python3 协程实战（python3经典编程案例）

Posted 2022-01-19 cui_yonghua

1. python3多进程实战（python3经典编程案例）
2. python3多线程实战（python3经典编程案例）
3. python3 协程实战（python3经典编程案例）

一. 定义协程

协程是轻量级线程，拥有自己的寄存机上下文和栈。
协程调度切换时，将寄存器上下文和栈保存到其他地方，再切回来时，恢复先前保存的寄存器上下文和栈。

协程的应用场景：I/O密集型任务，和多线程类似，但协程调用时在一个线程内进行的，是单线程，切换的开销小，因此，效率上略高于多线程。

python3.4加入了协程，以生成器对象为基础，python3.5加了async/await，使用协程更加方便。

python中使用协程最方便的库是asyncio，引入该库才能使用async和await关键字

• async: 定义一个协程；async定义的方法无法直接执行，必须注册到时间循环中才能执行。
• await: 用于临时挂起一个函数或方法的执行。

根据官方文档，await后面的对象必须是如下类型之一：

• 一个原生的coroutine对象；
• 一个由types.coroutine()修饰的生成器，这个生成器可以返回coroutine对象；
• 一个包含await方法的对象返回的一个迭代器。

案例1：

import asyncio
import time


async def task():
    print(f"time.strftime('%H:%M:%S') task 开始 ")
    time.sleep(2)
    print(f"time.strftime('%H:%M:%S') task 结束")


coroutine = task()
print(f"time.strftime('%H:%M:%S') 产生协程对象 coroutine,函数并未被调用")
loop = asyncio.get_event_loop()
print(f"time.strftime('%H:%M:%S') 开始调用协程任务")
start = time.time()
loop.run_until_complete(coroutine)
end = time.time()
print(f"time.strftime('%H:%M:%S') 结束调用协程任务, 耗时end - start 秒")

案例2：
为任务绑定回调函数

import asyncio
import time


async def _task():
    print(f"time.strftime('%H:%M:%S') task 开始 ")
    time.sleep(2)
    print(f"time.strftime('%H:%M:%S') task 结束")
    return "运行结束"


def callback(task):
    print(f"time.strftime('%H:%M:%S') 回调函数开始运行")
    print(f"状态：task.result()")


coroutine = _task()
print(f"time.strftime('%H:%M:%S') 产生协程对象 coroutine,函数并未被调用")
task = asyncio.ensure_future(coroutine)  # 返回task对象
task.add_done_callback(callback)  # 为task增加一个回调任务
loop = asyncio.get_event_loop()
print(f"time.strftime('%H:%M:%S') 开始调用协程任务")
start = time.time()
loop.run_until_complete(task)
end = time.time()
print(f"time.strftime('%H:%M:%S') 结束调用协程任务, 耗时end - start 秒")

二. 并发

如果需要执行多次协程任务并尽可能的提高效率，这时可以定义一个task列表，然后使用asyncio的wait()方法执行即可。

import asyncio
import time


async def task():
    print(f"time.strftime('%H:%M:%S') task 开始 ")
    # 异步调用asyncio.sleep(1):
    await asyncio.sleep(2)
    # time.sleep(2)
    print(f"time.strftime('%H:%M:%S') task 结束" )

# 获取EventLoop:
loop = asyncio.get_event_loop()
# 执行coroutine
tasks = [task() for _ in range(5)]
start = time.time()
loop.run_until_complete(asyncio.wait(tasks))
loop.close()
end = time.time()
print(f"用时 end-start 秒")

三. 异步请求

先启动一个简单的web服务器

from flask import Flask
import time

app = Flask(__name__)


@app.route('/')
def index():
    time.sleep(3)
    return 'Hello World!'


if __name__ == '__main__':
    app.run(threaded=True)

案例1：请求串行走下来，没有实现挂起。

import asyncio
import requests
import time

start = time.time()


async def request():
    url = 'http://127.0.0.1:5000'
    print(f'time.strftime("%H:%M:%S") 请求 url')
    response = requests.get(url)
    print(f'time.strftime("%H:%M:%S") 得到响应 response.text')

tasks = [asyncio.ensure_future(request()) for _ in range(5)]
loop = asyncio.get_event_loop()
loop.run_until_complete(asyncio.wait(tasks))

end = time.time()
print(f'耗时 end - start 秒')

使用await将耗时等待的操作挂起，让出控制权。
当协程执行时遇到await, 时间循环就会将本协程挂起，转而去执行别的协程，知道其他的协程挂起或者执行完毕。

案例2：异步IO请求实例
将请求页面的代码封装成一个coroutine对象，在requests中尝试使用await挂起当前执行的I/O.

import asyncio
import requests
import time


async def get(url):
    return requests.get(url)


async def request():
    url = "http://127.0.0.1:5000"
    print(f'time.strftime("%H:%M:%S") 请求 url')
    response = await get(url)
    print(f'time.strftime("%H:%M:%S") 得到响应 response.text')


start = time.time()
tasks = [asyncio.ensure_future(request()) for _ in range(5)]
loop = asyncio.get_event_loop()
loop.run_until_complete(asyncio.wait(tasks))
end = time.time()
print(f"耗时 end - start 秒")

上面的带动并未达到预期的并发效果。原因是requests不是异步请求，无论如何改封装都无济于事，因此需要找真正的IO请求，aiohttp是一个支持异步请求的库，可以用它和anyncio配合，实现异步请求操作。
案例3：使用aiohttp库

import asyncio
import aiohttp
import time

now = lambda: time.strftime("%H:%M:%S")


async def get(url):
    session = aiohttp.ClientSession()
    response = await session.get(url)
    result = await response.text()
    await session.close()
    return result


async def request():
    url = "http://127.0.0.1:5000"
    print(f"now() 请求 url")
    result = await get(url)
    print(f"now() 得到响应 result")


start = time.time()
tasks = [asyncio.ensure_future(request()) for _ in range(5)]
loop = asyncio.get_event_loop()
loop.run_until_complete(asyncio.wait(tasks))

end = time.time()
print(f"耗时  end - start  秒")

运行结果符合预期要求，耗时由15秒变成了3秒，实现了并发访问。

将任务数5改成100，运行时间也在3秒多一点，多出来的时间就是I/O时延了。
可见，使用异步协程之后，几乎可以在相同时间内实现成百上千次的网络请求。

把这个技术用在爬虫中，速度提升会非常的可观。