本篇內(nèi)容介紹了“Python異步方法如何使用”的有關(guān)知識，在實際案例的操作過程中，不少人都會遇到這樣的困境，接下來就讓小編帶領(lǐng)大家學(xué)習(xí)一下如何處理這些情況吧！希望大家仔細(xì)閱讀，能夠?qū)W有所成！
我們提供的服務(wù)有：成都網(wǎng)站建設(shè)、做網(wǎng)站、微信公眾號開發(fā)、網(wǎng)站優(yōu)化、網(wǎng)站認(rèn)證、洛浦ssl等。為上千余家企事業(yè)單位解決了網(wǎng)站和推廣的問題。提供周到的售前咨詢和貼心的售后服務(wù)，是有科學(xué)管理、有技術(shù)的洛浦網(wǎng)站制作公司
要了解異步編程的動機(jī)，我們首先必須了解是什么限制了我們的代碼運行速度。理想情況下，我們希望我們的代碼以光速運行，立即跳過我們的代碼，沒有任何延遲。然而，由于兩個因素，實際上代碼運行速度要慢得多：
CPU時間（處理器執(zhí)行指令的時間）
IO時間（等待網(wǎng)絡(luò)請求或存儲讀/寫的時間）
當(dāng)我們的代碼在等待 IO 時，CPU 基本上是空閑的，等待某個外部設(shè)備響應(yīng)。通常，內(nèi)核會檢測到這一點并立即切換到執(zhí)行系統(tǒng)中的其他線程。因此，如果我們想加快處理一組 IO 密集型任務(wù)，我們可以為每個任務(wù)創(chuàng)建一個線程。當(dāng)其中一個線程停止，等待 IO 時，內(nèi)核將切換到另一個線程繼續(xù)處理。
這在實踐中效果很好，但有兩個缺點：
線程有開銷（尤其是在 Python 中）
我們無法控制內(nèi)核何時選擇在線程之間切換
例如，如果我們想要執(zhí)行 10,000 個任務(wù)，我們要么必須創(chuàng)建 10,000 個線程，這將占用大量 RAM，要么我們需要創(chuàng)建較少數(shù)量的工作線程并以較少的并發(fā)性執(zhí)行任務(wù)。此外，最初生成這些線程會占用 CPU 時間。
由于內(nèi)核可以隨時選擇在線程之間切換，因此我們代碼中的任何時候都可能出現(xiàn)相互競爭。
在傳統(tǒng)的基于同步線程的代碼中，內(nèi)核必須檢測線程何時是IO綁定的，并選擇在線程之間隨意切換。使用 Python 異步，程序員使用關(guān)鍵字await確認(rèn)聲明 IO 綁定的代碼行，并確認(rèn)授予執(zhí)行其他任務(wù)的權(quán)限。例如，考慮以下執(zhí)行Web請求的代碼：
重慶分公司
重慶分公司
async def request_google():
reader, writer = await asyncio.open_connection('google.com', 80)
writer.write(b'GET / HTTP/2\n\n')
await writer.drain()
response = await reader.read()
return response.decode()在這里，在這里，我們看到該代碼在兩個地方await。因此，在等待我們的字節(jié)被發(fā)送到服務(wù)器（writer.drain()）時，在等待服務(wù)器用一些字節(jié)（reader.read()）回復(fù)時，我們知道其他代碼可能會執(zhí)行，全局變量可能會更改。然而，從函數(shù)開始到第一次等待，我們可以確保代碼逐行運行，而不會切換到運行程序中的其他代碼。這就是異步的美妙之處。
asyncio是一個標(biāo)準(zhǔn)庫，可以讓我們用這些異步函數(shù)做一些有趣的事情。例如，如果我們想同時向Google執(zhí)行兩個請求，我們可以：
async def request_google_twice(): response_1, response_2 = await asyncio.gather(request_google(), request_google()) return response_1, response_2
當(dāng)我們調(diào)用request_google_twice()時，神奇的asyncio.gather會啟動一個函數(shù)調(diào)用，但是當(dāng)我們調(diào)用時await writer.drain()，它會開始執(zhí)行第二個函數(shù)調(diào)用，這樣兩個請求就會并行發(fā)生。然后，它等待第一個或第二個請求的writer.drain()調(diào)用完成并繼續(xù)執(zhí)行該函數(shù)。
最后，有一個重要的細(xì)節(jié)被遺漏了：asyncio.run。要從常規(guī)的 [同步] Python 函數(shù)實際調(diào)用異步函數(shù)，我們將調(diào)用包裝在asyncio.run(...)：
async def async_main():
r1, r2 = await request_google_twice()
print('Response one:', r1)
print('Response two:', r2)
return 12
return_val = asyncio.run(async_main())請注意，如果我們只調(diào)用async_main()而不調(diào)用await ...或者 asyncio.run(...)，則不會發(fā)生任何事情。這只是由異步工作方式的性質(zhì)所限制的。
那么，異步究竟是如何工作的，這些神奇的asyncio.run和asyncio.gather函數(shù)有什么作用呢？閱讀下文以了解詳情。
要了解async的魔力，我們首先需要了解一個更簡單的 Python 構(gòu)造：生成器
生成器是 Python 函數(shù)，它逐個返回一系列值（可迭代）。例如：
def get_numbers():
print("|| get_numbers begin")
print("|| get_numbers Giving 1...")
yield 1
print("|| get_numbers Giving 2...")
yield 2
print("|| get_numbers Giving 3...")
yield 3
print("|| get_numbers end")
print("| for begin")
for number in get_numbers():
print(f"| Got {number}.")
print("| for end")| for begin || get_numbers begin || get_numbers Giving 1... | Got 1. || get_numbers Giving 2... | Got 2. || get_numbers Giving 3... | Got 3. || get_numbers end | for end
因此，我們看到，對于for循環(huán)的每個迭代，我們在生成器中只執(zhí)行一次。我們可以使用Python的next()函數(shù)更明確地執(zhí)行此迭代：
In [3]: generator = get_numbers() In [4]: next(generator) || get_numbers begin || get_numbers Giving 1... Out[4]: 1 In [5]: next(generator) || get_numbers Giving 2... Out[5]: 2 In [6]: next(generator) || get_numbers Giving 3... Out[6]: 3 In [7]: next(generator) || get_numbers end --------------------------------------- StopIteration Traceback (most recent call last)in ----> 1 next(generator) StopIteration:
這與異步函數(shù)的行為非常相似。正如異步函數(shù)從函數(shù)開始直到第一次等待時連續(xù)執(zhí)行代碼一樣，我們第一次調(diào)用next()時，生成器將從函數(shù)頂部執(zhí)行到第一個yield 語句。然而，現(xiàn)在我們只是從生成器返回數(shù)字。我們將使用相同的思想，但返回一些不同的東西來使用生成器創(chuàng)建類似異步的函數(shù)。
讓我們使用生成器來創(chuàng)建我們自己的小型異步框架。
但是，為簡單起見，讓我們將實際 IO 替換為睡眠（即。time.sleep）。讓我們考慮一個需要定期發(fā)送更新的應(yīng)用程序：
def send_updates(count: int, interval_seconds: float):
for i in range(1, count + 1):
time.sleep(interval_seconds)
print('[{}] Sending update {}/{}.'.format(interval_seconds, i, count))因此，如果我們調(diào)用send_updates(3, 1.0)，它將輸出這三條消息，每條消息間隔 1 秒：
[1.0] Sending update 1/3. [1.0] Sending update 2/3. [1.0] Sending update 3/3.
現(xiàn)在，假設(shè)我們要同時運行幾個不同的時間間隔。例如，send_updates(10, 1.0)，send_updates(5, 2.0)和send_updates(4, 3.0)。我們可以使用線程來做到這一點，如下所示：
threads = [ threading.Thread(target=send_updates, args=(10, 1.0)), threading.Thread(target=send_updates, args=(5, 2.0)), threading.Thread(target=send_updates, args=(4, 3.0)) ] for i in threads: i.start() for i in threads: i.join()
這可行，在大約 12 秒內(nèi)完成，但使用具有前面提到的缺點的線程。讓我們使用生成器構(gòu)建相同的東西。
在演示生成器的示例中，我們返回了整數(shù)。為了獲得類似異步的行為，而不是返回任意值，我們希望返回一些描述要等待的IO的對象。在我們的例子中，我們的“IO”只是一個計時器，它將等待一段時間。因此，讓我們創(chuàng)建一個計時器對象，用于此目的：
class AsyncTimer: def __init__(self, duration: float): self.done_time = time.time() + duration
現(xiàn)在，讓我們從我們的函數(shù)中產(chǎn)生這個而不是調(diào)用time.sleep：
def send_updates(count: int, interval_seconds: float):
for i in range(1, count + 1):
yield AsyncTimer(interval_seconds)
print('[{}] Sending update {}/{}.'.format(interval_seconds, i, count))現(xiàn)在，每次我們調(diào)用send_updates(...)時調(diào)用next(...)，我們都會得到一個AsyncTimer對象，告訴我們直到我們應(yīng)該等待什么時候：
generator = send_updates(3, 1.5) timer = next(generator) # [1.5] Sending update 1/3. print(timer.done_time - time.time()) # 1.498...
由于我們的代碼現(xiàn)在實際上并沒有調(diào)用time.sleep，我們現(xiàn)在可以同時執(zhí)行另一個send_updates調(diào)用。
所以，為了把這一切放在一起，我們需要退后一步，意識到一些事情：
生成器就像部分執(zhí)行的函數(shù)，等待一些 IO（計時器）。
每個部分執(zhí)行的函數(shù)都有一些 IO（計時器），它在繼續(xù)執(zhí)行之前等待。
因此，我們程序的當(dāng)前狀態(tài)是每個部分執(zhí)行的函數(shù)（生成器）和該函數(shù)正在等待的 IO（計時器）對的對列表
現(xiàn)在，要運行我們的程序，我們只需要等到某個 IO 準(zhǔn)備就緒（即我們的一個計時器已過期），然后再向前一步執(zhí)行相應(yīng)的函數(shù)，得到一個阻塞該函數(shù)的新 IO。
實現(xiàn)此邏輯為我們提供了以下信息：
# Initialize each generator with a timer of 0 so it immediately executes generator_timer_pairs = [ (send_updates(10, 1.0), AsyncTimer(0)), (send_updates(5, 2.0), AsyncTimer(0)), (send_updates(4, 3.0), AsyncTimer(0)) ] while generator_timer_pairs: pair = min(generator_timer_pairs, key=lambda x: x[1].done_time) generator, min_timer = pair # Wait until this timer is ready time.sleep(max(0, min_timer.done_time - time.time())) del generator_timer_pairs[generator_timer_pairs.index(pair)] try: # Execute one more step of this function new_timer = next(generator) generator_timer_pairs.append((generator, new_timer)) except StopIteration: # When the function is complete pass
有了這個，我們有了一個使用生成器的類似異步函數(shù)的工作示例。請注意，當(dāng)生成器完成時，它會引發(fā)StopIteration，并且當(dāng)我們不再有部分執(zhí)行的函數(shù)（生成器）時，我們的函數(shù)就完成了
現(xiàn)在，我們把它包裝在一個函數(shù)中，我們得到了類似于asyncio.run的東西。結(jié)合asyncio.gather運行：
def async_run_all(*generators): generator_timer_pairs = [ (generator, AsyncTimer(0)) for generator in generators ] while generator_timer_pairs: pair = min(generator_timer_pairs, key=lambda x: x[1].done_time) generator, min_timer = pair time.sleep(max(0, min_timer.done_time - time.time())) del generator_timer_pairs[generator_timer_pairs.index(pair)] try: new_timer = next(generator) generator_timer_pairs.append((generator, new_timer)) except StopIteration: pass async_run_all( send_updates(10, 1.0), send_updates(5, 2.0), send_updates(4, 3.0) )
實現(xiàn)我們的caveman版本的asyncio的最后一步是支持Python 3.5中引入的async/await語法。await的行為類似于yield，只是它不是直接返回提供的值，而是返回next((...).__await__())。async函數(shù)返回“協(xié)程”，其行為類似于生成器，但需要使用.send(None)而不是next()（請注意，正如生成器在最初調(diào)用時不返回任何內(nèi)容一樣，異步函數(shù)在逐步執(zhí)行之前不會執(zhí)行任何操作，這解釋了我們前面提到的）。
因此，鑒于這些信息，我們只需進(jìn)行一些調(diào)整即可將我們的示例轉(zhuǎn)換為async/await。以下是最終結(jié)果：
class AsyncTimer:
def __init__(self, duration: float):
self.done_time = time.time() + duration
def __await__(self):
yield self
async def send_updates(count: int, interval_seconds: float):
for i in range(1, count + 1):
await AsyncTimer(interval_seconds)
print('[{}] Sending update {}/{}.'.format(interval_seconds, i, count))
def _wait_until_io_ready(ios):
min_timer = min(ios, key=lambda x: x.done_time)
time.sleep(max(0, min_timer.done_time - time.time()))
return ios.index(min_timer)
def async_run_all(*coroutines):
coroutine_io_pairs = [
(coroutine, AsyncTimer(0))
for coroutine in coroutines
]
while coroutine_io_pairs:
ios = [io for cor, io in coroutine_io_pairs]
ready_index = _wait_until_io_ready(ios)
coroutine, _ = coroutine_io_pairs.pop(ready_index)
try:
new_io = coroutine.send(None)
coroutine_io_pairs.append((coroutine, new_io))
except StopIteration:
pass
async_run_all(
send_updates(10, 1.0),
send_updates(5, 2.0),
send_updates(4, 3.0)
)我們有了它，我們的迷你異步示例完成了，使用async/await. 現(xiàn)在，您可能已經(jīng)注意到我將 timer 重命名為 io 并將查找最小計時器的邏輯提取到一個名為_wait_until_io_ready. 這是有意將這個示例與最后一個主題聯(lián)系起來：真實 IO。
在這里，我們完成了我們的小型異步示例，使用了async/await。現(xiàn)在，你可能已經(jīng)注意到我將timer重命名為io，并將用于查找最小計時器的邏輯提取到一個名為_wait_until_io_ready的函數(shù)中。這是為了將本示例與最后一個主題：真正的IO，連接起來。
所以，所有這些例子都很棒，但是它們與真正的 asyncio 有什么關(guān)系，我們希望在真正 IO 上等待 TCP 套接字和文件讀/寫？嗯，美麗就在那個_wait_until_io_ready功能中。為了讓真正的 IO 正常工作，我們所要做的就是創(chuàng)建一些AsyncReadFile類似于AsyncTimer包含文件描述符的新對象。然后，AsyncReadFile我們正在等待的對象集對應(yīng)于一組文件描述符。最后，我們可以使用函數(shù) (syscall) select()等待這些文件描述符之一準(zhǔn)備好。由于 TCP/UDP 套接字是使用文件描述符實現(xiàn)的，因此這也涵蓋了網(wǎng)絡(luò)請求。
所以，所有這些例子都很好，但它們與真正的異步IO有什么關(guān)系呢？我們希望等待實際的IO，比如TCP套接字和文件讀/寫？好吧，其優(yōu)點在于_wait_until_io_ready函數(shù)。要使真正的IO工作，我們需要做的就是創(chuàng)建一些新的AsyncReadFile，類似于AsyncTimer，它包含一個文件描述符。然后，我們正在等待的一組AsyncReadFile對象對應(yīng)于一組文件描述符。最后，我們可以使用函數(shù)（syscall）select()等待這些文件描述符之一準(zhǔn)備好。由于TCP/UDP套接字是使用文件描述符實現(xiàn)的，因此這也涵蓋了網(wǎng)絡(luò)請求。
“Python異步方法如何使用”的內(nèi)容就介紹到這里了，感謝大家的閱讀。如果想了解更多行業(yè)相關(guān)的知識可以關(guān)注創(chuàng)新互聯(lián)網(wǎng)站，小編將為大家輸出更多高質(zhì)量的實用文章！
