asyncio并发编程

时间 2019-11-19

标签 asyncio 并发编程繁體版

原文原文链接

一. 事件循环

　　　1.注：

　　　　　　实现搭配：事件循环+回调（驱动生成器【协程】）+epoll（IO多路复用），asyncio是Python用于解决异步编程的一整套解决方案；html

　　　    基于asynico：tornado，gevent，twisted（Scrapy，django channels），tornado（实现了web服务器，能够直接部署，真正部署仍是要加nginx），django，flask（uwsgi，gunicorn+nginx部署）

 1 import asyncio
 2 import time
 3 async def get_html(url):
 4     print('start get url')
 5     #不能直接使用time.sleep,这是阻塞的函数，若是使用time在并发的状况有多少个就有多少个2秒
 6     await asyncio.sleep(2)
 7     print('end get url')
 8 if __name__=='__main__':
 9     start_time=time.time()
10     loop=asyncio.get_event_loop()
11     task=[get_html('www.baidu.com') for i in range(10)]
12     loop.run_until_complete(asyncio.wait(task))
13     print(time.time()-start_time)

View Code

　　2.如何获取协程的返回值（和线程池相似）:

 1 import asyncio
 2 import time
 3 from functools import partial
 4 async def get_html(url):
 5     print('start get url')
 6     await asyncio.sleep(2)
 7     print('end get url')
 8     return "HAHA"
 9 #须要接收task，若是要接收其余的参数就须要用到partial(偏函数),参数须要放到前面
10 def callback(url,future):
11     print(url+' success')
12     print('send email')
13 if __name__=='__main__':
14     loop=asyncio.get_event_loop()
15     task=loop.create_task(get_html('www.baidu.com'))
16     #原理仍是获取event_loop，而后调用create_task方法，一个线程只有一个loop
17     # get_future=asyncio.ensure_future(get_html('www.baidu.com'))也能够
18     #loop.run_until_complete(get_future)
19     #run_until_complete能够接收future类型，task类型（是future类型的一个子类），也能够接收可迭代类型
20     task.add_done_callback(partial(callback,'www.baidu.com'))
21     loop.run_until_complete(task)
22     print(task.result())

View Code

　　3.wait和gather的区别:

　　　　3.1wait简单使用：

 1 import asyncio
 2 import time
 3 from functools import partial
 4 async def get_html(url):
 5     print('start get url')
 6     await asyncio.sleep(2)
 7     print('end get url')
 8 
 9 if __name__=='__main__':
10     loop=asyncio.get_event_loop()
11     tasks=[get_html('www.baidu.com') for i in range(10)]
12     #wait和线程的wait类似
13     loop.run_until_complete(asyncio.wait(tasks))

View Code

协程的wait和线程的wait类似，也有timeout，return_when（何时返回）等参数mysql

　　 3.2gather简单使用：

 1 import asyncio
 2 import time
 3 from functools import partial
 4 async def get_html(url):
 5     print('start get url')
 6     await asyncio.sleep(2)
 7     print('end get url')
 8 
 9 if __name__=='__main__':
10     loop=asyncio.get_event_loop()
11     tasks=[get_html('www.baidu.com') for i in range(10)]
12     #gather注意加*，这样就会变成参数
13     loop.run_until_complete(asyncio.gather(*tasks))

View Code

　　3.3gather和wait的区别：（定制性不强时能够优先考虑gather）

　　　　gather更加高层，能够将tasks分组；还能够成批的取消任务nginx

 1 import asyncio
 2 import time
 3 from functools import partial
 4 async def get_html(url):
 5     print('start get url')
 6     await asyncio.sleep(2)
 7     print('end get url')
 8 
 9 if __name__=='__main__':
10     loop=asyncio.get_event_loop()
11     groups1=[get_html('www.baidu.com') for i in range(10)]
12     groups2=[get_html('www.baidu.com') for i in range(10)]
13     #gather注意加*，这样就会变成参数
14     loop.run_until_complete(asyncio.gather(*groups1,*groups2))
15     #这种方式也能够
16     # groups1 = [get_html('www.baidu.com') for i in range(10)]
17     # groups2 = [get_html('www.baidu.com') for i in range(10)]
18     # groups1=asyncio.gather(*groups1)
19     # groups2=asyncio.gather(*groups2)
20     #取消任务
21     # groups2.cancel()
22     # loop.run_until_complete(asyncio.gather(groups1,groups2))

View Code

二. 协程嵌套

　　1.run_util_complete()源码：和run_forever()区别并不大，只是能够在运行完指定的协程后能够把loop中止掉，而run_forever()不会中止

　　2.loop会被放在future里面，future又会放在loop中

　　3.取消future(task)：

　　　　3.1子协程调用原理：

　　　　　　官网例子：web

　　　　　　解释： await至关于yield from，loop运行协程print_sum(),print_sum又会去调用另外一个协程compute，run_util_complete会把协程print_sum注册到loop中。sql

　　　　　　1.event_loop会为print_sum建立一个task，经过驱动task执行print_sum（task首先会进入pending【等待】的状态）；django

　　　　　　2.print_sum直接进入字协程的调度，这个时候转向执行另外一个协程（compute，因此print_sum变为suspended【暂停】状态）；编程

　　　　　　3.compute这个协程首先打印，而后去调用asyncio的sleep（此时compute进入suspende的状态【暂停】），直接把返回值返回给Task（没有通过print_sum，至关于yield from，直接在调用方和子生成器通讯，是由委托方print_sum创建的通道）；flask

　　　　　　4.Task会告诉Event_loop暂停，Event_loop等待一秒后，经过Task唤醒（越过print_sum和compute创建一个通道）；安全

　　　　　　5.compute继续执行，变为状态done【执行完成】，而后抛一个StopIteration的异常，会被await语句捕捉到，而后提取出1+2=3的值，进入print_sum,print_sum也被激活（由于抛出了StopIteration的异常被print_sum捕捉），print_sum执行完也会被标记为done的状态，同时抛出StopIteration会被Task接收服务器

三. call_soon、call_later、call_at、call_soon_threadsafe

　　1.call_soon:能够直接接收函数，而不用协程

 1 import asyncio
 2 #函数
 3 def callback(sleep_time):
 4     print('sleep {} success'.format(sleep_time))
 5 #经过该函数暂停
 6 def stoploop(loop):
 7     loop.stop()
 8 if __name__=='__main__':
 9     loop=asyncio.get_event_loop()
10     #能够直接传递函数，而不用协程,call_soon其实就是调用的call_later，时间为0秒
11     loop.call_soon(callback,2)
12     loop.call_soon(stoploop,loop)
13     #不能用run_util_complete（由于不是协程），run_forever找到call_soon一直运行
14     loop.run_forever()

View Code

　　2.call_later:能够指定多长时间后启动(实际调用call_at,时间不是传统的时间，而是loop内部的时间)

 1 import asyncio
 2 #函数
 3 def callback(sleep_time):
 4     print('sleep {} success'.format(sleep_time))
 5 #经过该函数暂停
 6 def stoploop(loop):
 7     loop.stop()
 8 if __name__=='__main__':
 9     loop=asyncio.get_event_loop()
10     loop.call_later(3,callback,1)
11     loop.call_later(1, callback, 2)
12     loop.call_later(1, callback, 2)
13     loop.call_later(1, callback, 2)
14     loop.call_soon(callback,4)
15     # loop.call_soon(stoploop,loop)
16     #不能用run_util_complete（由于不是协程），run_forever找到call_soon一直运行
17     loop.run_forever()

View Code

　　3.call_at:指定某个时间执行

 1 import asyncio
 2 #函数
 3 def callback(sleep_time):
 4     print('sleep {} success'.format(sleep_time))
 5 #经过该函数暂停
 6 def stoploop(loop):
 7     loop.stop()
 8 if __name__=='__main__':
 9     loop=asyncio.get_event_loop()
10     now=loop.time()
11     print(now)
12     loop.call_at(now+3,callback,1)
13     loop.call_at(now+1, callback, 0.5)
14     loop.call_at(now+1, callback, 2)
15     loop.call_at(now+1, callback, 2)
16     # loop.call_soon(stoploop,loop)
17     #不能用run_util_complete（由于不是协程），run_forever找到call_soon一直运行
18     loop.run_forever()

View Code

　　4.call_soon_threadsafe:

　　　　线程安全的方法，不只能解决协程，也能解决线程，进程，和call_soon几乎一致，多了self._write_to_self()，和call_soon用法一致

四. ThreadPoolExecutor+asyncio（线程池和协程结合）

　　1.使用run_in_executor：就是把阻塞的代码放进线程池运行，性能并非特别高，和多线程差很少

 1 #使用多线程，在协程中集成阻塞io
 2 import asyncio
 3 import socket
 4 from urllib.parse import urlparse
 5 from concurrent.futures import ThreadPoolExecutor
 6 import time
 7 def get_url(url):
 8     #经过socket请求html
 9     url=urlparse(url)
10     host=url.netloc
11     path=url.path
12     if path=="":
13         path="/"
14     #创建socket链接
15     client=socket.socket(socket.AF_INET,socket.SOCK_STREAM)
16     client.connect((host,80))
17     #向服务器发送数据
18     client.send("GET {} HTTP/1.1\r\nHost:{}\r\nConnection:close\r\n\r\n".format(path, host).encode("utf8"))
19     #将数据读取完
20     data=b""
21     while True:
22         d=client.recv(1024)
23         if d:
24             data+=d
25         else:
26             break
27     #会将header信息做为返回字符串
28     data=data.decode('utf8')
29     print(data.split('\r\n\r\n')[1])
30     client.close()
31 
32 if __name__=='__main__':
33     start_time=time.time()
34     loop=asyncio.get_event_loop()
35     excutor=ThreadPoolExecutor()
36     tasks=[]
37     for i in range(20):
38         task=loop.run_in_executor(excutor,get_url,'http://www.baidu.com')
39         tasks.append(task)
40     loop.run_until_complete(asyncio.wait(tasks))
41     print(time.time()-start_time)

View Code

五. asyncio模拟http请求

　　注：asyncio目前没有提供http协议的接口

 1 # asyncio目前没有提供http协议的接口
 2 import asyncio
 3 from urllib.parse import urlparse
 4 import time
 5 
 6 
 7 async def get_url(url):
 8     # 经过socket请求html
 9     url = urlparse(url)
10     host = url.netloc
11     path = url.path
12     if path == "":
13         path = "/"
14     # 创建socket链接(比较耗时)，非阻塞须要注册，都在open_connection中实现了
15     reader, writer = await asyncio.open_connection(host, 80)
16     # 向服务器发送数据,unregister和register都实现了
17     writer.write("GET {} HTTP/1.1\r\nHost:{}\r\nConnection:close\r\n\r\n".format(path, host).encode("utf8"))
18     # 读取数据
19     all_lines = []
20     # 源码实现较复杂，有__anext__的魔法函数（协程）
21     async for line in reader:
22         data = line.decode('utf8')
23         all_lines.append(data)
24     html = '\n'.join(all_lines)
25     return html
26 
27 
28 async def main():
29     tasks = []
30     for i in range(20):
31         url = "http://www.baidu.com/"
32         tasks.append(asyncio.ensure_future(get_url(url)))
33     for task in asyncio.as_completed(tasks):
34         result = await task
35         print(result)
36 
37 
38 if __name__ == '__main__':
39     start_time = time.time()
40     loop = asyncio.get_event_loop()
41     # tasks=[get_url('http://www.baidu.com') for i in range(10)]
42     # 在外部获取结果,保存为future对象
43     # tasks = [asyncio.ensure_future(get_url('http://www.baidu.com')) for i in range(10)]
44     # loop.run_until_complete(asyncio.wait(tasks))
45     # for task in tasks:
46     #     print(task.result())
47     # 执行完一个打印一个
48     loop.run_until_complete(main())
49     print(time.time() - start_time)

View Code

六. future和task

　　1.future：协程中的future和线程池中的future类似

future中的方法，都和线程池中的类似

set_result方法

不像线程池中运行完直接运行代码（这是单线程的，会调用call_soon方法）

　　2.task：是future的子类，是future和协程之间的桥梁

会首先启动_step方法

该方法会首先启动协程，把返回值（StopIteration的值）作处理，用于解决协程和线程不一致的地方

七. asyncio同步和通讯

　　1.单线程协程不须要锁：

 1 import asyncio
 2 total=0
 3 async def add():
 4     global total
 5     for i in range(1000000):
 6         total+=1
 7 
 8 
 9 async def decs():
10     global total
11     for i in range(1000000):
12         total-=1
13 if __name__=='__main__':
14     loop=asyncio.get_event_loop()
15     tasks=[add(),decs()]
16     loop.run_until_complete(asyncio.wait(tasks))
17     print(total)

View Code

　　2.某种状况须要锁：

asyncio中的锁（同步机制）

 1 import asyncio,aiohttp
 2 #这是并无调用系统的锁，只是简单的本身实现（注意是非阻塞的）,Queue也是非阻塞的,都用了yield from，不用用到condition【单线程】】
 3 #Queue还能够限流，若是只须要通讯还能够直接使用全局变量不然能够
 4 from asyncio import Lock,Queue
 5 catche={}
 6 lock=Lock()
 7 async def get_stuff():
 8     #实现了__enter__和__exit__两个魔法函数，能够用with
 9     # with await lock:
10     #更明确的语法__aenter__和__await__
11     async with lock:
12         #注意加await,是一个协程
13         #await lock.acquire()
14         for url in catche:
15             return catche[url]
16         #异步的接收
17         stauff=aiohttp.request('Get',url)
18         catche[url]=stauff
19         return stauff
20         #release是一个简单的函数
21         #lock.release()
22 
23 async def parse_stuff():
24     stuff=await get_stuff()
25 
26 async def use_stuff():
27     stuff=await get_stuff()
28 #若是没有同步机制，就会发起两次请求（这里就能够加一个同步机制）
29 tasks=[parse_stuff(),use_stuff()]
30 loop=asyncio.get_event_loop()
31 loop.run_until_complete(asyncio.wait(tasks))

View Code

八. aiohttp实现高并发爬虫

 1 # asyncio去重url，入库（异步的驱动aiomysql）
 2 import aiohttp
 3 import asyncio
 4 import re
 5 import aiomysql
 6 from pyquery import pyquery
 7 
 8 start_url = 'http://www.jobbole.com/'
 9 waiting_urls = []
10 seen_urls = []
11 stopping = False
12 #限制并发数
13 sem=asyncio.Semaphore(3)
14 
15 
16 async def fetch(url, session):
17     async with sem:
18         await asyncio.sleep(1)
19         try:
20             async with session.get(url) as resp:
21                 print('url_status:{}'.format(resp.status))
22                 if resp.status in [200, 201]:
23                     data = await resp.text()
24                     return data
25         except Exception as e:
26             print(e)
27 
28 
29 def extract_urls(html):
30     '''
31     解析无io操做
32     '''
33     urls = []
34     pq = pyquery(html)
35     for link in pq.items('a'):
36         url = link.attr('href')
37         if url and url.startwith('http') and url not in urls:
38             urls.append(url)
39             waiting_urls.append(url)
40     return urls
41 
42 
43 async def init_urls(url, session):
44     html = await fetch(url, session)
45     seen_urls.add(url)
46     extract_urls(html)
47 
48 
49 async def handle_article(url, session, pool):
50     '''
51     处理文章
52     '''
53     html = await fetch(url, session)
54     seen_urls.append(url)
55     extract_urls(html)
56     pq = pyquery(html)
57     title = pq('title').text()
58     async with pool.acquire() as conn:
59         async with conn.cursor() as cur:
60             insert_sql = "insert into Test(title) values('{}')".format(title)
61             await cur.execute(insert_sql)
62 
63 
64 async def consumer(pool):
65     with aiohttp.CLientSession() as session:
66         while not stopping:
67             if len(waiting_urls) == 0:
68                 await asyncio.sleep(0.5)
69                 continue
70             url = waiting_urls.pop()
71             print('start url:' + 'url')
72             if re.match('http://.*?jobble.com/\d+/', url):
73                 if url not in seen_urls:
74                     asyncio.ensure_future(handle_article(url, session, pool))
75                     await asyncio.sleep(30)
76             else:
77                 if url not in seen_urls:
78                     asyncio.ensure_future(init_urls(url, session))
79 
80 
81 async def main():
82     # 等待mysql链接好
83     pool = aiomysql.connect(host='localhost', port=3306, user='root',
84                             password='112358', db='my_aio', loop=loop, charset='utf8', autocommit=True)
85     async with aiohttp.CLientSession() as session:
86         html = await fetch(start_url, session)
87         seen_urls.add(start_url)
88         extract_urls(html)
89     asyncio.ensure_future(consumer(pool))
90 
91 if __name__ == '__main__':
92     loop = asyncio.get_event_loop()
93     asyncio.ensure_future(loop)
94     loop.run_forever(main(loop))

View Code