快学学Python异步IO轻松管理10k+并发连接
异步操作在计算机软硬件体系中是一个普遍概念，根源在于参与协作的各实体处理速度上有明显差异。软件开发中遇到的多数情况是CPU与IO的速度不匹配，所以异步IO存在于各种编程框架中，客户端比如浏览器，服务端比如node.js。本文主要分析Python异步IO。
Python 3.4标准库有一个新模块asyncio，用来支持异步IO，不过目前API状态是provisional，意味着不保证向后兼容性，甚至可能从标准库中移除（可能性极低）。如果关注PEP和Python-Dev会发现该模块酝酿了很长时间，可能后续有API和实现上的调整，但毋庸置疑asyncio非常实用且功能强大，值得学习和深究。
示例
asyncio主要应对TCP/UDP socket通信，从容管理大量连接，而无需创建大量线程，提高系统运行效率。此处将官方文档的一个示例做简单改造，实现一个HTTP长连接benchmark工具，用于诊断WEB服务器长连接处理能力。
功能概述：
每隔10毫秒创建10个连接，直到目标连接数（比如10k），同时每个连接都会规律性的向服务器发送HEAD请求，以维持HTTP keepavlie。
代码如下：
- import argparse
- import asyncio
- import functools
- import logging
- import random
- import urllib.parse
- loop = asyncio.get_event_loop()
- @asyncio.coroutine
- def print_http_headers(no, url, keepalive):
- url = urllib.parse.urlsplit(url)
- wait_for = functools.partial(asyncio.wait_for, timeout=3, loop=loop)
- query = ('HEAD {url.path} HTTP/1.1\r\n'
- 'Host: {url.hostname}\r\n'
- '\r\n').format(url=url).encode('utf-8')
- rd, wr = yield from wait_for(asyncio.open_connection(url.hostname, 80))
- while True:
- wr.write(query)
- while True:
- line = yield from wait_for(rd.readline())
- if not line: # end of connection
- wr.close()
- return no
- line = line.decode('utf-8').rstrip()
- if not line: # end of header
- break
- logging.debug('(%d) HTTP header> %s' % (no, line))
- yield from asyncio.sleep(random.randint(1, keepalive//2))
- @asyncio.coroutine
- def do_requests(args):
- conn_pool = set()
- waiter = asyncio.Future()
- def _on_complete(fut):
- conn_pool.remove(fut)
- exc, res = fut.exception(), fut.result()
- if exc is not None:
- logging.info('conn#{} exception'.format(exc))
- else:
- logging.info('conn#{} result'.format(res))
- if not conn_pool:
- waiter.set_result('event loop is done')
- for i in range(args.connections):
- fut = asyncio.async(print_http_headers(i, args.url, args.keepalive))
- fut.add_done_callback(_on_complete)
- conn_pool.add(fut)
- if i % 10 == 0:
- yield from asyncio.sleep(0.01)
- logging.info((yield from waiter))
- def main():
- parser = argparse.ArgumentParser(description='asyncli')
- parser.add_argument('url', help='page address')
- parser.add_argument('-c', '--connections', type=int, default=1,
- help='number of connections simultaneously')
- parser.add_argument('-k', '--keepalive', type=int, default=60,
- help='HTTP keepalive timeout')
- args = parser.parse_args()
- logging.basicConfig(level=logging.INFO, format='%(asctime)s %(message)s')
- loop.run_until_complete(do_requests(args))
- loop.close()
- if __name__ == '__main__':
- main()
测试与分析
硬件：CPU 2.3GHz / 2 cores，RAM 2GB
软件：CentOS 6.5(kernel 2.6.32), Python 3.3 (pip install asyncio), nginx 1.4.7
参数设置：ulimit -n 10240；nginx worker的连接数改为10240
启动WEB服务器，只需一个worker进程：
- # ../sbin/nginx
- # ps ax | grep nginx
- 2007 ? Ss 0:00 nginx: master process ../sbin/nginx
- 2008 ? S 0:00 nginx: worker process
启动benchmark工具, 发起10k个连接，目标URL是nginx的默认测试页面:
- $ python asyncli.py http://10.211.55.8/ -c 10000
nginx日志统计平均每秒请求数：
- # tail -1000000 access.log | awk '{ print $4 }' | sort | uniq -c | awk '{ cnt+=1; sum+=$1 } END { printf "avg = %d\n", sum/cnt }'
- avg = 548
top部分输出：
- VIRT RES SHR S %CPU %MEM TIME+ COMMAND
- 657m 115m 3860 R 60.2 6.2 4:30.02 python
- 54208 10m 848 R 7.0 0.6 0:30.79 nginx
总结：
1. Python实现简洁明了。不到80行代码，只用到标准库，逻辑直观，想象下C/C++标准库实现这些功能，顿觉“人生苦短，我用Python”。
2. Python运行效率不理想。当连接建立后，客户端和服务端的数据收发逻辑差不多，看上面top输出，Python的CPU和RAM占用基本都是nginx的10倍，意味着效率相差100倍（CPU x RAM），侧面说明了Python与C的效率差距。这个对比虽然有些极端，毕竟nginx不仅用C且为CPU/RAM占用做了深度优化，但相似任务效率相差两个数量级，除非是BUG，说明架构设计的出发点就是不同的，Python优先可读易用而性能次之，nginx就是一个高度优化的WEB服务器，开发一个module都比较麻烦，要复用它的异步框架，简直难上加难。开发效率与运行效率的权衡，永远都存在。
3. 单线程异步IO v.s. 多线程同步IO。上面的例子是单线程异步IO，其实不写demo就知道多线程同步IO效率低得多，每个线程一个连接？10k个线程，仅线程栈就占用600+MB（64KB * 10000）内存，加上线程上下文切换和GIL，基本就是噩梦。
ayncio核心概念
以下是学习asyncio时需要理解的四个核心概念，更多细节请看<参考资料>
1. event loop。单线程实现异步的关键就在于这个高层事件循环，它是同步执行的。
2. future。异步IO有很多异步任务构成，而每个异步任务都由一个future控制。
3. coroutine。每个异步任务具体的执行逻辑由一个coroutine来体现。
4. generator(yield & yield from) 。在asyncio中大量使用，是不可忽视的语法细节。
参考资料
1. asyncio – Asynchronous I/O, event loop, coroutines and tasks, https://docs.python.org/3/library/asyncio.html
2. PEP 3156, Asynchronous IO Support Rebooted: the "asyncio” Module, http://legacy.python.org/dev/peps/pep-3156/
3. PEP 380, Syntax for Delegating to a Subgenerator, http://legacy.python.org/dev/peps/pep-0380/
4. PEP 342, Coroutines via Enhanced Generators, http://legacy.python.org/dev/peps/pep-0342/
5. PEP 255, Simple Generators, http://legacy.python.org/dev/peps/pep-0255/
6. asyncio source code, http://hg.python.org/cpython/file/3.4/Lib/asyncio/