Tornado 异步浅解
Posted zhangmingda
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了Tornado 异步浅解相关的知识,希望对你有一定的参考价值。
7.1 认识异步
1. 同步
我们用两个函数来模拟两个客户端请求,并依次进行处理:
#!/usr/bin/env python3 # -*- coding:utf-8 -*- # @Time: 2020/3/9 11:15 # @Author:zhangmingda # @File: asynchronization.py # @Software: PyCharm # Description:了解异步工作原理 def req_a(): ‘‘‘模拟请求A‘‘‘ print(‘开始处理请求A‘) print(‘完成处理请求A‘) def req_b(): ‘‘‘模拟请求A‘‘‘ print(‘开始处理请求B‘) print(‘完成处理请求B‘) def main(): """模拟tornado框架,处理两个请求""" req_a() req_b() if __name__ == "__main__": main()
执行结果:
D:Python3_study ornado1Scriptspython.exe D:/Python3_study/tornado1/asynchronization.py
开始处理请求A
完成处理请求A
开始处理请求B
完成处理请求B
同步是按部就班的依次执行,始终按照同一个步调执行,上一个步骤未执行完不会执行下一步。
想一想,如果在处理请求req_a时需要执行一个耗时的工作(如IO),其执行过程如何?
import time def req_a(): ‘‘‘模拟请求A‘‘‘ print(‘开始处理请求A‘) long_io() print(‘完成处理请求A‘) def req_b(): ‘‘‘模拟请求A‘‘‘ print(‘开始处理请求B‘) print(‘完成处理请求B‘) def main(): """模拟tornado框架,处理两个请求""" req_a() req_b() def long_io(): ‘‘‘模拟耗时的IO操作‘‘‘ print(‘开始IO操作‘) time.sleep(5) print("完成IO操作") return "IO Complate!!" if __name__ == "__main__": main()
执行过程:
D:Python3_study ornado1Scriptspython.exe D:/Python3_study/tornado1/asynchronization.py
开始处理请求A
开始IO操作
完成IO操作
完成处理请求A
开始处理请求B
完成处理请求B
在上面的测试中,我们看到耗时的操作会将代码执行阻塞住,即req_a未处理完req_b是无法执行的。
我们怎么解决耗时操作阻塞代码执行?
2. 异步
对于耗时的过程,我们将其交给别人(如其另外一个线程)去执行,而我们继续往下处理,当别人执行完耗时操作后再将结果反馈给我们,这就是我们所说的异步。
我们用容易理解的线程机制来实现异步。
2.1 回调写法实现原理
# coding:utf-8
import time
import thread
def long_io(callback):
"""将耗时的操作交给另一线程来处理"""
def fun(cb): # 回调函数作为参数
"""耗时操作"""
print "开始执行IO操作"
time.sleep(5)
print "完成IO操作,并执行回调函数"
cb("io result") # 执行回调函数
thread.start_new_thread(fun, (callback,)) # 开启线程执行耗时操作
def on_finish(ret):
"""回调函数"""
print "开始执行回调函数on_finish"
print "ret: %s" % ret
print "完成执行回调函数on_finish"
def req_a():
print "开始处理请求req_a"
long_io(on_finish)
print "离开处理请求req_a"
def req_b():
print "开始处理请求req_b"
time.sleep(2) # 添加此句来突出显示程序执行的过程
print "完成处理请求req_b"
def main():
req_a()
req_b()
while 1: # 添加此句防止程序退出,保证线程可以执行完
pass
if __name__ == ‘__main__‘:
main()
执行过程:
开始处理请求req_a
离开处理请求req_a
开始处理请求req_b
开始执行IO操作
完成处理请求req_b
完成IO操作,并执行回调函数
开始执行回调函数on_finish
ret: io result
完成执行回调函数on_finish
异步的特点是程序存在多个步调,即本属于同一个过程的代码可能在不同的步调上同时执行。
2.2 协程写法实现原理
在使用回调函数写异步程序时,需将本属于一个执行逻辑(处理请求a)的代码拆分成两个函数req_a和on_finish,这与同步程序的写法相差很大。而同步程序更便于理解业务逻辑,所以我们能否用同步代码的写法来编写异步程序?
回想yield关键字的作用?
初始版本
# coding:utf-8
import time
import thread
gen = None # 全局生成器,供long_io使用
def long_io():
def fun():
print "开始执行IO操作"
global gen
time.sleep(5)
try:
print "完成IO操作,并send结果唤醒挂起程序继续执行"
gen.send("io result") # 使用send返回结果并唤醒程序继续执行
except StopIteration: # 捕获生成器完成迭代,防止程序退出
pass
thread.start_new_thread(fun, ())
def req_a():
print "开始处理请求req_a"
ret = yield long_io()
print "ret: %s" % ret
print "完成处理请求req_a"
def req_b():
print "开始处理请求req_b"
time.sleep(2)
print "完成处理请求req_b"
def main():
global gen
gen = req_a()
gen.next() # 开启生成器req_a的执行
req_b()
while 1:
pass
if __name__ == ‘__main__‘:
main()
执行过程:
开始处理请求req_a
开始处理请求req_b
开始执行IO操作
完成处理请求req_b
完成IO操作,并send结果唤醒挂起程序继续执行
ret: io result
完成处理请求req_a
升级版本
我们在上面编写出的版本虽然req_a的编写方式很类似与同步代码,但是在main中调用req_a的时候却不能将其简单的视为普通函数,而是需要作为生成器对待。
现在,我们试图尝试修改,让req_a与main的编写都类似与同步代码。
# coding:utf-8
import time
import thread
gen = None # 全局生成器,供long_io使用
def gen_coroutine(f):
def wrapper(*args, **kwargs):
global gen
gen = f()
gen.next()
return wrapper
def long_io():
def fun():
print "开始执行IO操作"
global gen
time.sleep(5)
try:
print "完成IO操作,并send结果唤醒挂起程序继续执行"
gen.send("io result") # 使用send返回结果并唤醒程序继续执行
except StopIteration: # 捕获生成器完成迭代,防止程序退出
pass
thread.start_new_thread(fun, ())
@gen_coroutine
def req_a():
print "开始处理请求req_a"
ret = yield long_io()
print "ret: %s" % ret
print "完成处理请求req_a"
def req_b():
print "开始处理请求req_b"
time.sleep(2)
print "完成处理请求req_b"
def main():
req_a()
req_b()
while 1:
pass
if __name__ == ‘__main__‘:
main()
执行过程:
开始处理请求req_a
开始处理请求req_b
开始执行IO操作
完成处理请求req_b
完成IO操作,并send结果唤醒挂起程序继续执行
ret: io result
完成处理请求req_a
最终版本
刚刚完成的版本依然不理想,因为存在一个全局变量gen来供long_io使用。我们现在再次改写程序,消除全局变量gen。
# coding:utf-8
import time
import thread
def gen_coroutine(f):
def wrapper(*args, **kwargs):
gen_f = f() # gen_f为生成器req_a
r = gen_f.next() # r为生成器long_io
def fun(g):
ret = g.next() # 执行生成器long_io
try:
gen_f.send(ret) # 将结果返回给req_a并使其继续执行
except StopIteration:
pass
thread.start_new_thread(fun, (r,))
return wrapper
def long_io():
print "开始执行IO操作"
time.sleep(5)
print "完成IO操作,yield回操作结果"
yield "io result"
@gen_coroutine
def req_a():
print "开始处理请求req_a"
ret = yield long_io()
print "ret: %s" % ret
print "完成处理请求req_a"
def req_b():
print "开始处理请求req_b"
time.sleep(2)
print "完成处理请求req_b"
def main():
req_a()
req_b()
while 1:
pass
if __name__ == ‘__main__‘:
main()
执行过程:
开始处理请求req_a
开始处理请求req_b
开始执行IO操作
完成处理请求req_b
完成IO操作,yield回操作结果
ret: io result
完成处理请求req_a
这个最终版本就是理解Tornado异步编程原理的最简易模型,但是,Tornado实现异步的机制不是线程,而是epoll,即将异步过程交给epoll执行并进行监视回调。
需要注意的一点是,我们实现的版本严格意义上来说不能算是协程,因为两个程序的挂起与唤醒是在两个线程上实现的,而Tornado利用epoll来实现异步,程序的挂起与唤醒始终在一个线程上,由Tornado自己来调度,属于真正意义上的协程。虽如此,并不妨碍我们理解Tornado异步编程的原理。
思考
- Tornado里的异步就是协程,这句话对吗?
- Tornado中出现yield就是异步,这句话对吗?
- 怎么理解yield将程序挂起?在Tornado中又如何理解yield挂起程序实现异步?
以上是关于Tornado 异步浅解的主要内容,如果未能解决你的问题,请参考以下文章
Python Web框架Tornado的异步处理代码演示样例