peewee 和 peewee-async：为啥异步速度较慢

Posted 2023-03-30

【中文标题】peewee 和 peewee-async：为啥异步速度较慢

【英文标题】：peewee and peewee-async: why is async slowerpeewee 和 peewee-async：为什么异步速度较慢

【发布时间】：2016-10-01 06:37:17

【问题描述】：

我正试图围绕 Tornado 和与 Postgresql 的异步连接。我在http://peewee-async.readthedocs.io/en/latest/ 找到了一个可以执行此操作的库。

我设计了一个小测试来比较传统的 Peewee 和 Peewee-async，但不知何故异步的工作速度较慢。

这是我的应用程序：

import peewee
import tornado.web
import logging
import asyncio
import peewee_async
import tornado.gen
import tornado.httpclient
from tornado.platform.asyncio import AsyncIOMainLoop

AsyncIOMainLoop().install()
app = tornado.web.Application(debug=True)
app.listen(port=8888)

# ===========
# Defining Async model
async_db = peewee_async.PooledPostgresqlDatabase(
    'reminderbot',
    user='reminderbot',
    password='reminderbot',
    host='localhost'
)
app.objects = peewee_async.Manager(async_db)
class AsyncHuman(peewee.Model):
    first_name = peewee.CharField()
    messenger_id = peewee.CharField()
    class Meta:
        database = async_db
        db_table = 'chats_human'


# ==========
# Defining Sync model
sync_db = peewee.PostgresqlDatabase(
    'reminderbot',
    user='reminderbot',
    password='reminderbot',
    host='localhost'
)
class SyncHuman(peewee.Model):
    first_name = peewee.CharField()
    messenger_id = peewee.CharField()
    class Meta:
        database = sync_db
        db_table = 'chats_human'

# defining two handlers - async and sync
class AsyncHandler(tornado.web.RequestHandler):

    async def get(self):
        """
        An asynchronous way to create an object and return its ID
        """
        obj = await self.application.objects.create(
            AsyncHuman, messenger_id='12345')
        self.write(
            'id': obj.id,
             'messenger_id': obj.messenger_id
        )


class SyncHandler(tornado.web.RequestHandler):

    def get(self):
        """
        An traditional synchronous way
        """
        obj = SyncHuman.create(messenger_id='12345')
        self.write(
            'id': obj.id,
            'messenger_id': obj.messenger_id
        )


app.add_handlers('', [
    (r"/receive_async", AsyncHandler),
    (r"/receive_sync", SyncHandler),
])

# Run loop
loop = asyncio.get_event_loop()
try:
    loop.run_forever()
except KeyboardInterrupt:
    print(" server stopped")

这就是我从 Apache Benchmark 得到的：

ab -n 100 -c 100 http://127.0.0.1:8888/receive_async

Connection Times (ms)
              min  mean[+/-sd] median   max
Connect:        2    4   1.5      5       7
Processing:   621 1049 256.6   1054    1486
Waiting:      621 1048 256.6   1053    1485
Total:        628 1053 255.3   1058    1492

Percentage of the requests served within a certain time (ms)
  50%   1058
  66%   1196
  75%   1274
  80%   1324
  90%   1409
  95%   1452
  98%   1485
  99%   1492
 100%   1492 (longest request)




ab -n 100 -c 100 http://127.0.0.1:8888/receive_sync
Connection Times (ms)
              min  mean[+/-sd] median   max
Connect:        2    5   1.9      5       8
Processing:     8  476 277.7    479    1052
Waiting:        7  476 277.7    478    1052
Total:         15  481 276.2    483    1060

Percentage of the requests served within a certain time (ms)
  50%    483
  66%    629
  75%    714
  80%    759
  90%    853
  95%    899
  98%   1051
  99%   1060
 100%   1060 (longest request)

为什么同步更快？我缺少的瓶颈在哪里？

【参考方案1】：

详细解释：

http://techspot.zzzeek.org/2015/02/15/asynchronous-python-and-databases/

简单解释一下：同步 Python 代码很简单，主要在标准库的 socket 模块中实现，它是纯 C。异步 Python 代码比同步代码更复杂。每个请求都需要多次执行主事件循环代码，这些代码是用 Python 编写的（此处为 asyncio 案例），因此与 C 代码相比有很多开销。

像您这样的基准测试显着显示了异步的开销，因为您的应用程序和数据库之间没有网络延迟，并且您正在执行大量非常小的数据库操作。由于基准测试的每个其他方面都很快，因此事件循环逻辑的这么多执行增加了总运行时间的很大一部分。

上面链接的 Mike Bayer 的论点是，像这样的低延迟场景是数据库应用程序的典型情况，因此不应在事件循环上运行数据库操作。

异步最适合高延迟场景，例如 websocket 和网络爬虫，在这些场景中，应用程序大部分时间都在等待对等方，而不是大部分时间都在执行 Python。

总结：如果您的应用程序有充分的理由使用异步（它处理速度较慢的对等点），那么为了代码一致，使用异步数据库驱动程序是一个好主意，但会产生一些开销。

如果您出于其他原因不需要异步，请不要进行异步数据库调用，因为它们有点慢。

【讨论】：

那么像 Sanic github.com/channelcat/sanic 这样的异步 Web 框架可以加速吗？它使用Python3.5 + uvloop

【参考方案2】：

数据库 ORM 为异步架构引入了许多复杂性。 ORM 中有几个地方可能会发生阻塞，并且可能难以改变为异步形式。发生阻塞的位置也可能因数据库而异。我猜你的结果为什么这么慢是因为有很多未优化的事件循环调用（我可能大错特错，这些天我主要使用 SQLAlchemy 或原始 SQL）。根据我的经验，在线程中执行数据库代码并在可用时产生结果通常更快。我真的不能代表 PeeWee，但 SQLAlchemy 非常适合在多个线程中运行，并且没有太多缺点（但确实存在的缺点非常烦人）。

我建议您使用ThreadPoolExecutor 和同步 Peewee 模块尝试您的实验，并在线程中运行数据库函数。您将不得不对您的主代码进行更改，但是如果您问我，这将是值得的。例如，假设您选择使用回调代码，那么您的 ORM 查询可能如下所示：

from concurrent.futures import ThreadPoolExecutor

executor = ThreadPoolExecutor(max_workers=10)

def queryByName(name):
    query = executor.submit(db_model.findOne, name=name)
    query.add_done_callback(processResult)

def processResult(query):
    orm_obj = query.results()
    # do stuff with the results

您可以在协程中使用yeild from 或await，但这对我来说有点问题。另外，我还不太精通协程。只要开发人员注意死锁、数据库会话和事务，这个 sn-p 应该可以很好地与 Tornado 配合使用。如果线程出现问题，这些因素确实会减慢您的应用程序。

如果您喜欢冒险，MagicStack（asyncio 背后的公司）有一个名为 asyncpg 的项目，它应该非常快！我一直想尝试，但还没有找到时间:(

【讨论】：

我可以同意你的大部分回答，但是这句话：“MagicStack（asyncio 背后的公司）”错误地引出了他们负责的想法或 asyncio 的作者。他们为 async/await 做出了贡献，但这使得他们只不过是另一个贡献者，系统中的另一个部分。无论如何，我支持你，因为你的例子很有用，可以帮助其他操作人员在该领域进行研究。