Python 中的異步編程：Asyncio
異步是怎么一回事?
在傳統的順序編程中， 所有發送給解釋器的指令會一條條被執行。此類代碼的輸出容易顯現和預測。 但是…
譬如說你有一個腳本向3個不同服務器請求數據。 有時，誰知什么原因，發送給其中一個服務器的請求可能意外地執行了很長時間。想象一下從第二個服務器獲取數據用了10秒鐘。在你等待的時候，整個腳本實際上什么也沒干。如果你可以寫一個腳本可以不去等待第二個請求而是僅僅跳過它，然后開始執行第三個請求，然后回到第二個請求，執行之前離開的位置會怎么樣呢。就是這樣。你通過切換任務最小化了空轉時間。盡管如此，當你需要一個幾乎沒有I/O的簡單腳本時，你不想用異步代碼。
還有一件重要的事情要提，所有代碼在一個線程中運行。所以如果你想讓程序的一部分在后臺執行同時干一些其他事情，那是不可能的。
準備開始
這是 asyncio 主概念最基本的定義:
- 協程— 消費數據的生成器，但是不生成數據。Python 2.5 介紹了一種新的語法讓發送數據到生成器成為可能。我推薦查閱David Beazley “A Curious Course on Coroutines and Concurrency” 關于協程的詳細介紹。
- 任務— 協程調度器。如果你觀察下面的代碼，你會發現它只是讓 event_loop 盡快調用它的_step ，同時 _step 只是調用協程的下一步。
- class Task(futures.Future):
- def __init__(self, coro, loop=None):
- super().__init__(loop=loop)
- ...
- self._loop.call_soon(self._step)
- def _step(self):
- ...
- try:
- ...
- result = next(self._coro)
- except StopIteration as exc:
- self.set_result(exc.value)
- except BaseException as exc:
- self.set_exception(exc)
- raise
- else:
- ...
- self._loop.call_soon(self._step)
- 事件循環— 把它想成 asyncio 的中心執行器。
現在我們看一下所有這些如何融為一體。正如我之前提到的，異步代碼在一個線程中運行。
從上圖可知：
1.消息循環是在線程中執行
2.從隊列中取得任務
3.每個任務在協程中執行下一步動作
4.如果在一個協程中調用另一個協程(await <coroutine_name>)，會觸發上下文切換，掛起當前協程，并保存現場環境(變量，狀態)，然后載入被調用協程
5.如果協程的執行到阻塞部分(阻塞I/O，Sleep)，當前協程會掛起，并將控制權返回到線程的消息循環中，然后消息循環繼續從隊列中執行下一個任務...以此類推
6.隊列中的所有任務執行完畢后，消息循環返回***個任務
異步和同步的代碼對比
現在我們實際驗證異步模式的切實有效，我會比較兩段 python 腳本，這兩個腳本除了 sleep 方法外，其余部分完全相同。在***個腳本里，我會用標準的 time.sleep 方法，在第二個腳本里使用 asyncio.sleep 的異步方法。
這里使用 Sleep 是因為它是一個用來展示異步方法如何操作 I/O 的最簡單辦法。
使用同步 sleep 方法的代碼：
- import asyncio
- import time
- from datetime import datetime
- async def custom_sleep():
- print('SLEEP', datetime.now())
- time.sleep(1)
- async def factorial(name, number):
- f = 1
- for i in range(2, number+1):
- print('Task {}: Compute factorial({})'.format(name, i))
- await custom_sleep()
- f *= i
- print('Task {}: factorial({}) is {}\n'.format(name, number, f))
- start = time.time()
- loop = asyncio.get_event_loop()
- tasks = [
- asyncio.ensure_future(factorial("A", 3)),
- asyncio.ensure_future(factorial("B", 4)),
- ]
- loop.run_until_complete(asyncio.wait(tasks))
- loop.close()
- end = time.time()
- print("Total time: {}".format(end - start))
腳本輸出：
- Task A: Compute factorial(2)
- SLEEP 2017-04-06 13:39:56.207479
- Task A: Compute factorial(3)
- SLEEP 2017-04-06 13:39:57.210128
- Task A: factorial(3) is 6
- Task B: Compute factorial(2)
- SLEEP 2017-04-06 13:39:58.210778
- Task B: Compute factorial(3)
- SLEEP 2017-04-06 13:39:59.212510
- Task B: Compute factorial(4)
- SLEEP 2017-04-06 13:40:00.217308
- Task B: factorial(4) is 24
- Total time: 5.016386032104492
使用異步 Sleep 的代碼：
- import asyncio
- import time
- from datetime import datetime
- async def custom_sleep():
- print('SLEEP {}\n'.format(datetime.now()))
- await asyncio.sleep(1)
- async def factorial(name, number):
- f = 1
- for i in range(2, number+1):
- print('Task {}: Compute factorial({})'.format(name, i))
- await custom_sleep()
- f *= i
- print('Task {}: factorial({}) is {}\n'.format(name, number, f))
- start = time.time()
- loop = asyncio.get_event_loop()
- tasks = [
- asyncio.ensure_future(factorial("A", 3)),
- asyncio.ensure_future(factorial("B", 4)),
- ]
- loop.run_until_complete(asyncio.wait(tasks))
- loop.close()
- end = time.time()
- print("Total time: {}".format(end - start))
腳本輸出：
- Task A: Compute factorial(2)
- SLEEP 2017-04-06 13:44:40.648665
- Task B: Compute factorial(2)
- SLEEP 2017-04-06 13:44:40.648859
- Task A: Compute factorial(3)
- SLEEP 2017-04-06 13:44:41.649564
- Task B: Compute factorial(3)
- SLEEP 2017-04-06 13:44:41.649943
- Task A: factorial(3) is 6
- Task B: Compute factorial(4)
- SLEEP 2017-04-06 13:44:42.651755
- Task B: factorial(4) is 24
- Total time: 3.008226156234741
從輸出可以看到，異步模式的代碼執行速度快了大概兩秒。當使用異步模式的時候(每次調用 await asyncio.sleep(1) )，進程控制權會返回到主程序的消息循環里，并開始運行隊列的其他任務(任務A或者任務B)。
當使用標準的 sleep方法時，當前線程會掛起等待。什么也不會做。實際上，標準的 sleep 過程中，當前線程也會返回一個 python 的解釋器，可以操作現有的其他線程，但這是另一個話題了。
推薦使用異步模式編程的幾個理由
很多公司的產品都廣泛的使用了異步模式，如 Facebook 旗下著名的 React Native 和 RocksDB 。像 Twitter 每天可以承載 50 億的用戶訪問，靠的也是異步模式編程。所以說,通過代碼重構，或者改變模式方法，就能讓系統工作的更快，為什么不去試一下呢?
