Python3之百万并发实现方法

python由于GIL(全局锁)的存在,不能发挥多核的优势,在IO密集型的网络编程里,异步处理比同步处理能提升成百上千倍的效率,弥补了python性能方面的短板。

python3.4版本引入asyncio到标准库,python2x没有加这个库,python3.5又加入了async/await特性。

同步/异步的概念

同步是指完成事务的逻辑,先执行第一个事务,如果阻塞了,会一直等待,直到这个事务完成,再执行第二个事务,顺序执行。

异步是和同步相对的,异步是指在处理调用这个事务的之后,不会等待这个事务的处理结果,直接处理第二个事务去了,通过状态、通知、回调来通知调用者处理结果。

asyncio

对比同步代码和异步代码编写方面的差异,其次看下两者性能上的差距,使用sleep(1)模拟耗时1秒的io操作。

同步代码

import time
​
def hello():
    time.sleep(1)
​
def run():
    for i in range(5):
        hello()
        print(time.time())
​
if __name__ == '__main__':
    run()
​
# 结果
# 间隔约是1s
​
# 1549956123.908849
# 1549956124.9128718
# 1549956125.9164648
# 1549956126.91946
# 1549956127.922292

异步代码

import asyncio
import time
​
​
# 定义异步函数
async def hello():
    asyncio.sleep(1)
    print(time.time())
​
​
def run():
    for i in range(5):
        loop.run_until_complete(hello())
​
​
loop = asyncio.get_event_loop()
if __name__ == '__main__':
    run()
​
# 结果
# 1549956258.2929049
# 1549956258.293014
# 1549956258.293063
# 1549956258.2931032
# 1549956258.293142
​
# async def 用来定义异步函数,其内部有异步操作。每个线程有一个事件循环,主线程调用asyncio.get_event_loop()时会创建事件循环,
# 你需要把异步的任务丢给这个循环的run_until_complete()方法,事件循环会安排协同程序的执行。

aiohttp

需要并发http请求怎么办呢,通常是用requests,但requests是同步的库,如果想异步的话需要引入aiohttp。

这里引入一个类,from aiohttp import ClientSession,首先要建立一个session对象,然后用session对象去打开网页。session可以进行多项操作,比如post, get, put, head等。

基本用法

async with ClientSession() as session:
    async with session.get(url='http://www.baidu.com/') as response:

首先async def 关键字定义了这是个异步函数,await 关键字加在需要等待的操作前面,response.read()等待request响应,是个好IO操作。然后使用ClientSession类发起http请求。

多链接异步访问

我们需要请求多个URL该怎么办呢,同步的做法访问多个URL只需要加个for循环就可以了。

但异步的实现方式并没那么容易,在之前的基础上需要将hello()包装在asyncio的Future对象中,然后将Future对象列表作为任务传递给事件循环。

#!/usr/bin/env python
# -*- coding: utf-8 -*-
import asyncio
from aiohttp import ClientSession
tasks = []
async def request_run(i):
    async with ClientSession() as session:
        async with session.get(url='http://www.baidu.com/') as response:
            response = await response.read()  # 返回报文
            print(i)
​
def run():
    for i in range(5):
        task = asyncio.ensure_future(request_run(i))
        tasks.append(task)
​
​
if __name__ == '__main__':
    loop = asyncio.get_event_loop()
    run()
    loop.run_until_complete(asyncio.wait(tasks))
​
# 输出
# 0
# 1
# 3
# 4
# 2

收集http响应

要把响应一一收集到一个列表中,最后保存到本地或者打印出来要怎么实现呢,可通过asyncio.gather(*tasks) 将响应全部收集起来,具体通过下面实例来演示。

#!/usr/bin/env python
# -*- coding: utf-8 -*-
import asyncio
from aiohttp import ClientSession
tasks = []
async def request_run(i):
    async with ClientSession() as session:
        async with session.get(url='http://www.baidu.com/') as response:
            response = await response.read()
            print(i)
            print(response)
            return response
​
def run():
    for i in range(5):
        task = asyncio.ensure_future(request_run(i))
        tasks.append(task)
    result = loop.run_until_complete(asyncio.gather(*tasks))
    print(result)
​
​
if __name__ == '__main__':
    loop = asyncio.get_event_loop()
    run()

关于ValueError: too many file descriptors in select()异常解决办法

假如你的并发达到2000个,程序会报错:ValueError: too many file descriptors in select()。

报错的原因字面上看是 Python 调取的 select 对打开的文件有最大数量的限制,这个其实是操作系统的限制,linux打开文件的最大数默认是1024,windows默认是509,超过了这个值,程序就开始报错。这里我们有三种方法解决这个问题:

1、限制并发数量。(一次不要塞那么多任务,或者限制最大并发数量) 2、使用回调的方式。 3、修改操作系统打开文件数的最大限制,在系统里有个配置文件可以修改默认值,具体步骤不再说明了。

不修改系统默认配置的话,个人推荐限制并发数的方法,设置并发数为500,处理速度更快。

#!/usr/bin/env python
# -*- coding: utf-8 -*-
import asyncio
import time
from aiohttp import ClientSession
tasks = []
a = time.time()
async def request_run(i, semaphore):
    async with semaphore:
        async with ClientSession() as session:
            async with session.get(url='https://segmentfault.com/q/1010000011211509') as response:
                response = await response.read()
                tasks.append(i)  # 可以存储返回结果
​
async def run():
    semaphore = asyncio.Semaphore(500)
    to_get = [request_run(i, semaphore) for i in range(1000)]  # 总共1000任务
    await asyncio.wait(to_get)
​
​
if __name__ == '__main__':
    loop = asyncio.get_event_loop()
    loop.run_until_complete(run())
    loop.close()
    print(tasks)
    b = time.time()
    print(b-a)

文源网络,仅供学习之用,如有侵权请联系删除。

在学习Python的道路上肯定会遇见困难,别慌,我这里有一套学习资料,包含40+本电子书,800+个教学视频,涉及Python基础、爬虫、框架、数据分析、机器学习等,不怕你学不会! https://shimo.im/docs/JWCghr8prjCVCxxK/ 《Python学习资料》

关注公众号【Python圈子】,优质文章每日送达。

Python3之百万并发实现方法_第1张图片

你可能感兴趣的:(Python3之百万并发实现方法)