python协程
2021-02-02 22:36
1246 查看
python协程
协程本质上就是一个线程,不过它是协作式的非抢占式的程序,面向的是IO操作。python有GIL的限制,不能充分利用多线程的实现高并发。进程和线程都是通过cpu的调度实现不同任务的有序执行,协程则要在写代码的时候确定执行顺序。由于协程在一个线程中,所以协程不能阻塞。
优缺点:
- 无需线程上下文切换的开销
- 在一个线程中,不需要加锁
- 无法利用多核资源:协程的本质是单线程,需要和进程配合才能运行在多CPU上
- 进行阻塞(Blocking)操作(如IO时)会阻塞掉整个程序
python协程的发展时间较长:
- python2.5 为生成器引用.send()、.throw()、.close()方法
- python3.3 为引入yield from,可以接收返回值,可以使用yield from定义协程
- Python3.4 加入了asyncio模块
- Python3.5 增加async、await关键字,在语法层面的提供支持
- python3.7 使用async def + await的方式定义协程
- 此后asyncio模块更加完善和稳定,对底层的API进行的封装和扩展
- python将于 3.10版本中移除 以yield from的方式定义协程 (目前版本是3.9.1)
由于asyncio每个版本都会新增功能,对一些旧的底层的API进行封装,极大地方便的使用者,但正因为此,网上有很多教程使用的接口官方已经不建议直接使用,应该改而使用更加高级的API,所以在这里记录一下如何使用这些API。
简单例子
要点:
- 使用
async def
的形式定义 - 在协程中可以使用
await
关键字,注意其后跟的是"可等待对象"(协程, 任务 和 Future) - 协程不能直接执行,需要在
asyncio.run()
中执行,也可以跟在await
后面 async
和await
这两个关键字只能在协程中使用import asyncio async def foo(name): await asyncio.sleep(1) # 这是一个不会阻塞的sleep,是一个协程 print(f"name = {name}") async def main(): # 协程本身就是一个可等待对象 await foo("lczmx") # 执行协程 print("done") if __name__ == '__main__': # 使用asyncio.run运行 asyncio.run(main())
asyncio.run(main, *, debug=False)方法就是对run_until_complete进行了封装:
loop = events.new_event_loop()
return loop.run_until_complete(main)
关于可等待对象
可等待对象(awaitable)是能在 await 表达式中使用的对象。可以是 协程 或是具有
__await__()方法的对象。
那么协程是如何成为可等待对象的呢?
collections.abc.Awaitable
类,这是为可等待对象提供的类,可被用于 await 表达式中class Awaitable(metaclass=ABCMeta): __slots__ = () @abstractmethod def __await__(self): # __await__方法必须返回一个 iterator yield @classmethod def __subclasshook__(cls, C): if cls is Awaitable: return _check_methods(C, "__await__") return NotImplemented
- 用
async def
复合语句创建的函数,它返回的是一个Coroutine对象
,而Coroutine
继承Awaitable
。
并发
使用协程进行并发操作
方法一
使用
asyncio.create_task(coro)方法,返回一个Task对象,Task类继承Future,在python3.7以下版本中使用
asyncio.ensure_future(coro_or_future)。
import asyncio async def foo(char:str, count: int): for i in range(count): print(f"{char}-{i}") await asyncio.sleep(.5) async def main(): task1 = asyncio.create_task(foo("A", 2)) task2 = asyncio.create_task(foo("B", 3)) task3 = asyncio.create_task(foo("C", 2)) await task1 await task2 await task3 if __name__ == '__main__': asyncio.run(main())
执行结果
A-0 B-0 C-0 A-1 B-1 C-1 B-2
方法二
使用
asyncio.gather()方法,其内部调用的是
asyncio.ensure_future()方法
import asyncio async def foo(char:str, count: int): for i in range(count): print(f"{char}-{i}") await asyncio.sleep(.5) async def main(): await asyncio.gather(foo("A", 2), foo("B", 3), foo("C", 2)) if __name__ == '__main__': asyncio.run(main())
回调、返回值等操作
要完成这些功能需要Task对象,即
asyncio.create_task()的返回值。由于Task继承Future,实现了除
Future.set_result()和
Future.set_exception()外的全部API,而asyncio.Future模仿的是
concurrent.futures.Future类,所以Task很多方法和 在使用线/进程池时用到的方法类似(有细微差别)。
Task的方法,见官方文档
使用回调函数和取得返回值的例子:
import asyncio def callback(future): # 唯一参数是一个Task对象 # print(type(future)) # <class '_asyncio.Task'> print(future) # <Task finished name='Task-2' coro=<foo() done, defined at E: ... xxx.py:11> result=123> print(future.result()) # 123 # 接收返回值 print(future.get_name()) # foo async def foo(): print("running") return 123 async def main(): task = asyncio.create_task(foo(), name="foo") # name形参3.8及以上版本可用 task.add_done_callback(callback) # 添加回调函数 await task if __name__ == '__main__': asyncio.run(main())
与线程结合
我们知道,协程本身就只有一个线程,假如这协程阻塞了,那么整个程序也就阻塞了。为此我们在执行一些必然会产生阻塞的代码时,可以把代码放入到其它线程/进程中,这样可以继续执行协程的其它代码了。
方法一
coroutine asyncio.to_thread(func, /, *args, **kwargs)
这是python3.9的新方法,3.9以下版本看方法二
在不同的线程中异步地运行函数 func。向此函数提供的任何
*args和
**kwargs会被直接传给 func。其返回值是一个协程,所以假如有回调等操作,使用
asyncio.create_task(coro)方法,再调用
Task对象的方法。
import asyncio import time def block_func(name: str): time.sleep(2) # 模拟阻塞时间 print(f"name = {name}") async def foo(): # 一个协程 print("async foo") await asyncio.sleep(1) async def main(): await asyncio.gather( asyncio.to_thread(block_func, name="lczmx"), foo() ) if __name__ == '__main__': asyncio.run(main())
方法二
awaitable loop.run_in_executor(executor, func, *args)
安排在指定的执行器(线/进程池)中调用 func。该方法的返回值awaitable对象,其实就是一个
asyncio.Future对象。这个方法使用起来也比较简单,不过要注意传参方式:位置参数可以直接传入,而关键字参数需要使用
functools.partial()。
from concurrent.futures import ThreadPoolExecutor from functools import partial import asyncio import time def block_func(name: str, age: int): time.sleep(2) # 模拟阻塞时间 print(f"name = {name}, age = {age}") async def foo(): # 一个协程 print("async foo") await asyncio.sleep(1) async def main(): loop = asyncio.get_running_loop() with ThreadPoolExecutor(5) as pool: task = loop.run_in_executor(pool, partial(block_func, "lczmx", age=18)) # task可以添加回调等操作 await asyncio.gather(foo(), task) if __name__ == '__main__': asyncio.run(main())
这个两个方法的关系
asyncio.to_thread( ad8 )方法实质上就是对
loop.run_in_executor()方法进行了封装:
async def to_thread(func, /, *args, **kwargs): loop = events.get_running_loop() ctx = contextvars.copy_context() func_call = functools.partial(ctx.run, func, *args, **kwargs) return await loop.run_in_executor(None, func_call)
假如B线程想要把协程c放入到A线程的事件循环中执行,使用
syncio.run_coroutine_threadsafe(coro_func(), loop)方法,具体怎么使用见范例
异步上下文管理器
异步上下文管理器使用的是
async with语法, 是 上下文管理器 的一种,它能够在其
__aenter__和
__aexit__方法中暂停执行。使用异步上下文管理器之前,可以先看一看一般的上下文管理器,类比过来。
__aenter__(self)
在语义上类似于__enter__()
,仅有的区别是它必须返回一个 可等待对象。__aexit__(self, exc_type, exc_value, traceback)
在语义上类似于__exit__()
,仅有的区别是它必须返回一个 可等待对象。
一个简单的例子:
import asyncio class AContext: def __init__(self): print("init running") async def __aenter__(self): print("aenter running") async def __aexit__(self, exc_type, exc_val, exc_tb): print("aexit running") async def main(): async with AContext() as ac: print("AContext", ac) # AContext None # __aenter__ 没有return东西 if __name__ == '__main__': print("start") asyncio.run(main())
使用标准库
除了上述方法可以实现异步上下文管理器外,还可以使用
contextlib.asynccontextmanager装饰器+
yield实现,
yield前面的代码对应
__aenter__,其后的代码对应
__aexit__。
import contextlib import asyncio # 加上装饰器 @contextlib.asynccontextmanager async def foo(): try: # 进行初始化 yield "返回你要操作的对象" finally: # 处理释放资源等操作 pass async def main(): async with foo() as f: print(f) if __name__ == "__main__": asyncio.run(main())
异步迭代器
异步迭代器使用的时
async for语法,和常规的
for表达式一样,
async for也有一个可选的
else分句。异步迭代器有以下几个要求:
- 必须实现
__aiter__
方法,该方法返回一个异步迭代器对象。 - 异步迭代器对象必须实现
__anext__
方法,该方法返回一个awaitable
类型的值。 - 为了停止迭代,
__anext__
必须抛出一个StopAsyncIteration
异常。
跟迭代器协议非常类似。
例子:
class AsyncIteratorWrapper: def __init__(self, obj): self._it = iter(obj) def __aiter__(self): return self async def __anext__(self): try: value = next(self._it) except StopIteration: raise StopAsyncIteration return value async for letter in AsyncIteratorWrapper("abc"): print(letter)
综合例子
非阻塞爬虫
from contextlib import asynccontextmanager from concurrent.futures import ThreadPoolExecutor from functools import partial import requests import asyncio import time class ASyncRequests: """非阻塞的requests""" def __init__(self, count): """ :param count: 线程池大小 """ assert isinstance(count, int) self.pool = ThreadPoolExecutor(count) # 创建线程池 self.loop = asyncio.get_running_loop() # 获得事件循环 if not self.loop: raise RuntimeError("event loop为None") # self.all_future 用于装run_in_executor返回的future对象 # python3.9版本用to_thread self.all_future = [] def get(self, url, callback, **kwargs): self.requests(url, "get", callback, **kwargs) def post(self, url, callback, **kwargs): self.requests(url, "post", callback, **kwargs) def requests(self, url, method, callback, **kwargs): """ 写了两种方法,第一种适合版本python,另一种适合最新版的python """ # python3.5及以上版本可用 # run_in_executor: # 把阻塞的函数放入线程池中执行 # 返回一个asyncio.Future对象 # 传值时,利用 偏函数 传关键字参数 result = self.loop.run_in_executor(self.pool, partial(requests.request, url=url, method=method, **kwargs)) result.add_done_callback(callback) # 回调 self.all_future.append(result) # python3.9及以上版本可用 # to_thread: # 使用其它的线程,执行阻塞函数 # 返回一个协程 # 除第一个参数外的所有参数都会给func # coro = asyncio.to_thread(requests.request, url=url, method=method, **kwargs) # task = asyncio.create_task(coro) # task.add_done_callback(callback) # 回调 # self.all_future.append(task) def process_get(future): """回调函数,处理返回值""" print(type(future)) # <class '_asyncio.Future'> # future.result()的返回值就是Response对象 print(future.result().status_code) # 200 @asynccontextmanager async def request_session(count=5): try: async_req = ASyncRequests(count) y e08 ield async_req finally: await asyncio.gather(*async_req.all_future) async def main(): async with request_session(10) as session: session.get("https://www.baidu.com/", callback=process_get) session.get("https://www.sogo.com/", callback=process_get) session.get("https://cn.bing.com/", callback=process_get) session.get("https://www.cnblogs.com/lczmx", callback=process_get) def block_req(): requests.get("https://www.baidu.com/") requests.get("https://www.sogo.com/") requests.get("https://cn.bing.com/") requests.get("https://www.cnblogs.com/lczmx") if __name__ == '__main__': start = time.time() asyncio.run(main()) end = time.time() print("使用协程加线程:总用时: %f sec" % (end - start)) block_req() print("直接访问:总用时: %f sec" % (time.time() - end)) # 访问数越 1ca2 多,协程的优势就越大 # 访问同一个网站过多可能会报错 Connection aborted.', ConnectionResetError(10054, '远程主机强迫关闭了一个现有的连接。
推荐阅读:
Python黑魔法 --- 异步IO( asyncio) 协程
asyncio之异步上下文管理器
Python Async/Await入门指南
协程与任务
事件循环
相关文章推荐
- Python使用monkey.patch_all()解决协程阻塞问题
- 11.python之线程,协程,进程,
- 菜鸟初学python入门进阶第十一节:面向对象,协程和异步io
- Python 线程和进程和协程总结
- Python并发编程之常用概念剖析:并行 串行 并发 同步 异步 阻塞 非阻塞 进程 线程 协程
- python由生成器构成的协程语法
- Python多任务,进程、线程、协程
- python学习——协程
- python——进程线程、与协程基础概述
- python——asyncio模块实现协程、异步编程(一)
- python成长之路 :线程、进程和协程
- python基于协程的网络库gevent、eventlet
- python之路 线程、进程、协程、队列、python-memcache、python-redis
- Python中协程的理解
- python里并发执行协程时部分阻塞超时怎么办
- python 协程 理解
- 实例讲解python中的协程
- python的协程和并发-使用yield实现并有使用详解
- Python 协程的基本概念
- Python学习之路--进程,线程,协程