python async（python编程）

python async（python编程）

理解 python 的 async:

1. 协程后面的技术也是 IO 多路复用, Nginx 和 nodejs 都充分利用了这种机制.

2. Flask 线程中为什么不能直接使用标准库 asyncio 来支持异步?

asyncio 一定要有应该eventloop, 而这个 eventloop 必须运行在主线程, 不能运行在子线程中, 所以在Flask 线程中不能直接使用标准库 asyncio.

3. 如果在单并发的情况下, web响应很慢. 改成 async模式, 并不会改善"单次"请求响应速度.  当然改成 async 通常来讲还是有意义的, 因为小并发时候响应很差, 当并发量稍微增加时, 在同步模式下, 响应就会急剧变差, 甚至无法响应.  async 模式下, 从小并发到大并发, 响应速度下降非常缓慢.

如何将Python的同步方法改写异步? Python的异步方法大概可分三类:

1. 专门的基于 asyncio 优化的单线程异步方法

优点: 这类方法使用简单, 就像同步方法调用一样, 并发性能很高, 即使是在大并发下, latency也不会变差.

缺点: 基于 asyncio 的类库比较少, 最有名的是 aio库, 还有一些.

实现一个这样的方法, 有些难度, 可以参考 aio-libs 下的一些类库.

2. 基于多线程(多进程)的 awaitable 方法

优点: 这类方法使用简单, 就像同步方法调用一样. 另外, 编写这类方法也非常简单, 先先一个同步方法, 然后利用一个 wrapper 就能转成异步方法.

缺点: 性能较差, 主要是因为没有做过细节优化, 只有方法整体运行完毕后, 才会将控制权交出, 管控粒度太粗, 通过多线程来支持并发.

3. 传统的多线程(多进程)的后台任务

优点: 如果不需要加上回调功能, 使用这种方法非常简单, 代码也容易维护, 并发性能也很好.

缺点: 要及时获取这种后台任务的结果, 只能使用回调函数, 代码就变得难以维护.

说明:多线程(多进程)推荐使用 cocurrent.futures.ThreadPoolExecutor 和 cocurrent.futures.ProcessPoolExecutor 两个池.

理解Python Async

asyncio 的 Aioweb 框架, 比如适合作 restful api 服务

AioFlask 的对比

awaitable 的 Task 增加回调:

task.add_done_callback(got_result) # task完成的时候通知我们

Django 社区推动的 ASGI 规范和实现

ASGI 服务器和框架

-类 flask 的异步web framework

Python黑魔法 --- 异步IO（ asyncio） 协程

中的 future 其实和 cocurrent.futures 中的future 不是一回事,

https://stackoverflow.com/questions/49350346/how-to-wrap-custom-future-to-use-with-asyncio-in-python

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。