专栏首页Python专栏用python帮助你从此快起来!

用python帮助你从此快起来!

在python的网络模型中,为了实现高并发有很多方案:多线程、多进程。无论多线程和多进程,IO的调度更多取决于系统,而协程的方式,调度来自用户

使用协程可以实现高效的并发任务。而这个操作就叫异步IO(asyncio)

简单来说:当我们发起一个 IO 操作,而不用等待指令集结束,就可以继续做其他事情,当它结束时,会得到相应的通知

Asyncio 并不能带来真正的并行(parallelism)。当然,因为 GIL(全局解释器锁)的存在,使用Cython作为Python解释器(最常见的解释器)的多线程也不能带来真正的并行。

交给 asyncio执行的任务,称为协程(coroutine)。一个协程可以放弃执行,把机会让给其它协程(即 yield from 或 await)。

初识asyncio

首先来认识一下Coroutine,我已经对每段代码都加上了注释

import asyncio

# asyncio是Python 3.4版本引入的标准库,直接内置了对异步IO的支持。
async def coroutine():
    print('in coroutine')

# asyncio的编程模型就是一个消息循环
# 从asyncio模块中直接获取一个EventLoop的引用
event_loop = asyncio.get_event_loop()
try:
    print('starting coroutine')
    coro = coroutine()
    print('entering event loop')
    # 把需要执行的协程,这里也就是coroutine扔到EventLoop中执行
    event_loop.run_until_complete(coro)
finally:
    print('closing event loop')
    event_loop.close()

结果如图:

首先是获取一个事件循环 asyncio.get_event_loop(),然后用 run_until_complete 执行 coroutine 对象,当 coroutine 执行完成并退出时, run_until_complete 也会随后退出。

获取Coroutine返回值

在刚刚,我们已经可以有效的使用 run_until_complete 函数来执行asyncio了,现在我们需要多做一步的就是获取异步请求的返回值。run_until_complete 会把 Coroutine 的返回值当做自身的返回值返回给调用方

import asyncio

async def coroutine():
    print('in coroutine')
    # 增加了一个返回值
    return 'result'

event_loop = asyncio.get_event_loop()
try:
    # 有了之前的基础,我们这里就不再单独获取coroutine的对象了
    # run_until_complete会返回coroutine的返回值
    return_value = event_loop.run_until_complete(coroutine())
    print(f'it returned: {return_value}')
finally:
    event_loop.close()

结果如图:

链式调用

之前的操作都是调用某个单一函数,但在工作中,往往会有函数调用函数的情况,一起来看下

import asyncio

# 函数1
async def one():
    print('in one')
    asyncio.sleep(1)
    print('one end')
    return 'one'

# 函数2
async def two(arg):
    print('in two')
    asyncio.sleep(1)
    print('two end')
    return 'two with arg {}'.format(arg)

# 将作为coroutine
async def outer():
    print('in outer')
    print('waiting for one')
    # 等待函数1的返回值
    result1 = await one()
    print('waiting for two')
    # 等待函数2的返回值
    result2 = await two(result1)
    # 将2个结果一并返回
    return result1, result2

event_loop = asyncio.get_event_loop()
try:
    return_value = event_loop.run_until_complete(outer())
    print(f'result value: {return_value}')
finally:
    event_loop.close()

这里使用了 asyncio.sleep而不是time.sleep为的就是模拟异步的任务请求使用 await 可以针对耗时的操作进行挂起,就像生成器里的 yield 一样,使函数让出控制权。协程遇到 await ,事件循环将会挂起该协程,执行别的协程,直到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一起来看下结果:

时间上确实节省了很多,这就是异步的强大!好了,今天的内容就到这里结束了,一起来回顾下:

  • python通过 asyncio 来实现异步请求
  • 在python3.5开始,使用关键字 async 来定义 coroutine 实体函数
  • 使用关键字 await 来等待 coroutine 的返回值

如果你对今天的内容还感兴趣的话,何不点个赞再走呢?如果感兴趣到想赞赏我,就不要犹豫啦~


本文分享自微信公众号 - 猿媛牧场(xpchuiit)

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2018-06-12

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • Python | Python爬虫爬取知乎小结

    http://blog.csdn.net/qq_37267015/article/details/62217899

    用户1634449
  • 有时间BB,不如想想怎么让别人闭嘴吧

    经过上次「SKR!虎扑66万JRS大战3300万吴亦凡护卫队,别逼我拿Python」一事,我发现观众里有很多JRs,「这就是灌篮」一定不陌生。

    用户1634449
  • 头条 Python 工程师面经分享:一年经验也能进大公司!

    文章链接:https://www.rapospectre.com/blog/2017-backend-interview-share

    用户1634449
  • Python|生成器

    01 列表生成式的缺点 通过列表生成式,我们可以直接创建一个列表。但是,内存数量有限,列表容量肯定不能超过内存大小。 再有,创建一个包含100万个元素的列表...

    double
  • 测者的性能测试手册:谁来接NMT(Native Memory Tracking)内存故障诊断的下一个棒

    前面的文章中说道NTM可以追踪到堆内内存、code区域、通过unsafe.allocateMemory和DirectByteBuffer申请的内存。

    Criss@陈磊
  • 谁来接NMT(Native Memory Tracking)内存故障诊断的下一个棒

    前面的文章中说道NTM可以追踪到堆内内存、code区域、通过unsafe.allocateMemory和DirectByteBuffer申请的内存。

    Criss@陈磊
  • 性能测试必备技能Java应用的内存故障诊断

    前面的文章中说道NTM可以追踪到堆内内存、code区域、通过unsafe.allocateMemory和DirectByteBuffer申请的内存。

    Criss@陈磊
  • 你真的了解回调?

    你将在本文中,学习到什么是回调,回调是一种异步操作手段,在平时的使用当中无处不在,究竟如何确定何时使用异步(跳跃式执行,稍后响应,发送一个请求,不等待返回,随时...

    itclanCoder
  • 2018-08-02 IntelliJ IDEA - Debug 调试多线程程序IntelliJ IDEA - Debug 调试多线程程序

    https://blog.csdn.net/nextyu/article/details/79039566

    Albert陈凯
  • 小甲鱼《零基础学习Python》课后笔记(十八):函数——灵活即强大

    关键字参数是在调用函数时,带上函数参数的名字去指定调用哪个参数,从而不用按照参数的顺序调用参数。

    小火柴棒

扫码关注云+社区

领取腾讯云代金券