Python中的异步编程：Asyncio

如果你已经决定要理解 Python 的异步部分，欢迎来到我们的“Asyncio How-to ”。哪怕连异动范式的存在都不知道的情况下，你也可以成功地使用 Python。但是，如果你对底层运行模式感兴趣的话，asyncio 绝对值得查看。

如果你已经决定要理解 Python 的异步部分，欢迎来到我们的“Asyncio How-to ”。

注：哪怕连异动范式的存在都不知道的情况下，你也可以成功地使用 Python。但是，如果你对底层运行模式感兴趣的话，asyncio 绝对值得查看。

异步是怎么一回事?

在传统的顺序编程中， 所有发送给解释器的指令会一条条被执行。此类代码的输出容易显现和预测。 但是…

譬如说你有一个脚本向3个不同服务器请求数据。 有时，谁知什么原因，发送给其中一个服务器的请求可能意外地执行了很长时间。想象一下从第二个服务器获取数据用了10秒钟。在你等待的时候，整个脚本实际上什么也没干。如果你可以写一个脚本可以不去等待第二个请求而是仅仅跳过它，然后开始执行第三个请求，然后回到第二个请求，执行之前离开的位置会怎么样呢。就是这样。你通过切换任务最小化了空转时间。尽管如此，当你需要一个几乎没有I/O的简单脚本时，你不想用异步代码。

还有一件重要的事情要提，所有代码在一个线程中运行。所以如果你想让程序的一部分在后台执行同时干一些其他事情，那是不可能的。

准备开始

这是 asyncio 主概念最基本的定义:

• 协程 — 消费数据的生成器，但是不生成数据。Python 2.5 介绍了一种新的语法让发送数据到生成器成为可能。我推荐查阅David Beazley “A Curious Course on Coroutines and Concurrency” 关于协程的详细介绍。
• 任务 — 协程调度器。如果你观察下面的代码，你会发现它只是让 event_loop 尽快调用它的_step ，同时 _step 只是调用协程的下一步。

classTask(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)
exceptStopIterationasexc:
self.set_result(exc.value)
exceptBaseExceptionasexc:
self.set_exception(exc)
raise
else:
...
self._loop.call_soon(self._step)

• 事件循环 — 把它想成 asyncio 的中心执行器。

现在我们看一下所有这些如何融为一体。正如我之前提到的，异步代码在一个线程中运行。

从上图可知：

1.消息循环是在线程中执行

2.从队列中取得任务

3.每个任务在协程中执行下一步动作

4.如果在一个协程中调用另一个协程(await <coroutine_name>)，会触发上下文切换，挂起当前协程，并保存现场环境(变量，状态)，然后载入被调用协程

5.如果协程的执行到阻塞部分(阻塞I/O，Sleep)，当前协程会挂起，并将控制权返回到线程的消息循环中，然后消息循环继续从队列中执行下一个任务...以此类推

6.队列中的所有任务执行完毕后，消息循环返回***个任务

异步和同步的代码对比

现在我们实际验证异步模式的切实有效，我会比较两段 python 脚本，这两个脚本除了sleep 方法外，其余部分完全相同。在***个脚本里，我会用标准的 time.sleep 方法，在第二个脚本里使用 asyncio.sleep 的异步方法。

这里使用 Sleep 是因为它是一个用来展示异步方法如何操作 I/O 的最简单办法。

使用同步 sleep 方法的代码：

importasyncio
importtime
fromdatetimeimportdatetime
asyncdefcustom_sleep():
print('SLEEP',datetime.now())
time.sleep(1)
asyncdeffactorial(name,number):
f=1
foriinrange(2,number+1):
print('Task{}:Computefactorial({})'.format(name,i))
awaitcustom_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("Totaltime:{}".format(end-start))

脚本输出：

TaskA:Computefactorial(2)
SLEEP2017-04-0613:39:56.207479
TaskA:Computefactorial(3)
SLEEP2017-04-0613:39:57.210128
TaskA:factorial(3)is6
TaskB:Computefactorial(2)
SLEEP2017-04-0613:39:58.210778
TaskB:Computefactorial(3)
SLEEP2017-04-0613:39:59.212510
TaskB:Computefactorial(4)
SLEEP2017-04-0613:40:00.217308
TaskB:factorial(4)is24
Totaltime:5.016386032104492

使用异步 Sleep 的代码：

importasyncio
importtime
fromdatetimeimportdatetime
asyncdefcustom_sleep():
print('SLEEP{}\n'.format(datetime.now()))
awaitasyncio.sleep(1)
asyncdeffactorial(name,number):
f=1
foriinrange(2,number+1):
print('Task{}:Computefactorial({})'.format(name,i))
awaitcustom_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("Totaltime:{}".format(end-start))

脚本输出：

TaskA:Computefactorial(2)
SLEEP2017-04-0613:44:40.648665
TaskB:Computefactorial(2)
SLEEP2017-04-0613:44:40.648859
TaskA:Computefactorial(3)
SLEEP2017-04-0613:44:41.649564
TaskB:Computefactorial(3)
SLEEP2017-04-0613:44:41.649943
TaskA:factorial(3)is6
TaskB:Computefactorial(4)
SLEEP2017-04-0613:44:42.651755
TaskB:factorial(4)is24
Totaltime:3.008226156234741

从输出可以看到，异步模式的代码执行速度快了大概两秒。当使用异步模式的时候(每次调用 await asyncio.sleep(1) )，进程控制权会返回到主程序的消息循环里，并开始运行队列的其他任务(任务A或者任务B)。

当使用标准的 sleep方法时，当前线程会挂起等待。什么也不会做。实际上，标准的 sleep 过程中，当前线程也会返回一个 python 的解释器，可以操作现有的其他线程，但这是另一个话题了。

推荐使用异步模式编程的几个理由

很多公司的产品都广泛的使用了异步模式，如 Facebook 旗下著名的 React Native 和 RocksDB 。像 Twitter 每天可以承载 50 亿的用户访问，靠的也是异步模式编程。所以说,通过代码重构，或者改变模式方法，就能让系统工作的更快，为什么不去试一下呢?