開始使用Python進行非同步處理

非同步程式設計（簡稱非同步）是許多現代語言的功能，它使程式可以處理多個操作，而無需等待或結束通話其中的任何乙個。這是一種有效處理網路或檔案i / o等任務的明智方法，其中程式的大部分時間都花在等待任務完成上。

考慮乙個開啟100個網路連線的web抓取應用程式。您可以開啟乙個連線，等待結果，然後開啟下乙個連線並等待結果，依此類推。程式執行的大部分時間都花在等待網路響應上，而不是在做實際的工作。

[ 同樣在infoworld上：每個python開發人員都有24個python庫

] 非同步語法現在已成為python的標準功能，但是習慣於一次做一件事的長期pythonista使用者可能難以解決。在本文中，我們將**非同步程式設計在python中的工作方式以及如何使用它。

請注意，如果要在python中使用非同步，最好使用python 3.7或python 3.8（撰寫本文時的最新版本）。我們將使用這些語言版本中定義的python非同步語法和輔助函式。

通常，使用非同步的最佳時機是當您嘗試執行具有以下特徵的工作時：

非同步使您可以並行設定多個任務並有效地遍歷它們，而不會阻塞應用程式的其餘部分。

可以很好地與非同步工作的一些任務示例：

重要的是要注意，非同步程式設計不同於多執行緒或多處理。非同步操作都在同乙個執行緒中執行，但是它們可以根據需要相互轉化，這使得非同步處理比執行緒或多處理多種任務的效率更高。（有關此內容，請參見下文。）

[ 同樣在infoworld上：python 3.8中最好的新功能

] python最近新增了兩個關鍵字async和await，用於建立非同步操作。考慮以下指令碼：

def get_server_status(server_addr)
# a potentially long-running operation ...
return server_status
def server_ops()
results = 
return results

相同指令碼的非同步版本（不起作用，僅足以使我們了解語法的工作原理）可能看起來像這樣。

async def get_server_status(server_addr)
# a potentially long-running operation ...
return server_status
async def server_ops()
results = 
return results

以async關鍵字為字首的函式成為非同步函式，也稱為coroutines 。協程的行為與常規函式不同：

所以，如果我們不能稱之為async非非同步函式的功能，我們不能執行的async功能直接，我們如何使用它們？答：通過使用asyncio庫，它將async與python的其餘部分聯絡起來。

[ 同樣在infoworld上：每種程式設計需要12個python

]

import asyncio
from web_scraping_library import read_from_site_async
async def main(url_list):
return await asyncio.gather(*[read_from_site_async(_) for _ in url_list])
urls = ['','','']
results = asyncio.run(main(urls))
print (results)

在上面的示例中，我們使用兩個常見的asyncio函式：

這裡的想法是，我們立即開始對所有站點的讀取操作，然後在它們到達時收集結果（因此asyncio.gather()）。在進行下乙個操作之前，我們不等待任何乙個操作完成。

[ 同樣在infoworld上：python virtualenv和venv做和不做

] 我們已經提到了python非同步應用程式如何使用協程作為主要成分，並利用asyncio庫執行它們。其他一些要素也是python非同步應用程式的關鍵：

asyncio庫建立和管理事件迴圈，即執行協程直到完成的機制。在python程序中，一次只能執行乙個事件迴圈，如果這樣做只是為了使程式設計師更容易跟蹤其中的內容。

將協程提交到事件迴圈以進行處理時，可以獲取task物件，該物件提供了一種從事件迴圈外部控制協程行為的方法。例如，如果需要取消正在執行的任務，可以通過呼叫任務的.cancel()方法來完成。

import asyncio
from web_scraping_library import read_from_site_async
tasks = 
async def main(url_list):    
for n in url_list:
print (tasks)
return await asyncio.gather(*tasks)
urls = ['','','']
loop = asyncio.get_event_loop()
results = loop.run_until_complete(main(urls))
print (results)

該指令碼更明確地使用事件迴圈和任務物件。

您需要對事件迴圈及其事件進行多少控制，將取決於您所構建的應用程式的複雜程度。如果您只想提交一組固定的作業以同時執行（與我們的web抓取工具一樣），則不需要太多控制權-僅足以啟動作業和收集結果。

相比之下，如果您要建立乙個完善的web框架，則需要對協程和事件迴圈的行為進行更多的控制。例如，在應用程式崩潰的情況下，您可能需要優雅地關閉事件迴圈，或者，如果從另乙個執行緒呼叫事件迴圈，則以執行緒安全的方式執行任務。

[ 也在infoworld上：anaconda入門，anaconda是資料科學的python發行版

] 在這一點上，您可能想知道，為什麼使用非同步而不是執行緒或多處理，而這在python中早已可用？

首先，非同步與執行緒或多處理之間存在乙個關鍵區別，即使這些內容是如何在python中實現的也是如此。非同步與併發有關，而執行緒和多處理則與並行有關。併發涉及一次將效率有效地分配給多個任務，例如，在雜貨店等待註冊時檢查電子郵件。並行涉及多個**併排處理多個任務，例如，在雜貨店開啟五個單獨的暫存器。

大多數情況下，非同步是執行緒的良好替代品，因為執行緒是在python中實現的。這是因為python不使用os執行緒，而是使用其自己的協作執行緒，在直譯器中一次僅執行乙個執行緒。與協作執行緒相比，非同步提供了一些關鍵優勢：

另一方面，python中的多處理最適合cpu密集而不是i / o密集的作業。非同步實際上與多處理並駕齊驅，因為您可以使用asyncio.run_in_executor()將cpu密集型作業從**程序委派給程序池，而不會阻塞該**程序。

] 最好的第一件事是構建自己的一些簡單非同步應用程式。現在有很多很好的例子，python中的非同步程式設計已經經歷了幾個版本，並且需要幾年的時間才能發展起來並得到更廣泛的使用。即使您不打算使用其所有功能，asyncio的官方文件也值得閱讀以了解其功能。

您可能還會探索越來越多的非同步驅動的庫和中介軟體，其中許多提供了資料庫聯結器，網路協議等的非同步，非阻塞版本。aio-libs儲存庫具有一些關鍵的儲存庫，例如用於web訪問的aiohittp庫。也值得在python軟體包索引中搜尋帶有async關鍵字的庫。對於非同步程式設計之類的東西，最好的學習方法是看別人如何使用它。

from:

開始使用Python進行非同步處理

教程從零開始使用Python進行深度學習！

開始使用Unix

開始使用Gulp

開始使用Python進行非同步處理

教程 從零開始 使用Python進行深度學習！

開始使用Unix

開始使用Gulp

相關推薦

教程從零開始使用Python進行深度學習！