345"))
示例2:连接多个redis做操作(遇到IO会切换其他任务,提供了性能)。
import asyncioimport aioredisasyncdefexecute(address, password):print("开始执行", address)# 网络IO操作:先去连接 47.93.4.197:6379,遇到IO则自动切换任务,去连接47.93.4.198:6379
redis=await aioredis.create_redis_pool(address, password=password)# 网络IO操作:遇到IO会自动切换任务await redis.hmset_dict('car', key1=1, key2=2, key3=3)# 网络IO操作:遇到IO会自动切换任务
result=await redis.hgetall('car', encoding='utf-8')print(result)
redis.close()# 网络IO操作:遇到IO会自动切换任务await redis.wait_closed()print("结束", address)task_list=[
execute('redis://47.93.4.197:6379',"root12345"),
execute('redis://47.93.4.198:6379',"root12345")]
asyncio.run(asyncio.wait(task_list))
更多redis操作参考 aioredis 官网:传送门
7.2 异步MySQL
当通过python去操作MySQL时,连接、执行SQL、关闭都涉及网络IO请求,使用asycio异步的方式可以在IO等待时去做一些其他任务,从而提升性能。
安装Python异步操作redis模块
pip3 install aiomysql
例子1:
import asyncioimport aiomysqlasyncdefexecute():# 网络IO操作:连接MySQL
conn=await aiomysql.connect(host='127.0.0.1', port=3306, user='root', password='123', db='mysql')# 网络IO操作:创建CURSOR
cur=await conn.cursor()# 网络IO操作:执行SQLawait cur.execute("SELECT Host,User FROM user")# 网络IO操作:获取SQL结果
result=await cur.fetchall()print(result)# 网络IO操作:关闭链接await cur.close()
conn.close()
asyncio.run(execute())
例子2:
import asyncioimport aiomysqlasyncdefexecute(host, password):print("开始", host)# 网络IO操作:先去连接 47.93.40.197,遇到IO则自动切换任务,去连接47.93.40.198:6379
conn=await aiomysql.connect(host=host, port=3306, user='root', password=password, db='mysql')# 网络IO操作:遇到IO会自动切换任务
cur=await conn.cursor()# 网络IO操作:遇到IO会自动切换任务await cur.execute("SELECT Host,User FROM user")# 网络IO操作:遇到IO会自动切换任务
result=await cur.fetchall()print(result)# 网络IO操作:遇到IO会自动切换任务await cur.close()
conn.close()print("结束", host)task_list=[
execute('47.93.40.197',"root!2345"),
execute('47.93.40.197',"root!2345")]
asyncio.run(asyncio.wait(task_list))
7.3 FastAPI框架
FastAPI 是一款用于构建 API 的高性能 web 框架,框架基于 Python3.6+的type hints
搭建。
接下来的异步示例以FastAPI
和uvicorn
来讲解(uvicorn是一个支持异步的asgi)。
安装 FastAPI:
pip3 install fastapi
安装 uvicorn:
pip3 install uvicorn
举例:
import asyncioimport uvicornimport aioredisfrom aioredisimport Redisfrom fastapiimport FastAPI
app= FastAPI()
REDIS_POOL= aioredis.ConnectionsPool('redis://47.193.14.198:6379',
password="root123",
minsize=1,
maxsize=10)
@app.get("/")defindex():""" 普通操作接口"""return{"message":"Hello World"}
@app.get("/red")asyncdefred():""" 异步操作接口"""print("请求来了")await asyncio.sleep(3)# 连接池获取一个连接
conn=await REDIS_POOL.acquire()
redis= Redis(conn)# 设置值await redis.hmset_dict('car', key1=1, key2=2, key3=3)# 读取值
result=await redis.hgetall('car', encoding='utf-8')print(result)# 连接归还连接池
REDIS_POOL.release(conn)return resultif __name__=='__main__':
uvicorn.run("luffy:app", host="127.0.0.1", port=5000, log_level="info")
在有多个用户并发请求的情况下,异步方式来编写的接口可以在 IO 等待过程中去处理其他的请求,提供性能。这就是 FastAPI 如此高性能的原因所在。