Python并发（二）

提示：扫一扫查出行
【扫一扫了解最新限行尾号】
复制提示

并发是指一次处理多件事，而并行是指一次做多件事。二者不同，但互相有联系。打个比方：像Python的多线程，就是并发，因为Python的解释器GIL是线程不安全的，一次只允许执行一个线程的Python字节码，我们在使用多线程时，看上去像很多个任务同时进行，但实际上但一个线程在执行的时候，其他线程是处于休眠状态的。而在多CPU的服务器上，Java或Go的多线程，则是并行，因为他们的多线程会利用到服务器上的每个CPU，如果一个服务器上只有一个CPU，那么Java或者Go的多线程依旧是并发，而不是并行。

在上个章节，我们讨论了Python的多线程，在这个章节，我们将通过asyncio包来实现并发，这个包使用事件循环驱动的协程来实现并发

下面，我们看一下asyncio包的简单使用

import asyncio

from time import strftime

@asyncio.coroutine

def hello():

    print(strftime('[%H:%M:%S]'), "Hello world!")

    r = yield from asyncio.sleep(1)

    print(strftime('[%H:%M:%S]'), "Hello again!")

loop = asyncio.get_event_loop()

loop.run_until_complete(hello())

loop.close()

运行结果：

[17:01:59] Hello world!

[17:02:00] Hello again!

@asyncio.coroutine把一个生成器标记为协程类型，然后，我们就把这个协程扔到EventLoop中执行

现在，我们封装两个协程扔进EventLoop中执行

import threading

import asyncio

from time import strftime

@asyncio.coroutine

def hello(id):

    print(strftime('[%H:%M:%S]'), 'coroutine_id:%s thread_id:%s' % (id, threading.currentThread()))

    yield from asyncio.sleep(1)

    print(strftime('[%H:%M:%S]'), 'coroutine_id:%s thread_id:%s' % (id, threading.currentThread()))

loop = asyncio.get_event_loop()

tasks = [hello(1), hello(2)]

loop.run_until_complete(asyncio.wait(tasks))

loop.close()

运行结果：

[17:10:51] coroutine_id:1 thread_id:<_MainThread(MainThread, started 5100)>

[17:10:51] coroutine_id:2 thread_id:<_MainThread(MainThread, started 5100)>

[17:10:52] coroutine_id:1 thread_id:<_MainThread(MainThread, started 5100)>

[17:10:52] coroutine_id:2 thread_id:<_MainThread(MainThread, started 5100)>

由打印的当前线程名称可以看出，两个协程是由同一个线程并发执行的。
如果把asyncio.sleep()换成真正的IO操作，则多个协程就可以由一个线程并发执行。

async/await

我们可以用asyncio提供的@asyncio.coroutine可以把一个生成器标记为协程类型，然后在协程内部用yield from调用另一个协程实现异步操作。为了简化并更好地标识异步IO，从Python3.5开始引入了新的语法async和await，可以让协程的代码更简洁易读。async和await是针对协程的新语法，要使用新的语法，只需要做两步简单的替换：

import asyncio

from time import strftime

async def hello():

    print(strftime('[%H:%M:%S]'), "Hello world!")

    r = await asyncio.sleep(1)

    print(strftime('[%H:%M:%S]'), "Hello again!")

loop = asyncio.get_event_loop()

loop.run_until_complete(hello())

loop.close()

运行结果：

[17:19:55] Hello world!

[17:19:56] Hello again!

下面，让我们用协程并发下载多张图片，这里需要用到aiohttp包，asyncio包只支持TCP和UDP，如果想要使用HTTP协议，需要使用第三方的包，而aiohttp包，则是支持HTTP协议的

import asyncio

import time

import aiohttp

import sys

import os

from time import strftime, sleep

POP20_CC = ["pms_1508850965.67096774", "pms_1509723338.05097112", "pms_1508125822.19716710",

            "pms_1512614327.2483640", "pms_1525853341.8312102", "pms_1511228654.33099308"]

BASE_URL = 'https://i1.mifile.cn/a1'

DEST_DIR = 'downloads/'

async def get_flag(cc):  # <1>

    url = '{}/{cc}.jpg'.format(BASE_URL, cc=cc.lower())

    async with aiohttp.ClientSession() as session:

        async with session.get(url) as resp:

            image = await resp.read()

    return image

def save_flag(img, filename):

    path = os.path.join(DEST_DIR, filename)

    with open(path, 'wb') as fp:

        fp.write(img)

async def download_one(cc):  # <2>

    image = await get_flag(cc)

    sys.stdout.flush()

    save_flag(image, cc.lower() + '.jpg')

    return cc

def download_many(cc_list):  # <3>

    loop = asyncio.get_event_loop()

    to_do = [download_one(cc) for cc in sorted(cc_list)]

    wait_coro = asyncio.wait(to_do)

    res, _ = loop.run_until_complete(wait_coro)

    loop.close()

    return len(res)

def main(download_many):

    path = os.path.join(DEST_DIR)

    if not os.path.exists(path):

        os.mkdir(path)

    t0 = time.time()

    count = download_many(POP20_CC)

    elapsed = time.time() - t0

    msg = '\n{} flags downloaded in {:.2f}s'

    print(msg.format(count, elapsed))

if __name__ == '__main__':

    main(download_many)

运行结果：

6 flags downloaded in 0.25s

<1>处，我们通过async/await将这个生成器声明为协程类型，我们用aiohttp获取远程的图片资源，当发生网络请求的时候，主线程会切换到其他的协程执行

<2>处，当<1>处的网络请求发回响应时，将返回的图片存入本地

<3>处，我们在这个方法里生成多个协程，并提交到EventLoop中运行

上面的程序，还有几处值的修改的地方：

第一处是IO问题，程序员往往忽略一个事实，就是访问本地文件系统会阻塞，想当然的认为这种操作不会受网络访问高延迟的影响，而在上述示例中，save_flag()函数会阻塞客户端代码和asyncio事件循环共用的唯一线程，因此保存图片时，整个应用程序都会被冻结，而一旦受到I/O阻塞，则会浪费掉几百万个CPU周期，所以，就算是本地文件系统的访问，我们也应该把他提到另一个线程去执行，避免造成CPU周期的浪费。

第二处是管理协程的并发数，假设我们这里抓取的不再是仅仅几张图片，而是成千上百，可能我们的链接会断掉，甚至对方的网络因为我们的频繁访问禁止了我们的IP。

所以，我们还要对我们的图片下载代码进行修改

import asyncio

import collections

import contextlib

import time

import aiohttp

from aiohttp import web

import os

from collections import namedtuple

from enum import Enum

POP20_CC = ["pms_1508850965.67096774", "pms_1509723338.05097112", "pms_1508125822.19716710",

            "pms_1512614327.2483640", "pms_1525853341.8312102", "pms_1511228654.33099308", "error"]

BASE_URL = 'https://i1.mifile.cn/a1'

DEST_DIR = 'downloads/'

DEFAULT_CONCUR_REQ = 3

VERBOSE = True

Result = namedtuple('Result', 'status data')

HTTPStatus = Enum('Status', 'ok not_found error')

class FetchError(Exception):

    def __init__(self, country_code):

        self.country_code = country_code

def save_flag(img, filename):

    path = os.path.join(DEST_DIR, filename)

    with open(path, 'wb') as fp:

        fp.write(img)

async def get_flag(base_url, cc):

    url = '{}/{cc}.jpg'.format(base_url, cc=cc.lower())

    async with aiohttp.ClientSession() as session:

        async with session.get(url) as resp:

            with contextlib.closing(resp):  # <1>

                if resp.status == 200:

                    image = await resp.read()

                    return image

                elif resp.status == 404:

                    raise web.HTTPNotFound()

                else:

                    raise aiohttp.HttpProcessingError(

                        code=resp.status, message=resp.reason,

                        headers=resp.headers)

async def download_one(cc, base_url, semaphore, verbose):

    try:

        with (await semaphore):  # <2>

            image = await get_flag(base_url, cc)

    except web.HTTPNotFound:

        status = HTTPStatus.not_found

        msg = 'is not found'

    except Exception as exc:

        raise FetchError(cc) from exc

    else:

        loop = asyncio.get_event_loop()

        loop.run_in_executor(None, save_flag, image, cc.lower() + '.jpg')  # <3>

        status = HTTPStatus.ok

        msg = 'is OK'

    if verbose and msg:

        print(cc, msg)

    return Result(status, cc)

async def downloader_coro(cc_list, base_url, verbose, concur_req):

    counter = collections.Counter()

    semaphore = asyncio.Semaphore(concur_req)

    to_do = [download_one(cc, base_url, semaphore, verbose)

             for cc in sorted(cc_list)]

    to_do_iter = asyncio.as_completed(to_do)

    for future in to_do_iter:

        try:

            res = await future

        except FetchError as exc:

            country_code = exc.country_code

            try:

                error_msg = exc.__cause__.args[0]

            except IndexError:

                error_msg = exc.__cause__.__class__.__name__

            if verbose and error_msg:

                msg = '*** Error for {}: {}'

                print(msg.format(country_code, error_msg))

            status = HTTPStatus.error

        else:

            status = res.status

        counter[status] += 1

    return counter

def download_many(cc_list, base_url, verbose, concur_req):

    loop = asyncio.get_event_loop()

    coro = downloader_coro(cc_list, base_url, verbose, concur_req)

    counts = loop.run_until_complete(coro)

    return counts

def main(download_many):

    path = os.path.join(DEST_DIR)

    if not os.path.exists(path):

        os.mkdir(path)

    t0 = time.time()

    counter = download_many(POP20_CC, BASE_URL, VERBOSE, DEFAULT_CONCUR_REQ)

    elapsed = time.time() - t0

    msg = '\n{} flags downloaded in {:.2f}s'

    print(msg.format(counter, elapsed))

if __name__ == '__main__':

    main(download_many)

运行结果：

error is not found

pms_1511228654.33099308 is OK

pms_1512614327.2483640 is OK

pms_1509723338.05097112 is OK

pms_1525853341.8312102 is OK

pms_1508125822.19716710 is OK

pms_1508850965.67096774 is OK

Counter({<Status.ok: 1>: 6, <Status.not_found: 2>: 1}) flags downloaded in 0.41s

<1>处，在网络请求完毕，我们要关闭网络，避免因为网络请求过多最后造成链接中断

<2>处，我们用asyncio.Semaphore(concur_req)设置协程最大并发数，这里我们设置是3，然后再用with (await semaphore)执行协程

<3>处，loop.run_in_executor()方法是用来传入需要执行的对象，以及执行参数，这个方法会维护一个ThreadPoolExecutor()线程池，如果我们第一个参数是None，run_in_executor()就会把我们的执行对象和参数提交给背后维护的ThreadPoolExecutor()执行，如果我们传入自己定义的一个线程池，则把执行对象和参数传给我们定义的线程池执行

使用aiohttp编写web服务器

asyncio可以实现单线程并发IO操作，但asyncio只实现了TCP、UDP、SSL等协议，而aiohttp则是基于asyncio上实现了HTTP协议，所以，我们可以基于这asyncio和aiohttp两个框架实现自己的一个web服务器，代码如下：

import asyncio

from aiohttp import web, web_runner

CONTENT_TYPE = "text/html;"

async def index(request):

    await asyncio.sleep(0.5)

    return web.Response(body=b"<h1>Index</h1>", content_type=CONTENT_TYPE)

async def hello(request):

    await asyncio.sleep(0.5)

    text = "<h1>hello, %s!</h1>" % request.match_info["name"]

    return web.Response(body=text, content_type=CONTENT_TYPE)

async def init(loop):

    app = web.Application(loop=loop)

    app = web_runner.AppRunner(app=app).app()

    app.router.add_route("GET", "/", index)

    app.router.add_route("GET", "/hello/{name}", hello)

    srv = await loop.create_server(app.make_handler(), "127.0.0.1", 8000)

    print("Server started at http://127.0.0.1:8000...")

    return srv

loop = asyncio.get_event_loop()

loop.run_until_complete(init(loop))

loop.run_forever()

运行脚本后，在浏览器输入：

http://127.0.0.1:8000/