Python中的asyncio代码详解
作者:且听风吟 时间:2022-03-14 00:01:33
asyncio介绍
熟悉c#的同学可能知道,在c#中可以很方便的使用 async 和 await 来实现异步编程,那么在python中应该怎么做呢,其实python也支持异步编程,一般使用 asyncio 这个库,下面介绍下什么是 asyncio :
asyncio 是用来编写 并发 代码的库,使用 async/await 语法。 asyncio 被用作多个提供高性能 Python 异步框架的基础,包括网络和网站服务,数据库连接库,分布式任务队列等等。 asyncio 往往是构建 IO 密集型和高层级 结构化 网络代码的最佳选择。
asyncio中的基本概念
可以看见,使用asyncio库我们也可以在python代码中使用 async 和 await 。在 asyncio 中,有四个基本概念,分别是:
Eventloop
Eventloop 可以说是 asyncio 应用的核心,中央总控, Eventloop 实例提供了注册、取消、执行任务和回调 的方法。 简单来说,就是我们可以把一些异步函数注册到这个事件循环上,事件循环回循环执行这些函数(每次只能执行一个),如果当前正在执行的函数在等待I/O返回,那么事件循环就会暂停它的执行去执行其他函数。当某个函数完成I/O后会恢复,等到下次循环到它的时候就会继续执行。
Coroutine
协程本质就是一个函数,
import asyncio
import time
async def a():
print('Suspending a')
await asyncio.sleep(3)
print('Resuming a')
async def b():
print('Suspending b')
await asyncio.sleep(1)
print('Resuming b')
async def main():
start = time.perf_counter()
await asyncio.gather(a(), b())
print(f'{main.__name__} Cost: {time.perf_counter() - start}')
if __name__ == '__main__':
asyncio.run(main())
执行上述代码,可以看到类似这样的输出:
Suspending a
Suspending b
Resuming b
Resuming a
main Cost: 3.0023356619999997
关于协程的具体介绍,可以参考我以前的文章python中的协程 不过以前的那种写法,需要使用装饰器,已经过时了。
Future
Future 是表示一个“未来”对象,类似于 javascript 中的 promise ,当异步操作结束后会把最终结果设置到这个 Future 对象上, Future 是对协程的封装。
>>> import asyncio
>>> def fun():
... print("inner fun")
... return 111
...
>>> loop = asyncio.get_event_loop()
>>> future = loop.run_in_executor(None, fun) #这里没有使用await
inner fun
>>> future #可以看到,fun方法状态是pending
<Future pending cb=[_chain_future.<locals>._call_check_cancel() at /usr/local/Cellar/python/3.7.3/Frameworks/Python.framework/Versions/3.7/lib/python3.7/asyncio/futures.py:348]>
>>> future.done() # 还没有完成
False
>>> [m for m in dir(future) if not m.startswith('_')]
['add_done_callback', 'cancel', 'cancelled', 'done', 'exception', 'get_loop', 'remove_done_callback', 'result', 'set_exception', 'set_result']
>>> future.result() #这个时候如果直接调用result()方法会报错
Traceback (most recent call last):
File "<input>", line 1, in <module>
asyncio.base_futures.InvalidStateError: Result is not set.
>>> async def runfun():
... result=await future
... print(result)
...
>>>loop.run_until_complete(runfun()) #也可以通过 loop.run_until_complete(future) 来执行,这里只是为了演示await
111
>>> future
<Future finished result=111>
>>> future.done()
True
>>> future.result()
111
Task
Eventloop 除了支持协程,还支持注册 Future 和 Task 2种类型的对象,而 Future 是协程的封装, Future 对象提供了很多任务方法(如完成后的回调,取消,设置任务结果等等),但是一般情况下开发者不需要操作 Future 这种底层对象,而是直接用 Future 的子类 Task 协同的调度协程来实现并发。那么什么是 Task 呢?下面介绍下:
一个与 Future 类似的对象,可运行 Python 协程。非线程安全。 Task 对象被用来在事件循环中运行协程。如果一个协程在等待一个 Future 对象, Task 对象会挂起该协程的执行并等待该 Future 对象完成。当该 Future 对象完成被打包的协程将恢复执行。 事件循环使用协同日程调度: 一个事件循环每次运行一个 Task 对象。而一个 Task 对象会等待一个 Future 对象完成,该事件循环会运行其他 Task 、回调或执行IO操作。
下面看看用法:
>>> async def a():
... print('Suspending a')
... await asyncio.sleep(3)
... print('Resuming a')
...
>>> task = asyncio.ensure_future(a())
>>> loop.run_until_complete(task)
Suspending a
Resuming a
asyncio中一些常见用法的区别
Asyncio.gather和asyncio.wait
我们在上面的代码中用到过 asyncio.gather ,其实还有另外一种用法是 asyncio.wait ,他们都可以让多个协程并发执行,那么他们有什么区别呢?下面介绍下。
>>> import asyncio
>>> async def a():
... print('Suspending a')
... await asyncio.sleep(3)
... print('Resuming a')
... return 'A'
...
...
... async def b():
... print('Suspending b')
... await asyncio.sleep(1)
... print('Resuming b')
... return 'B'
...
>>> async def fun1():
... return_value_a, return_value_b = await asyncio.gather(a(), b())
... print(return_value_a,return_value_b)
...
>>> asyncio.run(fun1())
Suspending a
Suspending b
Resuming b
Resuming a
A B
>>> async def fun2():
... done,pending=await asyncio.wait([a(),b()])
... print(done)
... print(pending)
... task=list(done)[0]
... print(task)
... print(task.result())
...
>>> asyncio.run(fun2())
Suspending b
Suspending a
Resuming b
Resuming a
{<Task finished coro=<a() done, defined at <input>:1> result='A'>, <Task finished coro=<b() done, defined at <input>:8> result='B'>}
set()
<Task finished coro=<a() done, defined at <input>:1> result='A'>
A
根据上述代码,我们可以看出两者的区别:
asyncio.gather 能收集协程的结果,而且会按照输入协程的顺序保存对应协程的执行结果,而 asyncio.wait 的返回值有两项,第一项是完成的任务列表,第二项表示等待完成的任务列表。
asyncio.wait 支持接受一个参数 return_when ,在默认情况下, asyncio.wait 会等待全部任务完成 (return_when='ALL_COMPLETED') ,它还支持 FIRST_COMPLETED (第一个协程完成就返回)和 FIRST_EXCEPTION (出现第一个异常就返回):
>>> async def fun2():
... done,pending=await asyncio.wait([a(),b()],return_when=asyncio.tasks.FIRST_COMPLETED)
... print(done)
... print(pending)
... task=list(done)[0]
... print(task)
... print(task.result())
...
>>> asyncio.run(fun2())
Suspending a
Suspending b
Resuming b
{<Task finished coro=<b() done, defined at <input>:8> result='B'>}
{<Task pending coro=<a() running at <input>:3> wait_for=<Future pending cb=[<TaskWakeupMethWrapper object at 0x10757bf18>()]>>}
<Task finished coro=<b() done, defined at <input>:8> result='B'>
B
一般情况下,用 asyncio.gather 就足够了。
asyncio.create_task和loop.create_task以及asyncio.ensure_future
这三种方法都可以创建 Task ,从Python3.7开始可以统一的使用更高阶的 asyncio.create_task .其实 asyncio.create_task 就是用的 loop.create_task . loop.create_task 接受的参数需要是一个协程,但是 asyncio.ensure_future 除了接受协程,还可以是 Future 对象或者 awaitable 对象:
如果参数是协程,其底层使用 loop.create_task ,返回 Task 对象
如果是 Future 对象会直接返回
如果是一个 awaitable 对象,会 await 这个对象的 __await__ 方法,再执行一次 ensure_future ,最后返回 Task 或者 Future 。
所以 ensure_future 方法主要就是确保这是一个 Future 对象,一般情况下直接用 asyncio.create_task 就可以了。
注册回调和执行同步代码
可以使用 add_done_callback 来添加成功回调:
def callback(future):
print(f'Result: {future.result()}')
def callback2(future, n):
print(f'Result: {future.result()}, N: {n}')
async def funa():
await asyncio.sleep(1)
return "funa"
async def main():
task = asyncio.create_task(funa())
task.add_done_callback(callback)
await task
#这样可以为callback传递参数
task = asyncio.create_task(funa())
task.add_done_callback(functools.partial(callback2, n=1))
await task
if __name__ == '__main__':
asyncio.run(main())
执行同步代码
如果有同步逻辑,想要用 asyncio 来实现并发,那么需要怎么做呢?下面看看:
def a1():
time.sleep(1)
return "A"
async def b1():
await asyncio.sleep(1)
return "B"
async def main():
loop = asyncio.get_running_loop()
await asyncio.gather(loop.run_in_executor(None, a1), b1())
if __name__ == '__main__':
start = time.perf_counter()
asyncio.run(main())
print(f'main method Cost: {time.perf_counter() - start}')
# 输出: main method Cost: 1.0050589740000002
可以使用 run_into_executor
来将同步函数逻辑转化成一个协程,第一个参数是要传递 concurrent.futures.Executor 实例的,传递 None 会选择默认的 executor 。
总结
以上所述是小编给大家介绍的Python中的asyncio代码详解,网站的支持!
如果你觉得本文对你有帮助,欢迎转载,烦请注明出处,谢谢!
来源:https://www.lylinux.net/article/2019/6/9/57.html