Tornado 高并发源码分析之六---异步编程的几种实现方式
Posted RobotZhu
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 高并发源码分析之六---异步编程的几种实现方式相关的知识,希望对你有一定的参考价值。
方式一:通过线程池或者进程池
导入库futures是python3自带的库,如果是python2,需要pip安装future这个库
备注:进程池和线程池写法相同
1 from concurrent.futures import ThreadPoolExecutor, ProcessPoolExecutor 2 from tornado.concurrent import run_on_executor 3 4 def doing(s): 5 print(‘xiumian--{}‘.format(s)) 6 time.sleep(s) 7 return s 8 9 class MyMainHandler(RequestHandler): 10 executor = ProcessPoolExecutor(2) #新建一个进程池,静态变量,属于类,所以全程只有这个几个进程,不需要关闭,如果放在__init__中,则属于对象,每次请求都会新建pool,当请求增多的时候,会导致今天变得非常多,这个方法不可取 11 12 @gen.coroutine 13 def get(self, *args, **kwargs): 14 print(‘开始{}‘.format(self.pool_temp)) 15 a = yield self.executor.submit(doing, 20) 16 print(‘进程 %s‘ % self.executor._processes) 17 self.write(str(a)) 18 print(‘执行完毕{}‘.format(a)) 19 20 @run_on_executor #tornado 另外一种写法,需要在静态变量中有executor的进程池变量 21 def post(self, *args, **kwargs): 22 a = yield doing(20)
方式二:Tornado + Celery + RabbitMQ 实现
使用Celery任务队列,Celery 只是一个任务队列,需要一个broker媒介,将耗时的任务传递给Celery任务队列执行,执行完毕将结果通过broker媒介返回。官方推荐使用RabbitMQ作为消息传递,redis也可以
一、Celery 介绍:
1.1、注意:
1、当使用RabbitMQ时,需要按照pika第三方库,pika0.10.0存在bug,无法获得回调信息,需要按照0.9.14版本即可
2、tornado-celery 库比较旧,无法适应Celery的最新版,会导致报无法导入task Producter包错误,只需要将celery版本按照在3.0.25就可以了
1.2、关于配置:
单个参数配置:
1 app.conf.CELERY_RESULT_BACKEND = ‘redis://localhost:6379/0‘
多个参数配置:
1 app.conf.update( 2 CELERY_BROKER_URL = ‘amqp://[email protected]//‘, 3 CELERY_RESULT_BACKEND = ‘redis://localhost:6379/0‘ 4 )
从配置文件中获取:(将配置参数写在文件app.py中)
1 BROKER_URL=‘amqp://[email protected]//‘ 2 CELERY_RESULT_BACKEND=‘redis://localhost:6379/0‘ 3 app.config_from_object(‘celeryconfig‘)
二、案例
2.1、启动一个Celery 任务队列,也就是消费者:
1 from celery import Celery 2 celery = Celery(‘tasks‘, broker=‘amqp://guest:[email protected]:5672‘, backend=‘amqp‘) 使用RabbitMQ作为载体, 回调也是使用rabbit作为载体 3 4 @celery.task(name=‘doing‘) #异步任务,需要命一个独一无二的名字 5 def doing(s, b): 6 print(‘开始任务‘) 7 logging.warning(‘开始任务--{}‘.format(s)) 8 time.sleep(s) 9 return s+b
命令行启动任务队列守护进程,当队列中有任务时,自动执行 (命令行可以放在supervisor中管理)
--loglevel=info --concurrency=5
记录等级,默认是concurrency:指定工作进程数量,默认是CPU核心数
2.2、启动任务生产者
1 import tcelery 2 tcelery.setup_nonblocking_producer() #设置为非阻塞生产者,否则无法获取回调信息 3 4 class MyMainHandler(RequestHandler): 5 6 @web.asynchronous 7 @gen.coroutine 8 def get(self, *args, **kwargs): 9 print(‘begin‘) 10 result = yield gen.Task(sleep.apply_async, args=[10]) #使用yield 获取异步返回值,会一直等待但是不阻塞其他请求 11 print(‘ok--{}‘.format(result.result)) #返回值结果 12 13 # sleep.apply_async((10, ), callback=self.on_success) 14 # print(‘ok -- {}‘.format(result.get(timeout=100)))#使用回调的方式获取返回值,发送任务之后,请求结束,所以不能放在处理tornado的请求任务当中,因为请求已经结束了,与客户端已经断开连接,无法再在获取返回值的回调中继续向客户端返回数据 15 16 # result = sleep.delay(10) #delay方法只是对apply_async方法的封装而已 17 # data = result.get(timeout=100) #使用get方法获取返回值,会导致阻塞,相当于同步执行 18 19 20 def on_success(self, response): #回调函数 21 print (‘Ok-- {}‘.format(response))
以上是关于Tornado 高并发源码分析之六---异步编程的几种实现方式的主要内容,如果未能解决你的问题,请参考以下文章
Tornado 高并发源码分析之三--- Application 对象