Python 中的同步编程与异步编程（async）实例对比

作者: rollingstarky | 来源:发表于2019-10-11 20:21 被阅读0次

Python 中的同步编程与异步编程（async）实例对比
JS基础知识储备（异步编程，promise，Eventloop机
同步异步编程，微任务/宏任务
ajax
为什么要使用异步 PHP
（async 和 await）ECMAScript8
Python并发之异步I/O(async,await)
读书笔记#Java异步编程实战-上
AJAX入门
ES6学习--异步编程--Generator

同步程序（synchronous program）即每次只执行一个步骤，只有在当前操作的步骤彻底完成之后，才会移动到下一个步骤继续执行。
异步程序（asynchronous program）同样每次只接受一个操作步骤，但是它并不会等待当前的操作步骤执行完成后才移动到下一个步骤。

一、同步编程

下面的代码负责从队列（queue）中依次取出某个特定的任务并执行。队列是 Python 中的一种实现了 FIFO （先入先出）规则的数据结构，可以调用其 put() 和 get() 方法以相同的顺序存入和取出数据。

import queue


def task(name, work_queue):
    if work_queue.empty():
        print(f"Task {name} nothing to do")
    else:
        while not work_queue.empty():
            count = work_queue.get()
            total = 0
            print(f"Task {name} running")
            for x in range(count):
                total += 1
            print(f"Task {name} total: {total}")


def main():
    """
    This is the main entry point for the program.
    """
    # Create the queue of 'work'
    work_queue = queue.Queue()

    # Put some 'work' in the queue
    for work in [15, 10, 5, 2]:
        work_queue.put(work)

    # Create some synchronous tasks
    tasks = [
        (task, "One", work_queue),
        (task, "Two", work_queue)
    ]

    # Run the tasks
    for t, n, q in tasks:
        t(n, q)


if __name__ == "__main__":
    main()

# => Task One running
# => Task One total: 15
# => Task One running
# => Task One total: 10
# => Task One running
# => Task One total: 5
# => Task One running
# => Task One total: 2
# => Task Two nothing to do

其中的 task() 函数接收字符串和队列作为参数，可以从队列中不断地取出数字并完成计数动作，直到队列为空。
而 main() 函数则依次指派两个 task() 函数用于处理同一个队列中的数据。
从输出结果中可以看出，排在前面的 Task One 处理了队列中的所有数据，待数据处理完成即 Task One 中的循环退出之后，排在后面的 Task Two 继续执行，但已经没有任何数据需要处理。

二、协作

下面版本的程序允许两个工作函数共同处理位于同一队列中的多个任务，达到“协作”的效果。

import queue

def task(name, queue):
    while not queue.empty():
        count = queue.get()
        total = 0
        print(f"Task {name} running")
        for x in range(count):
            total += 1
            yield
        print(f"Task {name} total: {total}")

def main():
    """
    This is the main entry point for the program.
    """
    # Create the queue of 'work'
    work_queue = queue.Queue()

    # Put some 'work' in the queue
    for work in [15, 10, 5, 2]:
        work_queue.put(work)

    # Create some tasks
    tasks = [
        task("One", work_queue),
        task("Two", work_queue)
    ]

    # Run the tasks
    done = False
    while not done:
        for t in tasks:
            try:
                next(t)
            except StopIteration:
                tasks.remove(t)
            if len(tasks) == 0:
                done = True

if __name__ == "__main__":
    main()

# => Task One running
# => Task Two running
# => Task Two total: 10
# => Task Two running
# => Task One total: 15
# => Task One running
# => Task Two total: 5
# => Task One total: 2

代码中最关键的部分即 yield 关键字，它将 task() 函数转变成了生成器（generator）。

生成器函数和其他 Python 函数在调用时并没有太大区别，但是当生成器中的 yield 语句执行时，对程序的控制权会被返还给调用生成器的函数（caller）。
有趣的地方在于，还可以通过将生成器传递给 next() 函数，将程序的控制权再次转移给生成器本身。结合前面生成器中的 yield 关键字，最终达到在程序中来回切换上下文的效果。

上面的 main() 函数通过调用 next(t) 将程序控制权转移给某个 Task() 生成器，而 Task() 代码中的 yield 又会在执行完指派给它的某个任务之后，返回结果并将控制权还给 main() 主程序。而 main() 函数继续通过 next(t) 将队列中的下一个任务分配给另一个 Task() 执行，直到任务队列为空。
从输出结果中也可以看出，Task One 和 Task Two 都参与了队列中任务的处理。

虽然 Task Two total: 10 最后先于 Task One total: 15 输出，但并不代表该程序是异步执行的。Task Two 先输出的原因仅在于它执行的计数次数少。
从逻辑上看，这种通过生成器函数切换程序上下文的方式虽然使多个工作函数同时参与到了任务中，但仍旧总是在当前任务执行完之后才进行上下文的切换。因此仍属于同步程序。

三、阻塞式请求

下面的代码示例和上一个版本基本相同，只不过在 Task() 代码中使用 time.sleep(delay) 函数用于模拟阻塞请求，取代了之前的计数操作。
阻塞请求是指在一定时间内阻止 CPU 去处理其他任何事件的代码，比如 time.sleep(delay) 就会阻止 CPU 做其他任何操作直到等待的时间结束。

import time
import queue


def task(name, queue):
    while not queue.empty():
        delay = queue.get()
        start_time = time.time()
        print(f"Task {name} running")
        time.sleep(delay)
        print(f"Task {name} total elapsed time: {time.time() - start_time:.1f}")
        yield


def main():
    """
    This is the main entry point for the program.
    """
    # Create the queue of 'work'
    work_queue = queue.Queue()

    # Put some 'work' in the queue
    for work in [15, 10, 5, 2]:
        work_queue.put(work)

    tasks = [
        task("One", work_queue),
        task("Two", work_queue)
    ]

    # Run the tasks
    start_time = time.time()
    done = False
    while not done:
        for t in tasks:
            try:
                next(t)
            except StopIteration:
                tasks.remove(t)
            if len(tasks) == 0:
                done = True

    print(f"\nTotal elapsed time: {time.time() - start_time:.1f}")


if __name__ == "__main__":
    main()

# => Task One running
# => Task One total elapsed time: 15.0
# => Task Two running
# => Task Two total elapsed time: 10.0
# => Task One running
# => Task One total elapsed time: 5.0
# => Task Two running
# => Task Two total elapsed time: 2.0

# => Total elapsed time: 32.0

从输出的结果中可以看出，协作的方式并没有加速程序的运行。整个程序执行完耗费的全部时间刚好是阻塞代码引起的延迟时间之和。

四、非阻塞式请求

import asyncio
import time

async def task(name, work_queue):
    while not work_queue.empty():
        delay = await work_queue.get()
        start_time = time.time()
        print(f"Task {name} running")
        await asyncio.sleep(delay)
        print(f"Task {name} total elapsed time: {time.time() - start_time:.1f}")

async def main():
    """
    This is the main entry point for the program.
    """
    # Create the queue of 'work'
    work_queue = asyncio.Queue()

    # Put some 'work' in the queue
    for work in [15, 10, 5, 2]:
        await work_queue.put(work)

    # Run the tasks
    start_time = time.time()
    await asyncio.gather(
        asyncio.create_task(task("One", work_queue)),
        asyncio.create_task(task("Two", work_queue)),
    )
    print(f"\nTotal elapsed time: {time.time() - start_time:.1f}")

if __name__ == "__main__":
    asyncio.run(main())

# => Task One running
# => Task Two running
# => Task Two total elapsed time: 10.0
# => Task Two running
# => Task Two total elapsed time: 5.0
# => Task Two running
# => Task One total elapsed time: 15.0
# => Task Two total elapsed time: 2.0

# => Total elapsed time: 17.0

同上一个版本的程序不同，此处使用 await asyncio.sleep(delay) 替代了之前的 time.sleep(delay) 和 yield 语句，用来创建一个非阻塞的延迟并将程序控制权返还给调用者（即 main() 函数）。
而最后一行代码 asyncio.run(main()) 将创建一个事件循环（event loop），用于执行 main() 函数也就是两个 task() 实例。

事件循环是 Python 中 async 机制的核心内容，它负责调用执行所有的工作代码。当具体的某个工作任务在执行过程中遇到 await 语句时，则程序将控制权返还给主事件循环。
同时事件循环持续不断地监视着所有工作任务的状态，并根据触发的某个具体事件将程序控制权分配给对应的工作代码。由此保证 CPU 一直处于“紧张”状态，不会被某个 IO 密集型操作阻塞而处于等待状态。
await asyncio.sleep(delay) 对于 CPU 而言是非阻塞的。在处理该代码时，CPU 并不会等待延迟的时间结束，而是在事件循环的任务队列中注册一个 sleep 事件，紧接着将程序的控制权直接交还给了事件循环，由事件循环监视可能会触发的事件（比如延迟结束）并分配任务给工作代码。

五、同步 HTTP 请求

代码如下：

import queue
import requests
import time

def task(name, work_queue):
    with requests.Session() as session:
        while not work_queue.empty():
            url = work_queue.get()
            print(f"Task {name} getting URL: {url}")
            start = time.perf_counter()
            session.get(url)
            elapsed = time.perf_counter() - start
            print(f"Task {name} elapsed time: {elapsed}")
            yield

def main():
    """
    This is the main entry point for the program
    """
    # Create the queue of work
    work_queue = queue.Queue()

    # Put some work in the queue
    for url in [
        "https://www.baidu.com",
        "https://www.jianshu.com/",
        "https://www.jd.com/",
        "https://www.tmall.com/",
        "https://www.zhihu.com/",
        "https://www.douban.com/",
        "https://www.bilibili.com/",
    ]:
        work_queue.put(url)

    tasks = [task("One", work_queue), task("Two", work_queue)]

    # Run the tasks
    done = False
    
    start = time.perf_counter()
    while not done:
        for t in tasks:
            try:
                next(t)
            except StopIteration:
                tasks.remove(t)
            if len(tasks) == 0:
                done = True
    elapsed = time.perf_counter() - start
    print(f"Total elapsed time: {elapsed}")

if __name__ == "__main__":
    main()

# => Task One getting URL: https://www.baidu.com
# => Task One elapsed time: 0.1149543260000001
# => Task Two getting URL: https://www.jianshu.com/
# => Task Two elapsed time: 0.09059067599999993
# => Task One getting URL: https://www.jd.com/
# => Task One elapsed time: 0.06162170499999986
# => Task Two getting URL: https://www.tmall.com/
# => Task Two elapsed time: 0.16310405699999975
# => Task One getting URL: https://www.zhihu.com/
# => Task One elapsed time: 5.111851316
# => Task Two getting URL: https://www.douban.com/
# => Task Two elapsed time: 0.31463871600000015
# => Task One getting URL: https://www.bilibili.com/
# => Task One elapsed time: 0.18364096799999974
# => Total elapsed time: 6.082241783

六、异步 HTTP 请求

import asyncio
import aiohttp
import time

async def task(name, work_queue):
    
    async with aiohttp.ClientSession() as session:
        while not work_queue.empty():
            url = await work_queue.get()
            print(f"Task {name} getting URL: {url}")
            start = time.perf_counter()
            async with session.get(url) as response:
                await response.text()
            elapsed = time.perf_counter() - start
            print(f"Task {name} elapsed time: {elapsed}")

async def main():
    """
    This is the main entry point for the program
    """
    # Create the queue of work
    work_queue = asyncio.Queue()

    # Put some work in the queue
    for url in [
        "https://www.baidu.com",
        "https://www.jianshu.com/",
        "https://www.jd.com/",
        "https://www.tmall.com/",
        "https://www.zhihu.com/",
        "https://www.douban.com/",
        "https://www.bilibili.com/",
    ]:
        await work_queue.put(url)

    # Run the tasks
    start = time.perf_counter()
    await asyncio.gather(
        asyncio.create_task(task("One", work_queue)),
        asyncio.create_task(task("Two", work_queue)),
    )
    elapsed = time.perf_counter() - start
    print(f"Total elapsed time: {elapsed}")

if __name__ == "__main__":
    asyncio.run(main())

# => Task One getting URL: https://www.baidu.com
# => Task Two getting URL: https://www.jianshu.com/
# => Task One elapsed time: 0.21159282599999996
# => Task One getting URL: https://www.jd.com/
# => Task One elapsed time: 0.09301454900000006
# => Task One getting URL: https://www.tmall.com/
# => Task One elapsed time: 0.09578595199999995
# => Task One getting URL: https://www.zhihu.com/
# => Task Two elapsed time: 0.4948436540000001
# => Task Two getting URL: https://www.douban.com/
# => Task One elapsed time: 0.218484707
# => Task One getting URL: https://www.bilibili.com/
# => Task Two elapsed time: 0.2670722139999997
# => Task One elapsed time: 0.22822054000000014
# => Total elapsed time: 0.867767489

参考资料

Getting Started With Async Features in Python

Python 中的同步编程与异步编程（async）实例对比
同步程序（synchronous program）即每次只执行一个步骤，只有在当前操作的步骤彻底完成之后，才会移动...
JS基础知识储备（异步编程，promise，Eventloop机
一、异步编程 1、异步的概念异步（Asynchronous, async）是与同步（Synchronous, s...
同步异步编程，微任务/宏任务
同步异步编程异步的有：定时器事件绑定 Promise/async/await Ajax异步请求数...
ajax
ajax async javascript and xml在ajax的异步不是我们理解的同步异步编程，而是泛指局部...
为什么要使用异步 PHP
同步编程与异步编程的区别在讨论异步 PHP 的优点之前，让我们快速回顾一下同步编程模型和异步编程模型之间的区别。...
（async 和 await）ECMAScript8
async 和 awaitasync函数声明函数前面加async让异步代码像同步代码一样，也是异步编程的一种解决方...
Python并发之异步I/O(async,await)
Python并发之异步I/O(async,await) 背景 Python有很长一段的异步编程历史,特别是twis...
读书笔记#Java异步编程实战-上
Java异步编程实战 chap1 认识异步编程异步编程概念与作用在使用同步编程方式时，由于每个线程同时只能发起一...
AJAX入门
AJAX(Async Javascript and Xml)：在AJAX中的异步不是异步编程中的异步，而是泛指“局...
ES6学习--异步编程--Generator
异步编程 : (异步编程的语法目的就是让异步编程更像同步编程) 回调函数利用回调函数实现异步编程本身没有问题, 问...

Python 中的同步编程与异步编程（async）实例对比

一、同步编程

二、协作

三、阻塞式请求

四、非阻塞式请求

五、同步 HTTP 请求

六、异步 HTTP 请求

参考资料

相关文章

Python 中的同步编程与异步编程（async）实例对比

JS基础知识储备（异步编程，promise，Eventloop机

同步异步编程，微任务/宏任务

ajax

为什么要使用异步 PHP

（async 和 await）ECMAScript8

Python并发之异步I/O(async,await)

读书笔记#Java异步编程实战-上

AJAX入门

ES6学习--异步编程--Generator

网友评论

延伸阅读

深度阅读

栏目导航

热点阅读