在Python中实现异步编程,只需要这几步就够了


全文共2036字 , 预计学习时长6分钟
在Python中实现异步编程,只需要这几步就够了
本文插图
图源:unsplash
异步编程是并行编程的一种方式 。 单个工作单元独立于主应用程序线程运行 , 并通知调用线程其完成、失败情况或进度 。 下面这张图理解起来会更直观一些:
在Python中实现异步编程,只需要这几步就够了
本文插图
同步vs异步
同步编程很普遍 。 如图 , 请求1被发出后等待响应1;一旦得到响应1就发出请求2 , 然后等待它的响应 。 在上面的代码中 , 向函数传递参数“a”后等待函数返回更改后的值 , 然后再次调用以更改数字 , 最后再次得到响应 , 这就是同步编程 。
而对于异步编程来说 , 请求1被发出后 , 无需等响应1便可直接发出请求2 。 两个请求完成后得到两个响应 。 简单地说就是请求1和请求2是并行处理的 , 不等前一个请求的响应便提出新的请求 。
简言之 , 只要打开任务管理器(macOS中的活动监视器)就能看到多个应用程序同步运行;或者一个Python Shell在两个不同的终端窗口中运行 。 专业术语叫做多进程(MultiProcessing) , 顾名思义 , 即不止一个进程在运行 。
如何在Python中进行异步编程?
一个同步编程的示例代码如下:
deffun(length,a): b = a for i inrange(length): a+=1 print(''value of a before: ''+str(b)+'' now it's ''+str(a)) return a defmain(): r1 =fun(50000000,0) r2 =fun(100,12) r3 =fun(100,41) if __name__==''__main__'': main()
以上代码的输出:
在Python中实现异步编程,只需要这几步就够了
本文插图
这段代码传递了for循环的范围 。 执行代码耗时长达13.843秒 , 因为r1的范围是5000 , 所以耗时久 。 现在的问题是 , 必须先待r1任务完成 , 否则无法得到r2和r3 。 可能在得到r1之前就得到r2和r3吗?答案是肯定的 , 这正是异步编程的用武之地 。
首先用pip指令安装异步包 。
pip install asyncio
安装后 , 看一下新代码 。 使用异步包:
import asyncio asyncdeffun(length,a): b = a for i inrange(length): a+=1 if i %10000==0: await asyncio.sleep(0.0001) print(''value of a before: ''+str(b)+'' now it's ''+str(a)) return a asyncdefmain(): #creating subroutines. t1 = loop.create_task(fun(50000000,0)) t2 = loop.create_task(fun(100,12)) t3 = loop.create_task(fun(100,41)) await asyncio.wait([t1,t2,t3]) if __name__==''__main__'': loop = asyncio.get_event_loop() loop.run_until_complete(main()) loop.close()
首先观察该代码的输出 , 接下来讨论该代码:
在Python中实现异步编程,只需要这几步就够了
本文插图
输出-1
在Python中实现异步编程,只需要这几步就够了
本文插图
输出-2
输出-1中首先能得到t2和t3进程的结果 , 然后在输出-2的截图中得到了t1进程的结果 , 这是异步编程的功劳 。 t1进程耗时最长 , 所以它的结果最后产生 , 且t1、t2和t3进程均并行运行 。 异步编程的好处就在于不必等待任何进程的结果 , 便可获得下一个进程的结果 。
让我们讨论一下此代码 。
首先 , 在if __name__==''__main__''中定义了asyncio.get_event_loop() , 并将这个循环作为处理循环事件的异步对象 。 然后创建一个main的例行程序 , 并设置条件:若main没完成则继续循环 。 每次异步 , 都要进行loop.close()的编程 , 否则结果就会错误或异常 。


推荐阅读