創(chuàng)新互聯(lián)www.cdcxhl.cn八線動態(tài)BGP香港云服務(wù)器提供商，新人活動買多久送多久，劃算不套路！
為大通等地區(qū)用戶提供了全套網(wǎng)頁設(shè)計制作服務(wù)，及大通網(wǎng)站建設(shè)行業(yè)解決方案。主營業(yè)務(wù)為成都做網(wǎng)站、網(wǎng)站設(shè)計、大通網(wǎng)站設(shè)計，以傳統(tǒng)方式定制建設(shè)網(wǎng)站，并提供域名空間備案等一條龍服務(wù)，秉承以專業(yè)、用心的態(tài)度為用戶提供真誠的服務(wù)。我們深信只要達到每一位用戶的要求，就會得到認可，從而選擇與我們長期合作。這樣，我們也可以走得更遠！不懂Python3中contextvars模塊是什么？其實想解決這個問題也不難，下面讓小編帶著大家一起學(xué)習(xí)怎么去解決，希望大家閱讀完這篇文章后大所收獲。
什么是上下文(Context)？
Context Variables，也就是「上下文變量」。
Context是一個包含了相關(guān)環(huán)境內(nèi)容的對象。這不是什么很高深的設(shè)計，其實和我們的日常生活也是息息相關(guān)的。
舉個比較實時的例子，權(quán)力的游戲第八季剛開播，如果你沒看過前七季，不了解過去的劇情、人物關(guān)系、過去的種種主線副線發(fā)展，去看第八季第一集是完全看不懂的，因為你缺失了這個美劇的上下文。
上下文就帶著這些信息，如果有一人非常了解過去的那些劇情甚至看過原著，Ta可以把那些第八季能關(guān)聯(lián)到的故事、劇情搞一個視頻剪輯（上下文對象），那么你不需要把過去完整的七季完整看一遍，可能花一個小時看看這個視頻（獲得上下文對象），就能繼續(xù)看第八季（完成之后的操作）。
Flask的設(shè)計中就包含了Context(下面不再說上下文，而統(tǒng)一用Context)。這個設(shè)計有什么用呢？簡單地說：可以在一些場景下隱式地傳遞變量
我們看一下Django和Sanic怎么傳遞請求對象Request:
重慶分公司
重慶分公司
# Django
from django.http import HttpResponse
def index(request):
text = request.GET.get('text')
return HttpResponse(f'Text is {text}')
# Sanic
from sanic import response
app = Sanic()
@app.route('/')
async def index(request):
text = request.args.get('text')
return response.text(f'Text is {text}')這2個框架都有一個問題：視圖函數(shù)上要顯式的傳遞request（請求對象）。我們再看看Flask的效果:
from flask import Flask, request
app = Flask(__name__)
@app.route('/')
def index():
text = request.args.get('text')
return f'Text is {text}'在Flask中，request是import進來使用的（不需要就不用import），和視圖解耦了。這種設(shè)計下，不需要像Django/Sanic那樣把參數(shù)傳來傳去。
ThreadLocal
Flask怎么實現(xiàn)的呢？這就引出了ThreadLocal（本地線程）對象，看名字可以知道它是線程安全的，是單個線程自己的局部變量。Flask的實現(xiàn)中并沒有直接用Python的ThreadLocal，而是自己實現(xiàn)了一個Local類，除了支持線程還支持了Greenlet的協(xié)程。
Q: 那為什么不用全局變量呢？ A: 由于存在GIL，全局變量的修改必須加鎖，會影響效率
先看一下線程庫中ThreadLocal的例子：
? cat threadlocal_example.py
import random
import threading
local_data = threading.local()
def show():
name = threading.current_thread().getName()
try:
val = local_data.value
except AttributeError:
print(f'Thread {name}: No value yet')
else:
print(f'Thread {name}: {val}')
def worker():
show()
local_data.value = random.randint(1, 100)
show()
for i in range(2):
t = threading.Thread(target=worker)
t.start()
? python threadlocal_example.py
Thread Thread-1: No value yet
Thread Thread-1: 78
Thread Thread-2: No value yet
Thread Thread-2: 64可以感受到2個線程的狀態(tài)互不影響?；氐紽lask，請求Context在內(nèi)部作為一個棧來維護（應(yīng)用Context在另外一個棧）。每個訪問Flask的請求，會綁定到當(dāng)前的Context，等請求結(jié)束后再銷毀。維護的過程由框架實現(xiàn)，開發(fā)者不需要關(guān)心，你只需要用flask.request就可以了，這樣就提高了接口的可讀性和擴展性。
contextvars例子
threading.local的隔離效果很好，但是他是針對線程的，隔離線程之間的數(shù)據(jù)狀態(tài)。但是現(xiàn)在有了asyncio，怎么辦？
biu~ 我們回到contextvars，這個模塊提供了一組接口，可用于管理、儲存、訪問局部Context的狀態(tài)。我們看個例子：
? cat contextvar_example.py
import asyncio
import contextvars
# 申明Context變量
request_id = contextvars.ContextVar('Id of request')
async def get():
# Get Value
print(f'Request ID (Inner): {request_id.get()}')
async def new_coro(req_id):
# Set Value
request_id.set(req_id)
await get()
print(f'Request ID (Outer): {request_id.get()}')
async def main():
tasks = []
for req_id in range(1, 5):
tasks.append(asyncio.create_task(new_coro(req_id)))
await asyncio.gather(*tasks)
asyncio.run(main())
? python contextvar_example.py
Request ID (Inner): 1
Request ID (Outer): 1
Request ID (Inner): 2
Request ID (Outer): 2
Request ID (Inner): 3
Request ID (Outer): 3
Request ID (Inner): 4
Request ID (Outer): 4可以看到在數(shù)據(jù)狀態(tài)協(xié)程之間互不影響。注意上面contextvars.ContextVar的傳入的第一個參數(shù)(name)值是一個字符串，它主要是用來標識和調(diào)試的，并不一定要用一個單詞或者用下劃線連起來。
注意，這個模塊不僅僅給aio加入Context的支持，也用來替代threading.local()。
在Python 3.6使用contextvars
contextvars實現(xiàn)了PEP 567, 如果在Python3.6想使用可以用MagicStack/contextvars這個向后移植庫，它和標準庫都是同一個作者寫的，可以放心使用。用之前你需要安裝它:
pip install contextvars aiotask_context
在Sanic里面request確實沒有用Context，那在aio體系里面怎么用呢？原來我會使用一個獨立的庫aiotask_context，在我的技術(shù)博客項目中就有用到，我簡化一下這部分的代碼(延伸閱讀3的commit)：
# ext.py
import aiotask_context as context # noqa
# app.py
from ext import context
client = None
@app.listener('before_server_start')
async def setup_db(app, loop):
global client
client = aiomcache.Client(config.MEMCACHED_HOST, config.MEMCACHED_PORT, loop=loop)
loop.set_task_factory(context.task_factory)
@app.middleware('request')
async def setup_context(request):
context.set('memcache', client)
# models/mc.py
_memcache = None
async def get_memcache():
global _memcache
if _memcache is not None:
return _memcache
memcache = context.get('memcache')
_memcache = memcache
return memcache按執(zhí)行過程，我解釋一下：
app.py默認client是None，在before_server_start中會設(shè)置初始化一個aiomcache.Client，用global設(shè)置給client
每次請求，通過context.set('memcache', client)把client設(shè)置到Context里面
在實際業(yè)務(wù)中，直接用context.get('memcache')獲取這個client。整個邏輯中見不到client傳來傳去，也不需要給request設(shè)置額外的屬性
有一點要提，在Python 3.6, context接受的參數(shù)必須是ContextVar對象，要這么寫：
if PY36:
import contextvars
memcache_var = contextvars.ContextVar('memcache')
else:
memcache_var = 'memcache'
try:
memcache = context.get(memcache_var)
except AttributeError:
# Hack for debug mode
memcache = None這里捕獲了AttributeError，主要是在ipython中調(diào)試，由于沒有啟動Sanic所以沒有設(shè)置上下文，所以需要異常處理一下。
contextvars的真實例子
接著替換成contextvars(延伸閱讀鏈接4的commit)：
# models/var.py
import contextvars
memcache_var = contextvars.ContextVar('memcache')
# app.py
from models.var import memcache_var
client = None
@app.listener('before_server_start')
async def setup_db(app, loop):
global client
client = aiomcache.Client(config.MEMCACHED_HOST, config.MEMCACHED_PORT, loop=loop)
@app.middleware('request')
async def setup_context(request):
memcache_var.set(client)
# models/mc.py
from models.var import memcache_var
_memcache = None
async def get_memcache():
global _memcache
if _memcache is not None:
return _memcache
memcache = memcache_var.get()
_memcache = memcache
return memcache在這種模式下，memcache(Redis)等實例對象不需要放在request對象里面，也不需要傳來傳去，而是放在一個上下文中，需要時直接通過memcache_var.get()就可以拿到，繼而操作緩存了。
感謝你能夠認真閱讀完這篇文章，希望小編分享Python3中contextvars模塊是什么內(nèi)容對大家有幫助，同時也希望大家多多支持創(chuàng)新互聯(lián)，關(guān)注創(chuàng)新互聯(lián)-成都網(wǎng)站建設(shè)公司行業(yè)資訊頻道，遇到問題就找創(chuàng)新互聯(lián)，詳細的解決方法等著你來學(xué)習(xí)!
