Python说文解字_Python之多任务

问：在Py3.5之前yield表现非常好，在Py3.5之后为了将予以变得更加明确，就引入了async和await关键词用于定义原生的协议。

答：async和await原生协程：

async def downloader(url):

    return "bobby"

async def downloader_url(url):

    # do something

    html = await downloader(url)

    return html

if __name__ == '__main__':

    coro = downloader_url("http://www.baidu.com")

    next(None)

    # coro.send(None)

# .如果调用send正常

# StopIteration: bobby

# .如果调用next草异常，因此原生协程只能用send

# TypeError: 'NoneType' object is not an iterator

# sys:: RuntimeWarning: coroutine 'downloader_url' was never awaited

　　我们发现：原生协程只能用send不能用next。而且发现原生协程和yield协程差不多，前面加上了async语法，await类似于yield from。Python引入了async和await原生协程是为了我们的语义更加的清晰。如果我们用生成器写出的协程的话，代码非常的凌乱的。因为它又能当生成器又能当协程，显得比较凌乱，将这两种区分开来。因此async里面是不能定义yield的。因此Python加强了我们的区别。因此这两个是一对的。这样我们的协程区分开来。前面说了那么多生成器就是为了加强协程的理解。这样我们在协程里面就用这两个。因此在Python内部依然沿用了生成器的原理，来实现了我们的协程。

　　await后跟随的Awaitbale对象。我们可以通过from collections import Awaitalbe模块。

　　其实这个是实现了魔法拿书中的__await__的方法，因此我们还可以使用装饰器的方法来操作，省去asyn，而变换成我们熟悉的生成器的样子。代码如下：

import types

@types.coroutine

def downloader(url):

    yield "bobby"

async def downloader_url(url):

    # do something

    html = await downloader(url)

    return html

if __name__ == '__main__':

    coro = downloader_url("http://www.baidu.com")

    # next(None)

    coro.send(None)

问：生成器是如何变成我们协程的？

答：在开始我么引入过协程的需求，我们的协程是通过单线程调度，协程是我们函数级别的是由我们程序员自己来决定调用的，我们可以写同步代码一样写异步代码。我们的生成器就可以完成我们的协程的这么一个功能。我们现在就可以用协程来模拟我们的需求。

　　生成器是可以暂停的函数，实际上生成器是可以有状态的！

　　我们看这段代码

import inspect

def gen_func():

    yield

    return "bobby"

if __name__ == '__main__':

    gen = gen_func()

    print(inspect.getgeneratorstate(gen)) # GEN_CREATED

    next(gen)

    print(inspect.getgeneratorstate(gen)) # GEN_SUSPENDED

    try:

        next(gen)

    except StopIteration:

        pass

    print(inspect.getgeneratorstate(gen)) # GEN_CLOSED

　　通过inspect中的getgeneratorstate我们来观察生成器的状态，实际上我们在定义我们的生成器的时候，生成器可以接收我们的值。这句话有两个意思：第一是返回值给调用方，第二调用方通过send方式返回值跟gen。现在我们生成器由“生产者”变为“消费者”。

　　1.我们用同步的方式编写异步的代码。

　　2.在适当的时候暂停函数，并在适当的时候启动函数。

　　现在我们模式：事件循环+协程模式。

　　我们在函数当中的子函数，如果出现异常，会抛给这个函数的主函数，是“向上抛”的过程。这个就很好。协程是一个单线程模式。

问：异步IO和IO复用，也就是同步IO和异步IO。

答：我们对前面的东西略微做一个小结：

　　异步IO和协程：现在我们还没有把协程来用到我们的编码当中，协程是需要事件循环来实现的。单独使用的话作用不是很明显。

　　在最开始的时候我么说到了并发、并行、异步、同步、阻塞、非阻塞。

　　在IO多路复用（同步IO）当中的select poll epoll，使我们使用的最多的技术。回调+事件循环的方式。这种编程模式和同步IO的编程模式差别很大。

　　因此这两种模式：回调+事件循环（IO多路复用）、协程+事件循环（异步IO）

　　上面的编码是非常痛苦的：回调之痛。

　　我们引入了生成器和协程，协程并不会别上面的方式高，协程主要解决的问题是回调之痛的问题和编码习惯的问题。

　　我们可以将生成器编程我们的协程了。

　　最后引入了async和await来区别生成器和协程，不容易混乱，进行区分。我们可以用Cororoutine装饰器的方式，就不要用了。

　　所以建议使用async和await的方式。

问：async IO并发编程：

答：该模块是在Python3.4后引入的模块，这是Python编程中最难的部分。该模块也是Python最具野心的模块。分几个部分开始讲解：

　　1. 事件循环：

　　我们可以把async IO看做一个模块也可看做一个框架，它完成了整套异步编程中最核心的内容。它包含各种特定系统实现的模块化事件循环，传输和协议抽象；对TCP,UDP,SSL，子进程，延时调用以及其他的具体支持；模仿futures模块但适用于事件循环使用Future类；基于yield from的协议和任务，可以让你用顺序的方式编写并发代码；必须使用一个将产生阻塞IO的调用时，有接口可以把这个事件转移到线程池。可以将多进程和多线程协调进来。

　　协程编码模式都逃离不掉三个要素：事件循环+调用（驱动生成器）+epoll（IO多路复用）

　　asyncio 是Python用于解决异步IO编程的一整套解决方案。

　　tornado、gevent、twisted（scrapy，django channels）

　　tornado：实现了web服务器，djago+flask是Python最传统要搭配（uwsgi，gunicorn+nginx），tornado可以直接部署，nginx+tornado

　　使用asyncio

import asyncio # 可以当做协程池来理解比较容易

import time

async def get_html(url):

    print("start get url")

    # time.sleep() # 阻塞式的IO不能写在里面

    await asyncio.sleep() # 不能使用import time,必须要加await

    print("end get url")

if __name__ == '__main__':

    start_time = time.time()

    loop = asyncio.get_event_loop()

    loop.run_until_complete(get_html("htttp://www.baidu.com"))

    print(time.time() - start_time)

# start get url

# end get url

# 2.0150375366210938

　　get_event_loop市价循环

　　run_until_complete去执行

　　这里不能用time.sleep这是阻塞式的方法。因此会单独的一个一个执行非常慢，所以要使用asynic中的sleep

import asyncio # 可以当做协程池来理解比较容易

import time

async def get_html(url):

    print("start get url")

    # time.sleep() # 阻塞式的IO不能写在里面

    await asyncio.sleep() # 不能使用import time,必须要加await

    print("end get url")

if __name__ == '__main__':

    start_time = time.time()

    loop = asyncio.get_event_loop()

    tasks = [get_html("htttp://www.baidu.com") for i in range()]

    loop.run_until_complete(asyncio.wait(tasks))

    print(time.time() - start_time)

# start get url

# end get url

# 2.0150375366210938

# time编程顺序执行。asyncio.sleep()可以立即执行。只要一个地方阻塞了其他方面都实现不了。

　　我们发现更改后就会阻塞。

import asyncio # 可以当做协程池来理解比较容易

import time

async def get_html(url):

    print("start get url")

    # time.sleep() # 阻塞式的IO不能写在里面

    await asyncio.sleep() # 不能使用import time,必须要加await

    return "bobby"

if __name__ == '__main__':

    start_time = time.time()

    loop = asyncio.get_event_loop()

    # get_future = asyncio.ensure_future(get_html("htttp://www.baidu.com"))

    # loop.create_task()

    # tasks = [get_html("htttp://www.baidu.com") for i in range()]

    task = loop.create_task(get_html("htttp://www.baidu.com"))

    loop.run_until_complete(task)

    print(time.time() - start_time)

    print(task.result())

# 获取协程的返回值

　　我们用协程调用线程池：ensure_funture

　　使用方法还有create_task这两种都是比较好理解的。

import asyncio # 可以当做协程池来理解比较容易

import time

from functools import partial

async def get_html(url):

    print("start get url")

    # time.sleep() # 阻塞式的IO不能写在里面

    await asyncio.sleep() # 不能使用import time,必须要加await

    return "bobby"

def callback(url,future):

    print("send email to bobby")

if __name__ == '__main__':

    start_time = time.time()

    loop = asyncio.get_event_loop()

    # get_future = asyncio.ensure_future(get_html("htttp://www.baidu.com"))

    # loop.create_task()

    # tasks = [get_html("htttp://www.baidu.com") for i in range()]

    task = loop.create_task(get_html("htttp://www.baidu.com"))

    # task.add_done_callback(callback)

    task.add_done_callback(partial(callback,"htttp://www.baidu.com"))

    loop.run_until_complete(task)

    print(time.time() - start_time)

    print(task.result())

# 获取协程的返回值

　　我们也可以使用回调，在task中的重写add_done_callback方法。

import asyncio # 可以当做协程池来理解比较容易

import time

async def get_html(url):

    print("start get url")

    # time.sleep() # 阻塞式的IO不能写在里面

    await asyncio.sleep() # 不能使用import time,必须要加await

    print("end get url")

if __name__ == '__main__':

    start_time = time.time()

    loop = asyncio.get_event_loop()

    tasks = [get_html("htttp://www.baidu.com") for i in range()]

    # loop.run_until_complete(asyncio.wait(tasks))

    loop.run_until_complete(asyncio.gather(*tasks))

    print(time.time() - start_time)

# wait 和 gather 的区别

# gather更加高层，可以将我们task分组

    group1 = [get_html("htttp://www.baidu1.com") for i in range()]

    group2 = [get_html("htttp://www.baidu2.com") for i in range()]

    loop.run_until_complete(asyncio.gather(*group1,*group2))

    group1 = asyncio.gather(*group1)

    group2 = asyncio.gather(*group2)

    group2.cancel()

　　我们尽量使用gather方法，注意他是可以将我们task进行分组，后面要加上*参数的形式。

　　2. task取消、嵌套、字写成调用原理

# import asyncio

#

# loop = asyncio.get_event_loop()

# loop.run_forever()

# loop.run_until_complete()

# .loop会被放到future中。

# .取消future(task)

import asyncio

import time

async def get_html(sleep_times):

    print("waiting")

    await asyncio.sleep(sleep_times)

    print("done after {}s".format(sleep_times))

if __name__ == '__main__':

    task1 = get_html()

    task2 = get_html()

    task3 = get_html()

    tasks = [task1,task2,task3]

    loop = asyncio.get_event_loop()

    try:

        loop.run_until_complete(asyncio.wait(tasks))

    except KeyboardInterrupt as e:

        all_task = asyncio.Task.all_tasks()

        for task in all_task:

            print("cancel task")

            task.cancel()

        loop.stop()

        loop.run_forever()

    finally:

        loop.close()

　　3. call_soon() 即刻执行，call_later()，call_at（）

　　4.ThreadPoolExector + asyncio

　　使用多线程：在协程中继承阻塞io

　　生成器 = ThreadPoolExecutor

　　run_in+executor(生成器，函数，参数)

11111

巴特西

Python说文解字_Python之多任务_05

最新文章

热门文章