異步

上篇

了解 異步編程及其緊密相關(guān)的概念，如阻塞/非阻塞、同步/異步、并發(fā)/并行等
理解 異步編程是什么，以及異步編程的困難之處
理解 為什么需要異步編程
熟悉 如何從同步阻塞發(fā)展到異步非阻塞的
掌握 epoll + Callback + Event loop是如何工作的
掌握 Python 是如何逐步從回調(diào)到生成器再到原生協(xié)程以支持異步編程的
掌握 asyncio 的工作原理

中篇

掌握 asyncio 標(biāo)準(zhǔn)庫基本使用
掌握 asyncio 的事件循環(huán)
掌握 協(xié)程與任務(wù)如何使用與管理（如調(diào)度與取消調(diào)度）
掌握 同步原語的使用(Lock、Event、Condition、Queue)
掌握 asyncio和多進(jìn)程、多線程結(jié)合使用

下篇

理解 GIL 對異步編程的影響
理解 asyncio 踩坑經(jīng)驗
理解 回調(diào)、協(xié)程、綠程(Green-Thread)、線程對比總結(jié)
掌握 多進(jìn)程、多線程、協(xié)程各自的適用場景
了解 Gevent/libev、uvloop/libuv 與asyncio的區(qū)別和聯(lián)系
掌握 Python 異步編程的一些指導(dǎo)細(xì)則

1 什么是異步編程

1.1 阻塞

  • 程序未得到所需計算資源時被掛起的狀態(tài)。
  • 程序在等待某個操作完成期間，自身無法繼續(xù)干別的事情，則稱該程序在該操作上是阻塞的。
  • 常見的阻塞形式有：網(wǎng)絡(luò)I/O阻塞、磁盤I/O阻塞、用戶輸入阻塞等。

阻塞是無處不在的，包括CPU切換上下文時，所有的進(jìn)程都無法真正干事情，它們也會被阻塞。（如果是多核CPU則正在執(zhí)行上下文切換操作的核不可被利用。）

1.2 非阻塞

  • 程序在等待某操作過程中，自身不被阻塞，可以繼續(xù)運行干別的事情，則稱該程序在該操作上是非阻塞的。
  • 非阻塞并不是在任何程序級別、任何情況下都可以存在的。
  • 僅當(dāng)程序封裝的級別可以囊括獨立的子程序單元時，它才可能存在非阻塞狀態(tài)。

非阻塞的存在是因為阻塞存在，正因為某個操作阻塞導(dǎo)致的耗時與效率低下，我們才要把它變成非阻塞的。

1.3 同步

  • 不同程序單元為了完成某個任務(wù)，在執(zhí)行過程中需靠某種通信方式以協(xié)調(diào)一致，稱這些程序單元是同步執(zhí)行的。
  • 例如購物系統(tǒng)中更新商品庫存，需要用“行鎖”作為通信信號，讓不同的更新請求強(qiáng)制排隊順序執(zhí)行，那更新庫存的操作是同步的。
  • 簡言之，同步意味著有序。

1.4 異步

  • 為完成某個任務(wù)，不同程序單元之間過程中無需通信協(xié)調(diào)，也能完成任務(wù)的方式。
  • 不相關(guān)的程序單元之間可以是異步的。
  • 例如，爬蟲下載網(wǎng)頁。調(diào)度程序調(diào)用下載程序后，即可調(diào)度其他任務(wù)，而無需與該下載任務(wù)保持通信以協(xié)調(diào)行為。不同網(wǎng)頁的下載、保存等操作都是無關(guān)的，也無需相互通知協(xié)調(diào)。這些異步操作的完成時刻并不確定。
  • 簡言之，異步意味著無序。

上文提到的“通信方式”通常是指異步和并發(fā)編程提供的同步原語，如信號量、鎖、同步隊列等等。我們需知道，雖然這些通信方式是為了讓多個程序在一定條件下同步執(zhí)行，但正因為是異步的存在，才需要這些通信方式。如果所有程序都是按序執(zhí)行，其本身就是同步的，又何需這些同步信號呢？

1.5 并發(fā)

  • 并發(fā)描述的是程序的組織結(jié)構(gòu)。指程序要被設(shè)計成多個可獨立執(zhí)行的子任務(wù)。
  • 以利用有限的計算機(jī)資源使多個任務(wù)可以被實時或近實時執(zhí)行為目的。

1.6 并行

  • 并行描述的是程序的執(zhí)行狀態(tài)。指多個任務(wù)同時被執(zhí)行。
  • 以利用富余計算資源（多核CPU）加速完成多個任務(wù)為目的。

并發(fā)提供了一種程序組織結(jié)構(gòu)方式，讓問題的解決方案可以并行執(zhí)行，但并行執(zhí)行不是必須的。

1.7 概念總結(jié)

  • 并行是為了利用多核加速多任務(wù)完成的進(jìn)度
  • 并發(fā)是為了讓獨立的子任務(wù)都有機(jī)會被盡快執(zhí)行，但不一定能加速整體進(jìn)度
  • 非阻塞是為了提高程序整體執(zhí)行效率
  • 異步是高效地組織非阻塞任務(wù)的方式

要支持并發(fā)，必須拆分為多任務(wù)，不同任務(wù)相對而言才有阻塞/非阻塞、同步/異步。所以，并發(fā)、異步、非阻塞三個詞總是如影隨形。

1.8 異步編程

  • 以進(jìn)程、線程、協(xié)程、函數(shù)/方法作為執(zhí)行任務(wù)程序的基本單位，結(jié)合回調(diào)、事件循環(huán)、信號量等機(jī)制，以提高程序整體執(zhí)行效率和并發(fā)能力的編程方式。
    如果在某程序的運行時，能根據(jù)已經(jīng)執(zhí)行的指令準(zhǔn)確判斷它接下來要進(jìn)行哪個具體操作，那它是同步程序，反之則為異步程序。（無序與有序的區(qū)別）

同步/異步、阻塞/非阻塞并非水火不容，要看討論的程序所處的封裝級別。例如購物程序在處理多個用戶的瀏覽請求可以是異步的，而更新庫存時必須是同步的。

1.9 異步之難(nán)

  • 控制不住“計幾”寫的程序，因為其執(zhí)行順序不可預(yù)料，當(dāng)下正要發(fā)生什么事件不可預(yù)料。在并行情況下更為復(fù)雜和艱難。

所以，幾乎所有的異步框架都將異步編程模型簡化：一次只允許處理一個事件。故而有關(guān)異步的討論幾乎都集中在了單線程內(nèi)。

  • 如果某事件處理程序需要長時間執(zhí)行，所有其他部分都會被阻塞。

所以，一旦采取異步編程，每個異步調(diào)用必須“足夠小”，不能耗時太久。如何拆分異步任務(wù)成了難題。

  • 程序下一步行為往往依賴上一步執(zhí)行結(jié)果，如何知曉上次異步調(diào)用已完成并獲取結(jié)果？
  • 回調(diào)（Callback）成了必然選擇。那又需要面臨“回調(diào)地獄”的折磨。
  • 同步代碼改為異步代碼，必然破壞代碼結(jié)構(gòu)。

解決問題的邏輯也要轉(zhuǎn)變，不再是一條路走到黑，需要精心安排異步任務(wù)。

2 苦心異步為哪般

Python 之父親自上陣打磨4年才使 asyncio 模塊在Python 3.6中“轉(zhuǎn)正”，如此苦心為什么？答案只有一個：它值得！

2.1 CPU的時間觀

我們將一個 2.6GHz 的 CPU 擬人化，假設(shè)它執(zhí)行一條命令的時間，他它感覺上過了一秒鐘。CPU是計算機(jī)的處理核心，也是最寶貴的資源，如果有浪費CPU的運行時間，導(dǎo)致其利用率不足，那程序效率必然低下（因為實際上有資源可以使效率更高）。

如上圖所示，在千兆網(wǎng)上傳輸2KB數(shù)據(jù)，CPU感覺過了14個小時，如果是在10M的公網(wǎng)上呢？那效率會低百倍！如果在這么長的一段時間內(nèi)，CPU只是傻等結(jié)果而不能去干其他事情，是不是在浪費CPU的青春？

2.2 面臨的問題

  • 成本問題

如果一個程序不能有效利用一臺計算機(jī)資源，那必然需要更多的計算機(jī)通過運行更多的程序?qū)嵗齺韽浹a需求缺口。

  • 效率問題

如果不在乎錢的消耗，那也會在意效率問題。當(dāng)服務(wù)器數(shù)量堆疊到一定規(guī)模后，如果不改進(jìn)軟件架構(gòu)和實現(xiàn)，加機(jī)器是徒勞，而且運維成本會驟然增加。比如別人家的電商平臺支持6000單/秒支付，而自家在下單量才支撐2000單/秒，在雙十一這種活動的時候，錢送上門也賺不到。

  • C10k/C10M挑戰(zhàn)

C10k（concurrently handling 10k connections）是一個在1999年被提出來的技術(shù)挑戰(zhàn)，如何在一顆1GHz CPU，2G內(nèi)存，1gbps網(wǎng)絡(luò)環(huán)境下，讓單臺服務(wù)器同時為1萬個客戶端提供FTP服務(wù)。而到了2010年后，隨著硬件技術(shù)的發(fā)展，這個問題被延伸為C10M，即如何利用8核心CPU，64G內(nèi)存，在10gbps的網(wǎng)絡(luò)上保持1000萬并發(fā)連接，或是每秒鐘處理100萬的連接。（兩種類型的計算機(jī)資源在各自的時代都約為1200美元）

成本和效率問題是從企業(yè)經(jīng)營角度講，C10k/C10M問題則是從技術(shù)角度出發(fā)挑戰(zhàn)軟硬件極限。C10k/C10M 問題得解，成本問題和效率問題迎刃而解。

2.3 解決方案

《約束理論與企業(yè)優(yōu)化》中指出：“除了瓶頸之外，任何改進(jìn)都是幻覺。”

CPU告訴我們，它自己很快，而上下文切換慢、內(nèi)存讀數(shù)據(jù)慢、磁盤尋址與取數(shù)據(jù)慢、網(wǎng)絡(luò)傳輸慢……總之，離開CPU 后的一切，除了一級高速緩存，都很慢。我們觀察計算機(jī)的組成可以知道，主要由運算器、控制器、存儲器、輸入設(shè)備、輸出設(shè)備五部分組成。運算器和控制器主要集成在CPU中，除此之外全是I/O，包括讀寫內(nèi)存、讀寫磁盤、讀寫網(wǎng)卡全都是I/O。I/O成了最大的瓶頸。

異步程序可以提高效率，而最大的瓶頸在I/O，業(yè)界誕生的解決方案沒出意料：異步I/O吧，異步I/O吧，異步I/O吧吧！

3 異步I/O進(jìn)化之路

從CPU的時間觀中可知，網(wǎng)絡(luò)I/O是最大的I/O瓶頸，除了宕機(jī)沒有比它更慢的。所以，諸多異步框架都對準(zhǔn)的是網(wǎng)絡(luò)I/O。

我們從一個爬蟲例子說起，從因特網(wǎng)上下載10篇網(wǎng)頁。

3.1 同步阻塞方式

最容易想到的解決方案就是依次下載，從建立socket連接到發(fā)送網(wǎng)絡(luò)請求再到讀取響應(yīng)數(shù)據(jù)，順序進(jìn)行。

注：總體耗時約為4.5秒。（因網(wǎng)絡(luò)波動每次測試結(jié)果有所變動，本文取多次平均值）

如上圖所示，blocking_way() 的作用是建立 socket 連接，發(fā)送HTTP請求，然后從 socket 讀取HTTP響應(yīng)并返回數(shù)據(jù)。示例中我們請求了 example.com 的首頁。在sync_way() 執(zhí)行了10次，即下載 example.com 首頁10次。

在示例代碼中有兩個關(guān)鍵點。一是第10行的** sock.connect((‘example.com’, 80))，該調(diào)用的作用是向example.com主機(jī)的80端口發(fā)起網(wǎng)絡(luò)連接請求。 二是第14行、第18行的sock.recv(4096)**，該調(diào)用的作用是從socket上讀取4K字節(jié)數(shù)據(jù)。

我們知道，創(chuàng)建網(wǎng)絡(luò)連接，多久能創(chuàng)建完成不是客戶端決定的，而是由網(wǎng)絡(luò)狀況和服務(wù)端處理能力共同決定。服務(wù)端什么時候返回了響應(yīng)數(shù)據(jù)并被客戶端接收到可供程序讀取，也是不可預(yù)測的。所以sock.connect()和sock.recv()這兩個調(diào)用在默認(rèn)情況下是阻塞的。

注：sock.send()函數(shù)并不會阻塞太久，它只負(fù)責(zé)將請求數(shù)據(jù)拷貝到TCP/IP協(xié)議棧的系統(tǒng)緩沖區(qū)中就返回，并不等待服務(wù)端返回的應(yīng)答確認(rèn)。

假設(shè)網(wǎng)絡(luò)環(huán)境很差，創(chuàng)建網(wǎng)絡(luò)連接需要1秒鐘，那么sock.connect()就得阻塞1秒鐘，等待網(wǎng)絡(luò)連接成功。這1秒鐘對一顆2.6GHz的CPU來講，仿佛過去了83年，然而它不能干任何事情。sock.recv()也是一樣的必須得等到服務(wù)端的響應(yīng)數(shù)據(jù)已經(jīng)被客戶端接收。我們下載10篇網(wǎng)頁，這個阻塞過程就得重復(fù)10次。如果一個爬蟲系統(tǒng)每天要下載1000萬篇網(wǎng)頁呢？！

上面說了很多，我們力圖說明一件事：同步阻塞的網(wǎng)絡(luò)交互方式，效率低十分低下。特別是在網(wǎng)絡(luò)交互頻繁的程序中。這種方式根本不可能挑戰(zhàn)C10K/C10M。

3.2 改進(jìn)方式：多進(jìn)程

在一個程序內(nèi)，依次執(zhí)行10次太耗時，那開10個一樣的程序同時執(zhí)行不就行了。于是我們想到了多進(jìn)程編程。為什么會先想到多進(jìn)程呢？發(fā)展脈絡(luò)如此。在更早的操作系統(tǒng)（Linux 2.4）及其以前，進(jìn)程是 OS 調(diào)度任務(wù)的實體，是面向進(jìn)程設(shè)計的OS。

注：總體耗時約為 0.6 秒。

改善效果立竿見影。但仍然有問題?？傮w耗時并沒有縮減到原來的十分之一，而是九分之一左右，還有一些時間耗到哪里去了？進(jìn)程切換開銷。

進(jìn)程切換開銷不止像“CPU的時間觀”所列的“上下文切換”那么低。CPU從一個進(jìn)程切換到另一個進(jìn)程，需要把舊進(jìn)程運行時的寄存器狀態(tài)、內(nèi)存狀態(tài)全部保存好，再將另一個進(jìn)程之前保存的數(shù)據(jù)恢復(fù)。對CPU來講，幾個小時就干等著。當(dāng)進(jìn)程數(shù)量大于CPU核心數(shù)量時，進(jìn)程切換是必然需要的。

除了切換開銷，多進(jìn)程還有另外的缺點。一般的服務(wù)器在能夠穩(wěn)定運行的前提下，可以同時處理的進(jìn)程數(shù)在數(shù)十個到數(shù)百個規(guī)模。如果進(jìn)程數(shù)量規(guī)模更大，系統(tǒng)運行將不穩(wěn)定，而且可用內(nèi)存資源往往也會不足。

多進(jìn)程解決方案在面臨每天需要成百上千萬次下載任務(wù)的爬蟲系統(tǒng)，或者需要同時搞定數(shù)萬并發(fā)的電商系統(tǒng)來說，并不適合。

除了切換開銷大，以及可支持的任務(wù)規(guī)模小之外，多進(jìn)程還有其他缺點，如狀態(tài)共享等問題，后文會有提及，此處不再細(xì)究。

3.3 繼續(xù)改進(jìn)：多線程

由于線程的數(shù)據(jù)結(jié)構(gòu)比進(jìn)程更輕量級，同一個進(jìn)程可以容納多個線程，從進(jìn)程到線程的優(yōu)化由此展開。后來的OS也把調(diào)度單位由進(jìn)程轉(zhuǎn)為線程，進(jìn)程只作為線程的容器，用于管理進(jìn)程所需的資源。而且OS級別的線程是可以被分配到不同的CPU核心同時運行的。

注：總體運行時間約0.43秒。

結(jié)果符合預(yù)期，比多進(jìn)程耗時要少些。從運行時間上看，多線程似乎已經(jīng)解決了切換開銷大的問題。而且可支持的任務(wù)數(shù)量規(guī)模，也變成了數(shù)百個到數(shù)千個。

但是，多線程仍有問題，特別是Python里的多線程。首先，Python中的多線程因為GIL的存在，它們并不能利用CPU多核優(yōu)勢，一個Python進(jìn)程中，只允許有一個線程處于運行狀態(tài)。那為什么結(jié)果還是如預(yù)期，耗時縮減到了十分之一？

因為在做阻塞的系統(tǒng)調(diào)用時，例如sock.connect(),sock.recv()時，當(dāng)前線程會釋放GIL，讓別的線程有執(zhí)行機(jī)會。但是單個線程內(nèi)，在阻塞調(diào)用上還是阻塞的。

小提示：Python中 time.sleep 是阻塞的，都知道使用它要謹(jǐn)慎，但在多線程編程中，time.sleep 并不會阻塞其他線程。

除了GIL之外，所有的多線程還有通病。它們是被OS調(diào)度，調(diào)度策略是搶占式的，以保證同等優(yōu)先級的線程都有均等的執(zhí)行機(jī)會，那帶來的問題是：并不知道下一時刻是哪個線程被運行，也不知道它正要執(zhí)行的代碼是什么。所以就可能存在競態(tài)條件。

例如爬蟲工作線程從任務(wù)隊列拿待抓取URL的時候，如果多個爬蟲線程同時來取，那這個任務(wù)到底該給誰？那就需要用到“鎖”或“同步隊列”來保證下載任務(wù)不會被重復(fù)執(zhí)行。

而且線程支持的多任務(wù)規(guī)模，在數(shù)百到數(shù)千的數(shù)量規(guī)模。在大規(guī)模的高頻網(wǎng)絡(luò)交互系統(tǒng)中，仍然有些吃力。當(dāng)然，多線程最主要的問題還是競態(tài)條件。

3.4 非阻塞方式

終于，我們來到了非阻塞解決方案。先來看看最原始的非阻塞如何工作的。

注：總體耗時約4.3秒。

首先注意到兩點，就感覺被騙了。一是耗時與同步阻塞相當(dāng)，二是代碼更復(fù)雜。要非阻塞何用？且慢。

上圖第9行代碼sock.setblocking(False)告訴OS，讓socket上阻塞調(diào)用都改為非阻塞的方式。之前我們說到，非阻塞就是在做一件事的時候，不阻礙調(diào)用它的程序做別的事情。上述代碼在執(zhí)行完 **sock.connect() **和 sock.recv() 后的確不再阻塞，可以繼續(xù)往下執(zhí)行請求準(zhǔn)備的代碼或者是執(zhí)行下一次讀取。

代碼變得更復(fù)雜也是上述原因所致。第11行要放在try語句內(nèi)，是因為socket在發(fā)送非阻塞連接請求過程中，系統(tǒng)底層也會拋出異常。connect()被調(diào)用之后，立即可以往下執(zhí)行第15和16行的代碼。

需要while循環(huán)不斷嘗試 send()，是因為connect()已經(jīng)非阻塞，在send()之時并不知道 socket 的連接是否就緒，只有不斷嘗試，嘗試成功為止，即發(fā)送數(shù)據(jù)成功了。recv()調(diào)用也是同理。

雖然 connect() 和 recv() 不再阻塞主程序，空出來的時間段CPU沒有空閑著，但并沒有利用好這空閑去做其他有意義的事情，而是在循環(huán)嘗試讀寫 socket （不停判斷非阻塞調(diào)用的狀態(tài)是否就緒）。還得處理來自底層的可忽略的異常。也不能同時處理多個 socket 。

然后10次下載任務(wù)仍然按序進(jìn)行。所以總體執(zhí)行時間和同步阻塞相當(dāng)。如果非得這樣子，那還不如同步阻塞算了。

3.5 非阻塞改進(jìn)

3.5.1 epoll

判斷非阻塞調(diào)用是否就緒如果 OS 能做，是不是應(yīng)用程序就可以不用自己去等待和判斷了，就可以利用這個空閑去做其他事情以提高效率。

所以OS將I/O狀態(tài)的變化都封裝成了事件，如可讀事件、可寫事件。并且提供了專門的系統(tǒng)模塊讓應(yīng)用程序可以接收事件通知。這個模塊就是select。讓應(yīng)用程序可以通過select注冊文件描述符和回調(diào)函數(shù)。當(dāng)文件描述符的狀態(tài)發(fā)生變化時，select 就調(diào)用事先注冊的回調(diào)函數(shù)。

select因其算法效率比較低，后來改進(jìn)成了poll，再后來又有進(jìn)一步改進(jìn)，BSD內(nèi)核改進(jìn)成了kqueue模塊，而Linux內(nèi)核改進(jìn)成了epoll模塊。這四個模塊的作用都相同，暴露給程序員使用的API也幾乎一致，區(qū)別在于kqueue 和 epoll 在處理大量文件描述符時效率更高。

鑒于 Linux 服務(wù)器的普遍性，以及為了追求更高效率，所以我們常常聽聞被探討的模塊都是 epoll 。

3.5.2 回調(diào)(Callback)

把I/O事件的等待和監(jiān)聽任務(wù)交給了 OS，那 OS 在知道I/O狀態(tài)發(fā)生改變后（例如socket連接已建立成功可發(fā)送數(shù)據(jù)），它又怎么知道接下來該干嘛呢？只能回調(diào)。

需要我們將發(fā)送數(shù)據(jù)與讀取數(shù)據(jù)封裝成獨立的函數(shù)，讓epoll代替應(yīng)用程序監(jiān)聽socket狀態(tài)時，得告訴epoll：“如果socket狀態(tài)變?yōu)榭梢酝飳憯?shù)據(jù)（連接建立成功了），請調(diào)用HTTP請求發(fā)送函數(shù)。如果socket 變?yōu)榭梢宰x數(shù)據(jù)了（客戶端已收到響應(yīng)），請調(diào)用響應(yīng)處理函數(shù)?！?/p>

于是我們利用epoll結(jié)合回調(diào)機(jī)制重構(gòu)爬蟲代碼：

此處和前面稍有不同的是，我們將下載不同的10個頁面，相對URL路徑存放于urls_todo集合中?，F(xiàn)在看看改進(jìn)在哪。

首先，不斷嘗試send() 和 recv() 的兩個循環(huán)被消滅掉了。

其次，導(dǎo)入了selectors模塊，并創(chuàng)建了一個DefaultSelector 實例。Python標(biāo)準(zhǔn)庫提供的selectors模塊是對底層select/poll/epoll/kqueue的封裝。DefaultSelector類會根據(jù) OS 環(huán)境自動選擇最佳的模塊，那在 Linux 2.5.44 及更新的版本上都是epoll了。

然后，在第25行和第31行分別注冊了socket可寫事件(EVENT_WRITE)和可讀事件(EVENT_READ)發(fā)生后應(yīng)該采取的回調(diào)函數(shù)。

雖然代碼結(jié)構(gòu)清晰了，阻塞操作也交給OS去等待和通知了，但是，我們要抓取10個不同頁面，就得創(chuàng)建10個Crawler實例，就有20個事件將要發(fā)生，那如何從selector里獲取當(dāng)前正發(fā)生的事件，并且得到對應(yīng)的回調(diào)函數(shù)去執(zhí)行呢？

3.5.3 事件循環(huán)（Event Loop）

為了解決上述問題，那我們只得采用老辦法，寫一個循環(huán)，去訪問selector模塊，等待它告訴我們當(dāng)前是哪個事件發(fā)生了，應(yīng)該對應(yīng)哪個回調(diào)。這個等待事件通知的循環(huán)，稱之為事件循環(huán)。

上述代碼中，我們用stopped全局變量控制事件循環(huán)何時停止。當(dāng)urls_todo消耗完畢后，會標(biāo)記stopped為True。

重要的是第49行代碼，selector.select() 是一個阻塞調(diào)用，因為如果事件不發(fā)生，那應(yīng)用程序就沒事件可處理，所以就干脆阻塞在這里等待事件發(fā)生。那可以推斷，如果只下載一篇網(wǎng)頁，一定要connect()之后才能send()繼而recv()，那它的效率和阻塞的方式是一樣的。因為不在connect()/recv()上阻塞，也得在select()上阻塞。

所以，selector機(jī)制(后文以此稱呼代指epoll/kqueue)是設(shè)計用來解決大量并發(fā)連接的。當(dāng)系統(tǒng)中有大量非阻塞調(diào)用，能隨時產(chǎn)生事件的時候，selector機(jī)制才能發(fā)揮最大的威力。

下面是如何啟創(chuàng)建10個下載任務(wù)和啟動事件循環(huán)的：

注：總體耗時約0.45秒。

上述執(zhí)行結(jié)果令人振奮。在單線程內(nèi)用 事件循環(huán)+回調(diào) 搞定了10篇網(wǎng)頁同時下載的問題。這，已經(jīng)是異步編程了。雖然有一個for 循環(huán)順序地創(chuàng)建Crawler 實例并調(diào)用** fetch** 方法，但是fetch 內(nèi)僅有connect()和注冊可寫事件，而且從執(zhí)行時間明顯可以推斷，多個下載任務(wù)確實在同時進(jìn)行！

上述代碼異步執(zhí)行的過程：

  1. 創(chuàng)建Crawler 實例；
  2. 調(diào)用fetch方法，會創(chuàng)建socket連接和在selector上注冊可寫事件；
  3. fetch內(nèi)并無阻塞操作，該方法立即返回；
  4. 重復(fù)上述3個步驟，將10個不同的下載任務(wù)都加入事件循環(huán)；
  5. 啟動事件循環(huán)，進(jìn)入第1輪循環(huán)，阻塞在事件監(jiān)聽上；
  6. 當(dāng)某個下載任務(wù)EVENT_WRITE被觸發(fā)，回調(diào)其connected方法，第一輪事件循環(huán)結(jié)束；
  7. 進(jìn)入第2輪事件循環(huán)，當(dāng)某個下載任務(wù)有事件觸發(fā)，執(zhí)行其回調(diào)函數(shù)；此時已經(jīng)不能推測是哪個事件發(fā)生，因為有可能是上次connected里的EVENT_READ先被觸發(fā)，也可能是其他某個任務(wù)的EVENT_WRITE被觸發(fā)；（此時，原來在一個下載任務(wù)上會阻塞的那段時間被利用起來執(zhí)行另一個下載任務(wù)了）
  8. 循環(huán)往復(fù)，直至所有下載任務(wù)被處理完成
  9. 退出事件循環(huán)，結(jié)束整個下載程序

3.5.4 總結(jié)

目前為止，我們已經(jīng)從同步阻塞學(xué)習(xí)到了異步非阻塞。掌握了在單線程內(nèi)同時并發(fā)執(zhí)行多個網(wǎng)絡(luò)I/O阻塞型任務(wù)的黑魔法。而且與多線程相比，連線程切換都沒有了，執(zhí)行回調(diào)函數(shù)是函數(shù)調(diào)用開銷，在線程的棧內(nèi)完成，因此性能也更好，單機(jī)支持的任務(wù)規(guī)模也變成了數(shù)萬到數(shù)十萬個。（不過我們知道：沒有免費午餐，也沒有銀彈。）

部分編程語言中，對異步編程的支持就止步于此（不含語言官方之外的擴(kuò)展）。需要程序猿直接使用epoll去注冊事件和回調(diào)、維護(hù)一個事件循環(huán)，然后大多數(shù)時間都花在設(shè)計回調(diào)函數(shù)上。

通過本節(jié)的學(xué)習(xí)，我們應(yīng)該認(rèn)識到，不論什么編程語言，但凡要做異步編程，上述的“事件循環(huán)+回調(diào)”這種模式是逃不掉的，盡管它可能用的不是epoll，也可能不是while循環(huán)。如果你找到了一種不屬于 “等會兒告訴你” 模型的異步方式，請立即給我打電話（注意，打電話是Call）。

為什么我們在某些異步編程中并沒有看到 CallBack 模式呢？這就是我們接下來要探討的問題。本節(jié)是學(xué)習(xí)異步編程的一個終點，也是另一個起點。畢竟咱們講 Python 異步編程，還沒提到其主角協(xié)程的用武之地。

4 Python 對異步I/O的優(yōu)化之路

我們將在本節(jié)學(xué)習(xí)到 Python 生態(tài)對異步編程的支持是如何繼承前文所述的“事件循環(huán)+回調(diào)”模式演變到asyncio的原生協(xié)程模式。

4.1 回調(diào)之痛，以終為始

在第3節(jié)中，我們已經(jīng)學(xué)會了“事件循環(huán)+回調(diào)”的基本運行原理，可以基于這種方式在單線程內(nèi)實現(xiàn)異步編程。也確實能夠大大提高程序運行效率。但是，剛才所學(xué)的只是最基本的，然而在生產(chǎn)項目中，要應(yīng)對的復(fù)雜度會大大增加?？紤]如下問題：

  • 如果回調(diào)函數(shù)執(zhí)行不正常該如何？
  • 如果回調(diào)里面還要嵌套回調(diào)怎么辦？要嵌套很多層怎么辦？
  • 如果嵌套了多層，其中某個環(huán)節(jié)出錯了會造成什么后果？
  • 如果有個數(shù)據(jù)需要被每個回調(diào)都處理怎么辦？
  • ……

在實際編程中，上述系列問題不可避免。在這些問題的背后隱藏著回調(diào)編程模式的一些缺點：

  • 回調(diào)層次過多時代碼可讀性差
def callback_1():
  # processing ...
  def callback_2():
      # processing.....
      def callback_3():
          # processing ....
          def callback_4():
              #processing .....
              def callback_5():
                  # processing ......
              async_function(callback_5)
          async_function(callback_4)
      async_function(callback_3)
  async_function(callback_2)
async_function(callback_1)
  • 破壞代碼結(jié)構(gòu)

寫同步代碼時，關(guān)聯(lián)的操作時自上而下運行：

do_a()
do_b()

如果 b 處理依賴于 a 處理的結(jié)果，而 a 過程是異步調(diào)用，就不知 a 何時能返回值，需要將后續(xù)的處理過程以callback的方式傳遞給 a ，讓 a 執(zhí)行完以后可以執(zhí)行 b。代碼變化為：

do_a(do_b())

如果整個流程中全部改為異步處理，而流程比較長的話，代碼邏輯就會成為這樣：

do_a(do_b(do_c(do_d(do_e(do_f(......))))))

上面實際也是回調(diào)地獄式的風(fēng)格，但這不是主要矛盾。主要在于，原本從上而下的代碼結(jié)構(gòu)，要改成從內(nèi)到外的。先f，再e，再d，…，直到最外層 a 執(zhí)行完成。在同步版本中，執(zhí)行完a后執(zhí)行b，這是線程的指令指針控制著的流程，而在回調(diào)版本中，流程就是程序猿需要注意和安排的。

  • 共享狀態(tài)管理困難
    回顧第3節(jié)爬蟲代碼，同步阻塞版的sock對象從頭使用到尾，而在回調(diào)的版本中，我們必須在Crawler實例化后的對象self里保存它自己的sock對象。如果不是采用OOP的編程風(fēng)格，那需要把要共享的狀態(tài)接力似的傳遞給每一個回調(diào)。多個異步調(diào)用之間，到底要共享哪些狀態(tài)，事先就得考慮清楚，精心設(shè)計。
  • 錯誤處理困難
    一連串的回調(diào)構(gòu)成一個完整的調(diào)用鏈。例如上述的 a 到 f。假如 d 拋了異常怎么辦？整個調(diào)用鏈斷掉，接力傳遞的狀態(tài)也會丟失，這種現(xiàn)象稱為調(diào)用棧撕裂。 c 不知道該干嘛，繼續(xù)異常，然后是 b 異常，接著 a 異常。好嘛，報錯日志就告訴你，a 調(diào)用出錯了，但實際是 d 出錯。所以，為了防止棧撕裂，異常必須以數(shù)據(jù)的形式返回，而不是直接拋出異常，然后每個回調(diào)中需要檢查上次調(diào)用的返回值，以防錯誤吞沒。

如果說代碼風(fēng)格難看是小事，但棧撕裂和狀態(tài)管理困難這兩個缺點會讓基于回調(diào)的異步編程很艱難。所以不同編程語言的生態(tài)都在致力于解決這個問題。才誕生了后來的Promise、Co-routine等解決方案。

Python 生態(tài)也以終為始，秉承著“程序猿不必難程序猿”的原則，讓語言和框架開發(fā)者苦逼一點，也要讓應(yīng)用開發(fā)者舒坦。在事件循環(huán)+回調(diào)的基礎(chǔ)上衍生出了基于協(xié)程的解決方案，代表作有 Tornado、Twisted、asyncio 等。接下來我們隨著 Python 生態(tài)異步編程的發(fā)展過程，深入理解Python異步編程。

4.2 核心問題

通過前面的學(xué)習(xí)，我們清楚地認(rèn)識到異步編程最大的困難：異步任務(wù)何時執(zhí)行完畢？接下來要對異步調(diào)用的返回結(jié)果做什么操作？

上述問題我們已經(jīng)通過事件循環(huán)和回調(diào)解決了。但是回調(diào)會讓程序變得復(fù)雜。要異步，必回調(diào)，又是否有辦法規(guī)避其缺點呢？那需要弄清楚其本質(zhì)，為什么回調(diào)是必須的？還有使用回調(diào)時克服的那些缺點又是為了什么？

答案是程序為了知道自己已經(jīng)干了什么？正在干什么？將來要干什么？換言之，程序得知道當(dāng)前所處的狀態(tài)，而且要將這個狀態(tài)在不同的回調(diào)之間延續(xù)下去。

多個回調(diào)之間的狀態(tài)管理困難，那讓每個回調(diào)都能管理自己的狀態(tài)怎么樣？鏈?zhǔn)秸{(diào)用會有棧撕裂的困難，讓回調(diào)之間不再鏈?zhǔn)秸{(diào)用怎樣？不鏈?zhǔn)秸{(diào)用的話，那又如何讓被調(diào)用者知道已經(jīng)完成了？那就讓這個回調(diào)通知那個回調(diào)如何？而且一個回調(diào)，不就是一個待處理任務(wù)嗎？

任務(wù)之間得相互通知，每個任務(wù)得有自己的狀態(tài)。那不就是很古老的編程技法：協(xié)作式多任務(wù)？然而要在單線程內(nèi)做調(diào)度，啊哈，協(xié)程！每個協(xié)程具有自己的棧幀，當(dāng)然能知道自己處于什么狀態(tài)，協(xié)程之間可以協(xié)作那自然可以通知別的協(xié)程。

4.3 協(xié)程

  • 協(xié)程(Co-routine)，即是協(xié)作式的例程。

它是非搶占式的多任務(wù)子例程的概括，可以允許有多個入口點在例程中確定的位置來控制程序的暫停與恢復(fù)執(zhí)行。

例程是什么？編程語言定義的可被調(diào)用的代碼段，為了完成某個特定功能而封裝在一起的一系列指令。一般的編程語言都用稱為函數(shù)或方法的代碼結(jié)構(gòu)來體現(xiàn)。

4.4 基于生成器的協(xié)程

早期的 Pythoner 發(fā)現(xiàn) Python 中有種特殊的對象——生成器（Generator），它的特點和協(xié)程很像。每一次迭代之間，會暫停執(zhí)行，繼續(xù)下一次迭代的時候還不會丟失先前的狀態(tài)。

為了支持用生成器做簡單的協(xié)程，Python 2.5 對生成器進(jìn)行了增強(qiáng)(PEP 342)，該增強(qiáng)提案的標(biāo)題是 “Coroutines via Enhanced Generators”。有了PEP 342的加持，生成器可以通過yield 暫停執(zhí)行和向外返回數(shù)據(jù)，也可以通過send()向生成器內(nèi)發(fā)送數(shù)據(jù)，還可以通過throw()向生成器內(nèi)拋出異常以便隨時終止生成器的運行。

接下來，我們用基于生成器的協(xié)程來重構(gòu)先前的爬蟲代碼。

4.4.1 未來對象(Future)

不用回調(diào)的方式了，怎么知道異步調(diào)用的結(jié)果呢？先設(shè)計一個對象，異步調(diào)用執(zhí)行完的時候，就把結(jié)果放在它里面。這種對象稱之為未來對象。

未來對象有一個result屬性，用于存放未來的執(zhí)行結(jié)果。還有個set_result()方法，是用于設(shè)置result的，并且會在給result綁定值以后運行事先給future添加的回調(diào)?；卣{(diào)是通過未來對象的add_done_callback()方法添加的。

不要疑惑此處的callback，說好了不回調(diào)的嘛？難道忘了我們曾經(jīng)說的要異步，必回調(diào)。不過也別急，此處的回調(diào)，和先前學(xué)到的回調(diào)，還真有點不一樣。

4.4.2 重構(gòu) Crawler

現(xiàn)在不論如何，我們有了未來對象可以代表未來的值。先用Future來重構(gòu)爬蟲代碼。

和先前的回調(diào)版本對比，已經(jīng)有了較大差異。fetch 方法內(nèi)有了yield表達(dá)式，使它成為了生成器。我們知道生成器需要先調(diào)用next()迭代一次或者是先send(None)啟動，遇到y(tǒng)ield之后便暫停。那這fetch生成器如何再次恢復(fù)執(zhí)行呢？至少 Future 和 Crawler都沒看到相關(guān)代碼。

4.4.3 任務(wù)對象(Task)

為了解決上述問題，我們只需遵循一個編程規(guī)則：單一職責(zé)，每種角色各司其職，如果還有工作沒有角色來做，那就創(chuàng)建一個角色去做。沒人來恢復(fù)這個生成器的執(zhí)行么？沒人來管理生成器的狀態(tài)么？創(chuàng)建一個，就叫Task好了，很合適的名字。

上述代碼中Task封裝了coro對象，即初始化時傳遞給他的對象，被管理的任務(wù)是待執(zhí)行的協(xié)程，故而這里的coro就是fetch()生成器。它還有個step()方法，在初始化的時候就會執(zhí)行一遍。step()內(nèi)會調(diào)用生成器的send()方法，初始化第一次發(fā)送的是None就驅(qū)動了coro即fetch()的第一次執(zhí)行。

send()完成之后，得到下一次的future，然后給下一次的future添加step()回調(diào)。原來add_done_callback()不是給寫爬蟲業(yè)務(wù)邏輯用的。此前的callback可就干的是業(yè)務(wù)邏輯呀。

再看fetch()生成器，其內(nèi)部寫完了所有的業(yè)務(wù)邏輯，包括如何發(fā)送請求，如何讀取響應(yīng)。而且注冊給selector的回調(diào)相當(dāng)簡單，就是給對應(yīng)的future對象綁定結(jié)果值。兩個yield表達(dá)式都是返回對應(yīng)的future對象，然后返回Task.step()之內(nèi)，這樣Task, Future, Coroutine三者精妙地串聯(lián)在了一起。

初始化Task對象以后，把fetch()給驅(qū)動到了第44行yied f就完事了，接下來怎么繼續(xù)？

4.4.4 事件循環(huán)(Event Loop)驅(qū)動協(xié)程運行

該事件循環(huán)上場了。接下來，只需等待已經(jīng)注冊的EVENT_WRITE事件發(fā)生。事件循環(huán)就像心臟一般，只要它開始跳動，整個程序就會持續(xù)運行。

注：總體耗時約0.43秒。

現(xiàn)在loop有了些許變化，callback()不再傳遞event_key和event_mask參數(shù)。也就是說，這里的回調(diào)根本不關(guān)心是誰觸發(fā)了這個事件，結(jié)合fetch()可以知道，它只需完成對future設(shè)置結(jié)果值即可f.set_result()。而且future是誰它也不關(guān)心，因為協(xié)程能夠保存自己的狀態(tài)，知道自己的future是哪個。也不用關(guān)心到底要設(shè)置什么值，因為要設(shè)置什么值也是協(xié)程內(nèi)安排的。

此時的loop()，真的成了一個心臟，它只管往外泵血，不論這份血液是要輸送給大腦還是要給腳趾，只要它還在跳動，生命就能延續(xù)。

4.4.5 生成器協(xié)程風(fēng)格和回調(diào)風(fēng)格對比總結(jié)

在回調(diào)風(fēng)格中：

  • 存在鏈?zhǔn)交卣{(diào)（雖然示例中嵌套回調(diào)只有一層）
  • 請求和響應(yīng)也不得不分為兩個回調(diào)以至于破壞了同步代碼那種結(jié)構(gòu)
  • 程序員必須在回調(diào)之間維護(hù)必須的狀態(tài)。

還有更多示例中沒有展示，但確實存在的問題，參見4.1節(jié)。

而基于生成器協(xié)程的風(fēng)格：

  • 無鏈?zhǔn)秸{(diào)用
  • selector的回調(diào)里只管給future設(shè)置值，不再關(guān)心業(yè)務(wù)邏輯
  • loop 內(nèi)回調(diào)callback()不再關(guān)注是誰觸發(fā)了事件
  • 已趨近于同步代碼的結(jié)構(gòu)
  • 無需程序員在多個協(xié)程之間維護(hù)狀態(tài)，例如哪個才是自己的sock

4.4.6 碉堡了，但是代碼很丑！能不能重構(gòu)？

如果說fetch的容錯能力要更強(qiáng)，業(yè)務(wù)功能也需要更完善，怎么辦？而且技術(shù)處理的部分（socket相關(guān)的）和業(yè)務(wù)處理的部分（請求與返回數(shù)據(jù)的處理）混在一起。

  • 創(chuàng)建socket連接可以抽象復(fù)用吧？
  • 循環(huán)讀取整個response可以抽象復(fù)用吧？
  • 循環(huán)內(nèi)處理socket.recv()的可以抽象復(fù)用吧？

但是這些關(guān)鍵節(jié)點的地方都有yield，抽離出來的代碼也需要是生成器。而且fetch()自己也得是生成器。生成器里玩生成器，代碼好像要寫得更丑才可以……

Python 語言的設(shè)計者們也認(rèn)識到了這個問題，再次秉承著“程序猿不必為難程序猿”的原則，他們搗鼓出了一個yield from來解決生成器里玩生成器的問題。

4.5 用 yield from 改進(jìn)生成器協(xié)程

4.5.1 yield from語法介紹

yield from 是Python 3.3 新引入的語法（PEP 380）。它主要解決的就是在生成器里玩生成器不方便的問題。它有兩大主要功能。

第一個功能是：讓嵌套生成器不必通過循環(huán)迭代yield，而是直接yield from。以下兩種在生成器里玩子生成器的方式是等價的。

def gen_one():
    subgen = range(10)    yield from subgendef gen_two():
    subgen = range(10)    for item in subgen:        yield item

第二個功能就是在子生成器和原生成器的調(diào)用者之間打開雙向通道，兩者可以直接通信。

def gen():
    yield from subgen()def subgen():
    while True:
        x = yield
        yield x+1def main():
    g = gen()
    next(g)                # 驅(qū)動生成器g開始執(zhí)行到第一個 yield
    retval = g.send(1)     # 看似向生成器 gen() 發(fā)送數(shù)據(jù)
    print(retval)          # 返回2
    g.throw(StopIteration) # 看似向gen()拋入異常

通過上述代碼清晰地理解了yield from的雙向通道功能。關(guān)鍵字yield from在gen()內(nèi)部為subgen()和main()開辟了通信通道。main()里可以直接將數(shù)據(jù)1發(fā)送給subgen(),subgen()也可以將計算后的數(shù)據(jù)2返回到main()里，main()里也可以直接向subgen()拋入異常以終止subgen()。

順帶一提，yield from 除了可以 yield from 還可以 yield from 。

4.5.2 重構(gòu)代碼

抽象socket連接的功能:

抽象單次recv()和讀取完整的response功能:

三個關(guān)鍵點的抽象已經(jīng)完成，現(xiàn)在重構(gòu)Crawler類：

上面代碼整體來講沒什么問題，可復(fù)用的代碼已經(jīng)抽象出去，作為子生成器也可以使用 yield from 語法來獲取值。但另外有個點需要注意：在第24和第35行返回future對象的時候，我們了yield from f 而不是原來的yield f。yield可以直接作用于普通Python對象，而yield from卻不行，所以我們對Future還要進(jìn)一步改造，把它變成一個iterable對象就可以了。

只是增加了iter()方法的實現(xiàn)。如果不把Future改成iterable也是可以的，還是用原來的yield f即可。那為什么需要改進(jìn)呢？

首先，我們是在基于生成器做協(xié)程，而生成器還得是生成器，如果繼續(xù)混用yield和yield from 做協(xié)程，代碼可讀性和可理解性都不好。其次，如果不改，協(xié)程內(nèi)還得關(guān)心它等待的對象是否可被yield，如果協(xié)程里還想繼續(xù)返回協(xié)程怎么辦？如果想調(diào)用普通函數(shù)動態(tài)生成一個Future對象再返回怎么辦？

所以，在Python 3.3 引入yield from新語法之后，就不再推薦用yield去做協(xié)程。全都使用yield from由于其雙向通道的功能，可以讓我們在協(xié)程間隨心所欲地傳遞數(shù)據(jù)。

4.5.3 yield from改進(jìn)協(xié)程總結(jié)

用yield from改進(jìn)基于生成器的協(xié)程，代碼抽象程度更高。使業(yè)務(wù)邏輯相關(guān)的代碼更精簡。由于其雙向通道功能可以讓協(xié)程之間隨心所欲傳遞數(shù)據(jù)，使Python異步編程的協(xié)程解決方案大大向前邁進(jìn)了一步。

于是Python語言開發(fā)者們充分利用yield from，使 Guido 主導(dǎo)的Python異步編程框架Tulip迅速脫胎換骨，并迫不及待得讓它在 Python 3.4 中換了個名字asyncio以“實習(xí)生”角色出現(xiàn)在標(biāo)準(zhǔn)庫中。

4.5.4 asyncio 介紹

asyncio是Python 3.4 試驗性引入的異步I/O框架（PEP 3156），提供了基于協(xié)程做異步I/O編寫單線程并發(fā)代碼的基礎(chǔ)設(shè)施。其核心組件有事件循環(huán)（Event Loop）、協(xié)程(Coroutine）、任務(wù)(Task)、未來對象(Future)以及其他一些擴(kuò)充和輔助性質(zhì)的模塊。

在引入asyncio的時候，還提供了一個裝飾器@asyncio.coroutine用于裝飾使用了yield from的函數(shù)，以標(biāo)記其為協(xié)程。但并不強(qiáng)制使用這個裝飾器。

雖然發(fā)展到 Python 3.4 時有了yield from的加持讓協(xié)程更容易了，但是由于協(xié)程在Python中發(fā)展的歷史包袱所致，很多人仍然弄不明白生成器和協(xié)程的聯(lián)系與區(qū)別，也弄不明白yield 和 yield from 的區(qū)別。這種混亂的狀態(tài)也違背Python之禪的一些準(zhǔn)則。

于是Python設(shè)計者們又快馬加鞭地在 3.5 中新增了async/await語法（PEP 492），對協(xié)程有了明確而顯式的支持，稱之為原生協(xié)程。async/await 和 yield from這兩種風(fēng)格的協(xié)程底層復(fù)用共同的實現(xiàn)，而且相互兼容。

在Python 3.6 中asyncio庫“轉(zhuǎn)正”，不再是實驗性質(zhì)的，成為標(biāo)準(zhǔn)庫的正式一員。

4.6 總結(jié)

行至此處，我們已經(jīng)掌握了asyncio的核心原理，學(xué)習(xí)了它的原型，也學(xué)習(xí)了異步I/O在 CPython 官方支持的生態(tài)下是如何一步步發(fā)展至今的。

實際上，真正的asyncio比我們前幾節(jié)中學(xué)到的要復(fù)雜得多，它還實現(xiàn)了零拷貝、公平調(diào)度、異常處理、任務(wù)狀態(tài)管理等等使 Python 異步編程更完善的內(nèi)容。理解原理和原型對我們后續(xù)學(xué)習(xí)有莫大的幫助。

5 asyncio和原生協(xié)程初體驗

本節(jié)中，我們將初步體驗asyncio庫和新增語法async/await給我們帶來的便利。由于Python2-3的過度期間，Python3.0-3.4的使用者并不是太多，也為了不讓更多的人困惑，也因為aysncio在3.6才轉(zhuǎn)正，所以更深入學(xué)習(xí)asyncio庫的時候我們將使用async/await定義的原生協(xié)程風(fēng)格，yield from風(fēng)格的協(xié)程不再闡述（實際上它們可用很小的代價相互代替）。

對比生成器版的協(xié)程，使用asyncio庫后變化很大：

  • 沒有了yield 或 yield from，而是async/await
  • 沒有了自造的loop()，取而代之的是asyncio.get_event_loop()
  • 無需自己在socket上做異步操作，不用顯式地注冊和注銷事件，aiohttp庫已經(jīng)代勞
  • 沒有了顯式的** Future** 和** Task，asyncio**已封裝
  • 更少量的代碼，更優(yōu)雅的設(shè)計

說明：我們這里發(fā)送和接收HTTP請求不再自己操作socket的原因是，在實際做業(yè)務(wù)項目的過程中，要處理妥善地HTTP協(xié)議會很復(fù)雜，我們需要的是功能完善的異步HTTP客戶端，業(yè)界已經(jīng)有了成熟的解決方案，DRY不是嗎？

和同步阻塞版的代碼對比：

  • 異步化
  • 代碼量相當(dāng)（引入aiohttp框架后更少）
  • 代碼邏輯同樣簡單，跟同步代碼一樣的結(jié)構(gòu)、一樣的邏輯
  • 接近10倍的性能提升

結(jié)語

到此為止，我們已經(jīng)深入地學(xué)習(xí)了異步編程是什么、為什么、在Python里是怎么樣發(fā)展的。我們找到了一種讓代碼看起來跟同步代碼一樣簡單，而效率卻提升N倍（具體提升情況取決于項目規(guī)模、網(wǎng)絡(luò)環(huán)境、實現(xiàn)細(xì)節(jié)）的異步編程方法。它也沒有回調(diào)的那些缺點。

本系列教程接下來的一篇將是學(xué)習(xí)asyncio庫如何的使用，快速掌握它的主要內(nèi)容。后續(xù)我們還會深入探究asyncio的優(yōu)點與缺點，也會探討Python生態(tài)中其他異步I/O方案和asyncio的區(qū)別。

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
【社區(qū)內(nèi)容提示】社區(qū)部分內(nèi)容疑似由AI輔助生成，瀏覽時請結(jié)合常識與多方信息審慎甄別。
平臺聲明：文章內(nèi)容（如有圖片或視頻亦包括在內(nèi)）由作者上傳并發(fā)布，文章內(nèi)容僅代表作者本人觀點，簡書系信息發(fā)布平臺，僅提供信息存儲服務(wù)。

相關(guān)閱讀更多精彩內(nèi)容

友情鏈接更多精彩內(nèi)容