擒贼先擒王

【进阶】 --- 多线程、多进程、异步IO 实用例子

asyncio 官方文档：https://docs.python.org/zh-cn/3.10/library/asyncio.html
多线程、多进程、异步IO实用例子：https://blog.csdn.net/lu8000/article/details/82315576
python之爬虫_并发（串行、多线程、多进程、异步IO）：https://www.cnblogs.com/fat39/archive/2004/01/13/9044474.html
Python并发总结:多线程，多进程，异步IO：https://www.cnblogs.com/junmoxiao/p/11948993.html
关于asyncio异步io并发编程：https://zhuanlan.zhihu.com/p/158641367
Python中协程异步IO（asyncio）详解

：https://zhuanlan.zhihu.com/zarten
：https://zhuanlan.zhihu.com/p/59621713

asyncio:异步I/O、事件循环和并发工具：https://www.cnblogs.com/sidianok/p/12210857.html

在编写爬虫时，性能的消耗主要在IO请求中，当单进程单线程模式下请求URL时必然会引起等待，从而使得请求整体变慢。

httpie：HTTPie 使用详解：https://zhuanlan.zhihu.com/p/45093545
grequests，Requests + Gevent，访问：https://github.com/kennethreitz/grequests
gevent，一个高并发的网络性能库，访问：http://www.gevent.org/
twisted，基于事件驱动的网络引擎框架。访问：https://twistedmatrix.com/trac/

支持 asyncio 的异步 Python 库：https://github.com/aio-libs

一、多线程、多进程
        1.同步执行
        2.多线程执行
        3.多线程 + 回调函数执行
        4.多进程执行
        5.多进程 + 回调函数执行

二、异步
        1.asyncio 示例 1
          asyncio 示例 2
          python 异步编程之 asyncio（百万并发）
         学习 python 高并发模块 asynio
        2.asyncio + aiohttp
        3.asyncio + requests
        4.gevent + requests
        5.grequests
        6.Twisted示例
        7.Tornado
        8.Twisted更多
        9.史上最牛逼的异步 IO 模块

一、多线程、多进程

1. 同步执行

示例 1（同步执行）：

import requests
import time
from lxml import etree

url_list = [
    'https://so.gushiwen.cn/shiwens/',
    'https://so.gushiwen.cn/mingjus/',
    'https://so.gushiwen.cn/authors/',
]


def get_title(url: str):
    headers = {
        'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 '
                      '(KHTML, like Gecko) Chrome/86.0.4240.183 Safari/537.36'
    }
    resp = requests.get(url, headers=headers)
    resp.encoding = 'utf-8'
    if 200 == resp.status_code:
        print(resp.text)
    else:
        print(f'[status_code:{resp.status_code}]:{r.url}')


if __name__ == '__main__':
    start = time.time()
    for url in url_list:
        get_title(url)
    print(f'cost time: {time.time() - start}s')

使用 httpx 模块的同步调用（ httpx 可同步，可异步 ）

import time
import httpx


def make_request(client):
    resp = client.get('https://httpbin.org/get')
    result = resp.json()
    print(f'status_code : {resp.status_code}')
    assert 200 == resp.status_code


def main():
    session = httpx.Client()
    # 100 次调用
    for _ in range(10):
        make_request(session)


if __name__ == '__main__':
    # 开始
    start = time.time()
    main()
    # 结束
    end = time.time()
    print(f'同步：发送100次请求，耗时：{end - start}')

2. 多线程执行（线程池）

线程池：字面意思就是线程的池子，例如创建一个 10个线程的池子，里面有10个线程，假设有100个任务，可以同时把这 100个任务全部加到线程池里面，但是同一时间只有10个线程执行10个任务，每当一个线程执行完成一个任务时，就会自动继续执行下一个任务，直到100个任务全部执行完毕，

from concurrent.futures import ThreadPoolExecutor
import requests


def fetch_sync(r_url):
    response = requests.get(r_url)
    print(f"{r_url} ---> {response.status_code}")


url_list = [
    'https://www.baidu.com',
    'https://www.bing.com'
]
pool = ThreadPoolExecutor(5)
for url in url_list:
    pool.submit(fetch_sync, url)
pool.shutdown(wait=True)

3. 多线程 + 回调函数执行

from concurrent.futures import ThreadPoolExecutor
import requests


def fetch_sync(r_url):
    response = requests.get(r_url, verify=False)
    return response


def callback(future):
    resp = future.result()
    print(f"{resp.url} ---> {resp.status_code}")


url_list = [
    'https://www.baidu.com',
    'https://www.bing.com'
]
pool = ThreadPoolExecutor(5)
for url in url_list:
    v = pool.submit(fetch_sync, url)
    v.add_done_callback(callback)
pool.shutdown(wait=True)

4. 多进程执行 ( 进程池 )

import requests
from concurrent import futures


def fetch_sync(r_url):
    response = requests.get(r_url)
    return response


if __name__ == '__main__':
    url_list = [
        'https://www.baidu.com',
        'https://www.bing.com'
    ]
    with futures.ProcessPoolExecutor(5) as executor:
        res = [executor.submit(fetch_sync, url) for url in url_list]
    print(res)

示例：

import requests
from concurrent import futures
import time
import urllib3
urllib3.disable_warnings(urllib3.exceptions.InsecureRequestWarning)


def fetch_sync(args):
    i, r_url = args
    print(f'index : {i}')
    response = requests.get(r_url, verify=False)
    time.sleep(2)
    return response.status_code


def callback(future):
    print(future.result())


if __name__ == '__main__':
    # url_list = ['https://www.github.com', 'https://www.bing.com']
    url = 'https://www.github.com'
    with futures.ProcessPoolExecutor(5) as executor:
        for index in range(1000):
            v = executor.submit(fetch_sync, (index, url))
            v.add_done_callback(callback)
    pass

5. 多进程 + 回调函数执行

import requests
from concurrent import futures


def fetch_sync(r_url):
    response = requests.get(r_url, verify=False)
    return response


def callback(future):
    print(future.result())


if __name__ == '__main__':
    url_list = ['https://www.github.com', 'https://www.bing.com']
    with futures.ProcessPoolExecutor(5) as executor:
        for url in url_list:
            v = executor.submit(fetch_sync, url)
            v.add_done_callback(callback)
    pass

示例 ( 返回值顺序不确定 )：

from concurrent.futures import ProcessPoolExecutor


def func_test(*args, **kwargs):
    print(kwargs)
    return kwargs


def func_callback(*args, **kwargs):
    print(kwargs)


def main():
    with ProcessPoolExecutor(3) as tp:
        for i in range(100):
            # 异步阻塞，回调函数，给ret对象绑定一个回调函数。
            # 等ret对应的任务有了结果之后，立即调用 func_callback 这个函数
            # 就可以立即对函数进行处理，而不是按照顺序接受结果，处理结果
            ret = tp.submit(func_test, index=i)
            ret.add_done_callback(func_callback)


if __name__ == '__main__':
    main()
    pass

按顺序获取结果 ( 返回值顺序确定 )：使用 map 函数

from concurrent.futures import ProcessPoolExecutor


def func_test(*args, **kwargs):
    print(args)
    return args


def main():
    with ProcessPoolExecutor(3) as tp:
        temp_list = [{'index': index} for index in range(100)]
        # print({'index': index} for index in range(100))
        result = tp.map(func_test, temp_list)
        print(f"result ---> {list(result)}")


if __name__ == '__main__':
    main()
    pass

使用队列

import requests
from lxml import etree
from multiprocessing import Process, Queue


def get_image_src(q=None):
    url = "http://www.umeituku.com/meinvtupian/"
    response = requests.get(url)
    response.encoding = 'utf-8'
    s_html = etree.HTML(text=response.text)
    s_all_li = s_html.xpath('//div[@class="TypeList"]//li/a/@href')
    # print(s_all_li)
    for url in s_all_li:
        q.put(url)
    else:
        # 添加标识，取到这个时说明已经没有任务
        q.put("任务添加结束")


def download_image(q=None):
    while True:
        task = q.get()  # 如果队列里面没数据，就会阻塞
        print(task)
        if "任务添加结束" == task:
            # 取到标识，直接退出循环
            print("任务结束")
            break
    pass


if __name__ == '__main__':
    url_queue = Queue()
    
    # url_queue 必须参数参过去才能实现共享
    p1 = Process(target=get_image_src, args=(url_queue,))
    p2 = Process(target=download_image,  args=(url_queue,))
    p1.start()
    p2.start()
    pass

异步队列

import asyncio
import aiohttp
import aiofiles
from queue import Queue
from lxml import etree

url_queue = asyncio.Queue()


async def get_image_src(q=None):
    url = "http://www.umeituku.com/meinvtupian/"
    async with aiohttp.ClientSession() as session:
        async with session.get(url) as resp:
            html = await resp.text()
            s_html = etree.HTML(text=html)
            s_all_li = s_html.xpath('//div[@class="TypeList"]//li/a/@href')
            # print(s_all_li)
            for url in s_all_li:
                await q.put(url)
            else:
                # 添加标识，取到这个时说明已经没有任务
                await q.put("任务添加结束")


async def download_image(q=None):
    while True:
        task = await q.get()  # 如果队列里面没数据，就会阻塞
        print(task)
        if "任务添加结束" == task:
            # 取到标识，直接退出循环
            print("任务结束")
            break
    pass


async def main():
    task_list = [
        asyncio.create_task(get_image_src(q=url_queue)),
        asyncio.create_task(download_image(q=url_queue)),
    ]
    await asyncio.wait(task_list)


if __name__ == '__main__':
    asyncio.run(main())
    pass

示例：

import asyncio
import aiohttp
from asyncio import Queue
from lxml import etree

index = 1
url_queue = Queue()


async def get_every_chapter_url():
    url = 'https://www.zanghaihua.org/book/40626/'
    async with aiohttp.ClientSession() as session:
        async with session.get(url) as resp:
            html = await resp.text()
            s_html = etree.HTML(text=html)
            all_chapter = s_html.xpath('//div[@class="section-box"]//li//a/@href')
            temp_list = [f'https://www.zanghaihua.org/book/40626/{item}' for item in all_chapter]
            print(f"章节数量 ---> {len(temp_list)}")
        task_list = [asyncio.create_task(download(item)) for item in temp_list]
        await asyncio.wait(task_list)
    pass


async def download(url=None):
    global index
    async with aiohttp.ClientSession() as session:
        async with session.get(url) as resp:
            html = await resp.text()
            # print(html)
            print(f"[{index}]url ---> {url}")
            index += 1
    pass


def main():
    asyncio.run(get_every_chapter_url())


if __name__ == '__main__':
    main()
    pass

二、异步

协程只能运行在 事件循环 中。对于 事件循环，可以动态的增加协程 到 事件循环 中， 而不是在一开始就确定所有需要协程。
默认情况下 asyncio.get_event_loop() 是一个 select模型 的 事件循环。
默认的 asyncio.get_event_loop() 事件循环属于主线程。

参考 python asyncio 协程：https://blog.csdn.net/dashoumeixi/article/details/81001681

提示：一般是一个线程一个事件循环，为什么要一个线程一个事件循环？

如果你要使用多个事件循环，创建线程后调用：

lp = asyncio.new_event_loop() # 创建一个新的事件循环
asyncio.set_event_loop(lp) # 设置当前线程的事件循环

核心思想: yield from / await 就这2个关键字，运行(驱动)一个协程，同时交出当前函数的控制权，让事件循环执行下个任务。

yield from 的实现原理：https://blog.csdn.net/dashoumeixi/article/details/84076812

要搞懂 asyncio 协程，还是先把生成器弄懂，如果对生成器很模糊，比如 yield from 生成器对象，这个看不懂的话,建议先看：python生成器 yield from：https://blog.csdn.net/dashoumeixi/article/details/80936798

有 2 种方式让协程运行起来，协程(生成器)本身是不运行的

1. await / yield from 协程，这一组能等待协程完成。

2. asyncio.ensure_future / async(协程) ，这一组不需要等待协程完成。

注意：

1. 协程就是生成器的增强版 ( 多了send 与 yield 的接收 )，在 asyncio 中的协程与生成器对象不同点:
asyncio协程：函数内部不能使用 yield [如果使用会抛RuntimeError]，只能使用 yield from / await,
一般的生成器： yield 或 yield from 2个都能用，至少使用一个。这 2个本来就是一回事，协程只是不能使用 yield

2. 在 asycio 中 所有的协程 都被自动包装成一个个 Task / Future 对象，但其本质还是一个生成器，因此可以 yield from / await Task/Futrue

基本流程：

1. 定义一个协程 (async def 或者 @asyncio.coroutine 装饰的函数)
2. 调用上述函数，获取一个协程对象【不能使用yield，除非你自己写异步模块，毕竟最终所调用的还是基于yield的生成器函数】。通过 asyncio.ensure_future 或 asyncio.async 函数调度协程(这部意味着要开始执行了) ，返回了一个 Task 对象，Task对象是 Future对象的子类， ( 这步可作可不作，只要是一个协程对象，一旦扔进事件队列中，将自动给你封装成Task对象 )
3. 获取一个事件循环 asyncio.get_event_loop() ，默认此事件循环属于主线程
4. 等待事件循环调度协程

后面的例子着重说明了一下 as_completed，附加了源码。先说明一下：

1. as_completed 每次迭代返回一个协程，
2. 这个协程内部从 Queue 中取出先完成的 Future 对象
3. 然后我们再 await coroutine

示例 1：

import asyncio

"""
 用async def (新语法) 定义一个函数,同时返回值
 asyncio.sleep 模拟IO阻塞情况 ; await 相当于 yield from.
 await 或者 yield from 交出函数控制权(中断),让事件循环执行下个任务 ,一边等待后面的协程完成
"""


async def func(i):
    print('start')
    await asyncio.sleep(i)  # 交出控制权
    print('done')
    return i


co = func(2)  # 产生协程对象
print(co)
lp = asyncio.get_event_loop()     # 获取事件循环
task = asyncio.ensure_future(co)  # 开始调度
lp.run_until_complete(task)       # 等待完成
print(task.result())              # 获取结果

添加回调

示例 1：

import asyncio

"""
 添加一个回调:add_done_callback
"""


async def func(i):
    print('start')
    await asyncio.sleep(i)
    return i


def call_back(v):
    print('callback , arg:', v, 'result:', v.result())


if __name__ == '__main__':
    co = func(2)  # 产生协程对象
    lp = asyncio.get_event_loop()  # 获取事件循环
    # task = asyncio.run_coroutine_threadsafe(co)  # 开始调度
    task = asyncio.ensure_future(co)  # 开始调度
    task.add_done_callback(call_back)  # 增加回调
    lp.run_until_complete(task)  # 等待
    print(task.result())  # 获取结果

子协程调用原理图

官方的一个实例如下

从下面的原理图我们可以看到

1 当 事件循环 处于运行状态的时候，任务Task 处于pending（等待），会把控制权交给委托生成器 print_sum

2  委托生成器 print_sum 会建立一个双向通道为Task和子生成器，调用子生成器compute并把值传递过去

3  子生成器compute会通过委托生成器建立的双向通道把自己当前的状态suspending(暂停)传给Task，Task 告诉 loop 它数据还没处理完成

4  loop 会循环检测 Task ，Task 通过双向通道去看自生成器是否处理完成

5 子生成器处理完成后会向委托生成器抛出一个异常和计算的值，并关闭生成器

6 委托生成器再把异常抛给任务（Task），把任务关闭

7  loop 停止循环

call_soon、call_at、call_later、call_soon_threadsafe

call_soon 循环开始检测时，立即执行一个回调函数
call_at 循环开始的第几秒s执行
call_later 循环开始后10s后执行
call_soom_threadsafe 立即执行一个安全的线程

import asyncio

import time


def call_back(str_var, loop):
    print("success time {}".format(str_var))


def stop_loop(str_var, loop):
    time.sleep(str_var)
    loop.stop()


# call_later, call_at
if __name__ == "__main__":
    event_loop = asyncio.get_event_loop()
    event_loop.call_soon(call_back, 'loop 循环开始检测立即执行', event_loop)
    now = event_loop.time()  # loop 循环时间
    event_loop.call_at(now + 2, call_back, 2, event_loop)
    event_loop.call_at(now + 1, call_back, 1, event_loop)
    event_loop.call_at(now + 3, call_back, 3, event_loop)
    event_loop.call_later(6, call_back, "6s后执行", event_loop)
    # event_loop.call_soon_threadsafe(stop_loop, event_loop)
    event_loop.run_forever()

( * ) 多线程、协程关联 ( * )

asyncio 就是遍历 event_loop 获取消息，是一个单线程阻塞函数。在遍历循环过程中如果遇到某个协程阻塞就会卡住，一直等待结果返回，这时候就需要用到多线程防止阻塞。run_coroutine_threadsafe函数在新线程中建立新event_loop，可以动态添加协程，

async 的 get_event_loop和new_event_loop的使用

首先，event loop 就是一个普通 Python 对象，您可以通过 asyncio.new_event_loop() 创建无数个 event loop 对象。只不过，loop.run_xxx() 家族的函数都是阻塞的，比如 run_until_complete() 会等到给定的 coroutine 完成再结束，而 run_forever() 则会永远阻塞当前线程，直到有人停止了该 event loop 为止。所以在同一个线程里，两个 event loop 无法同时 run，但这不能阻止您用两个线程分别跑两个 event loop。

初始情况下，get_event_loop() 只会在主线程帮您创建新的 event loop，并且在主线程中多次调用始终返回该 event loop；而在其他线程中调用 get_event_loop() 则会报错，除非您在这些线程里面手动调用过 set_event_loop()。

总结：想要运用协程，首先要生成一个loop对象，然后loop.run_xxx()就可以运行协程了，而如何创建这个loop, 方法有两种：对于主线程是loop=get_event_loop(). 对于其他线程需要首先loop=new_event_loop(),然后set_event_loop(loop)。
new_event_loop()是创建一个event loop对象，而set_event_loop(eventloop对象)是将event loop对象指定为当前协程的event loop，一个协程内只允许运行一个event loop，不要一个协程有两个event loop交替运行。

Python Asyncio与多线程/多进程那些事

：https://zhuanlan.zhihu.com/p/38575715

asyncio 的事件循环不是线程安全的，一个event loop只能在一个线程内调度和执行任务，并且同一时间只有一个任务在运行，这可以在asyncio的源码中观察到，当程序调用get_event_loop获取event loop时，会从一个本地的Thread Local对象获取属于当前线程的event loop：

class _Local(threading.local):
    _loop = None
    _set_called = False

def get_event_loop(self):
    """Get the event loop.

    This may be None or an instance of EventLoop.
    """
    if (self._local._loop is None and
            not self._local._set_called and
            isinstance(threading.current_thread(), threading._MainThread)):
        self.set_event_loop(self.new_event_loop())

    if self._local._loop is None:
        raise RuntimeError('There is no current event loop in thread %r.'
                            % threading.current_thread().name)

    return self._local._loop

在主线程中，调用get_event_loop总能返回属于主线程的event loop对象，如果是处于非主线程中，还需要调用set_event_loop方法指定一个event loop对象，这样get_event_loop才会获取到被标记的event loop对象：

def set_event_loop(self, loop):
    """Set the event loop."""
    self._local._set_called = True
    assert loop is None or isinstance(loop, AbstractEventLoop)
    self._local._loop = loop

那么如果 event loop 在A线程中运行的话，B线程能使用它来调度任务吗？

答案是：不能。这可以在下面这个例子中被观察到：

import asyncio
import threading

def task():
    print("task")

def run_loop_inside_thread(loop):
    loop.run_forever()

loop = asyncio.get_event_loop()
threading.Thread(target=run_loop_inside_thread, args=(loop,)).start()
loop.call_soon(task)

主线程新建了一个event loop对象，接着这个event loop会在派生的一个线程中运行，这时候主线程想在event loop上调度一个工作函数，然而结果却是什么都没有输出。

为此，asyncio 提供了一个call_soon_threadsafe的方法，专门解决针对线程安全的调用：

import asyncio
import threading
import time


def task_1():
    while True:
        print("task_1")
        time.sleep(1)


def task_2():
    while True:
        print("task_2")
        time.sleep(1)


def run_loop_inside_thread(loop=None):
    loop.run_forever()


loop = asyncio.get_event_loop()
threading.Thread(target=run_loop_inside_thread, args=(loop,)).start()
loop.call_soon_threadsafe(task_1)
loop.call_soon_threadsafe(task_2)

指定事件循环运行协程

import asyncio
import threading
import time


async def task_1():
    while True:
        print("task_1")
        # time.sleep(1)
        await asyncio.sleep(1)


async def task_2():
    while True:
        print("task_2")
        # time.sleep(1)
        await asyncio.sleep(1)


def run_loop_inside_thread(loop=None):
    asyncio.set_event_loop(loop)
    loop.run_forever()


thread_loop = asyncio.new_event_loop()
t = threading.Thread(target=run_loop_inside_thread, args=(thread_loop, ))
t.start()
asyncio.run_coroutine_threadsafe(task_1(), thread_loop)
asyncio.run_coroutine_threadsafe(task_2(), thread_loop)

示例：

import time
import asyncio
import threading


async def worker_1(index=None):
    while True:
        await asyncio.sleep(1)
        print(f"worker_1 ---> {index}")


async def worker_2(index=None):
    while True:
        await asyncio.sleep(1)
        print(f"worker_2 ---> {index}")


async def add_task():
    for index in range(100):
        # 将不同参数main这个协程循环注册到运行在线程中的循环，
        # thread_loop会获得一循环任务
        # 注意：run_coroutine_threadsafe 这个方法只能用在运行在线程中的循环事件使用
        asyncio.run_coroutine_threadsafe(worker_1(index), thread_loop)
        asyncio.run_coroutine_threadsafe(worker_2(index), thread_loop)


def loop_in_thread(loop: asyncio.AbstractEventLoop = None):
    #  运行事件循环， loop 以参数的形式传递进来运行
    asyncio.set_event_loop(loop)
    loop.run_forever()


if __name__ == '__main__':
    # 获取一个事件循环
    thread_loop = asyncio.new_event_loop()
    # 将次事件循环运行在一个线程中，防止阻塞当前主线程，运行线程，同时协程事件循环也会运行
    threading.Thread(target=loop_in_thread, args=(thread_loop,)).start()

    # 将生产任务的协程注册到这个循环中
    main_loop = asyncio.get_event_loop()
    # 运行次循环
    main_loop.run_until_complete(add_task())

共用一个事件循环

import time
import asyncio


def blocking_io():
    print(f"开始 blocking_io ---> {time.strftime('%X')}")
    # Note that time.sleep() can be replaced with any blocking
    # IO-bound operation, such as file operations.
    time.sleep(5)
    print(f"完成 blocking_io ---> {time.strftime('%X')}")


async def func_task():
    print('\nfunc_task\n')


async def main():
    print(f"开始 main ---> {time.strftime('%X')}")

    await asyncio.gather(
        asyncio.to_thread(blocking_io),
        func_task(),
        asyncio.sleep(1),
    )

    print(f"完成 main ---> {time.strftime('%X')}")

"""
在任何协程中直接调用 blocking_io() 会在其持续时间内阻塞事件循环，从而导致额外的 5 秒运行时间。
相反，通过使用 asyncio.to_thread() ，我们可以在单独的线程中运行它而不会阻塞事件循环。
"""

asyncio.run(main())

不同线程中的事件循环

事件循环中维护了一个队列(FIFO, Queue) ，通过另一种方式来调用：

import time
import datetime
import asyncio

"""
 事件循环中维护了一个FIFO队列
 通过call_soon 通知事件循环来调度一个函数.
"""


def func(x):
    print(f'x:{x}, start time:{datetime.datetime.now().replace(microsecond=0)}')
    time.sleep(x)
    print(f'func invoked:{x}')


loop = asyncio.get_event_loop()
loop.call_soon(func, 1)  # 调度一个函数
loop.call_soon(func, 2)
loop.call_soon(func, 3)
loop.run_forever()  # 阻塞

'''
x:1, start time:2020-10-01 15:45:46
func invoked:1
x:2, start time:2020-10-01 15:45:47
func invoked:2
x:3, start time:2020-10-01 15:45:49
func invoked:3
'''

可以看到以上操作是同步的。下面通过 asyncio.run_coroutine_threadsafe 函数可以把上述函数调度变成异步执行：

import time
import datetime
import asyncio

"""
    1.首先会调用asyncio.run_coroutine_threadsafe 这个函数.
    2.之前的普通函数修改成协程对象
"""


async def func(x):
    print(f'x:{x}, start time:{datetime.datetime.now().replace(microsecond=0)}')
    await asyncio.sleep(x)
    print(f'func invoked:{x}, now:{datetime.datetime.now().replace(microsecond=0)}')


loop = asyncio.get_event_loop()
co1 = func(1)
co2 = func(2)
co3 = func(3)
asyncio.run_coroutine_threadsafe(co1, loop)  # 调度
asyncio.run_coroutine_threadsafe(co2, loop)
asyncio.run_coroutine_threadsafe(co3, loop)
loop.run_forever()  # 阻塞

'''
x:1, start time:2020-10-01 15:49:32
x:2, start time:2020-10-01 15:49:32
x:3, start time:2020-10-01 15:49:32
func invoked:1, now:2020-10-01 15:49:33
func invoked:2, now:2020-10-01 15:49:34
func invoked:3, now:2020-10-01 15:49:35
'''

上面 2 个例子只是告诉你 2 件事情。

1. run_coroutine_threadsafe是异步线程安全 ，call_soon是同步。
2. run_coroutine_threadsafe 这个函数对应 ensure_future (只能作用于同一线程中)。

可以在一个子线程中运行一个事件循环，然后在主线程中动态的添加协程，这样既不阻塞主线程执行其他任务，子线程也可以异步的执行协程。

注意：默认情况下获取的 event_loop 是主线程的，所以要在子线程中使用 event_loop 需要 new_event_loop 。如果在子线程中直接获取 event_loop 会抛异常。

源代码中的判断：isinstance(threading.current_thread(), threading._MainThread)

示例：

import os
import sys
import queue
import threading
import time
import datetime
import asyncio

"""
    1. call_soon , call_soon_threadsafe 是同步的
    2. asyncio.run_coroutine_threadsafe(coro, loop) -> 对应 asyncio.ensure_future
       是在 事件循环中 异步执行。
"""


# 在子线程中执行一个事件循环 , 注意需要一个新的事件循环
def thread_loop(loop: asyncio.AbstractEventLoop):
    print('线程开启 tid:', threading.currentThread().ident)
    asyncio.set_event_loop(loop)  # 设置一个新的事件循环
    loop.run_forever()            # run_forever 是阻塞函数，所以，子线程不会退出。


async def func(x, q):
    current_time = datetime.datetime.now().replace(microsecond=0)
    msg = f'func: {x}, time:{current_time}, tid:{threading.currentThread().ident}'
    print(msg)
    await asyncio.sleep(x)
    q.put(x)


if __name__ == '__main__':
    temp_queue = queue.Queue()

    lp = asyncio.new_event_loop()  # 新建一个事件循环, 如果使用默认的, 则不能放入子线程
    thread_1 = threading.Thread(target=thread_loop, args=(lp,))
    thread_1.start()
    co1 = func(2, temp_queue)  # 2个协程
    co2 = func(3, temp_queue)
    asyncio.run_coroutine_threadsafe(co1, lp)  # 开始调度在子线程中的事件循环
    asyncio.run_coroutine_threadsafe(co2, lp)
    print(f'开始事件:{datetime.datetime.now().replace(microsecond=0)}')
    while 1:
        if temp_queue.empty():
            print('队列为空，睡1秒继续...')
            time.sleep(1)
            continue
        x = temp_queue.get()  # 如果为空，get函数会直接阻塞，不往下执行
        current_time = datetime.datetime.now().replace(microsecond=0)
        msg = f'main :{x}, time:{current_time}'
        print(msg)
        time.sleep(1)

示例：

import asyncio
import threading
import time


async def task_1():
    while True:
        print("task_1")
        # time.sleep(1)
        await asyncio.sleep(1)


async def task_2():
    while True:
        print("task_2")
        # time.sleep(1)
        await asyncio.sleep(1)


def run_loop_inside_thread(loop=None):
    asyncio.set_event_loop(loop)
    loop.run_forever()


thread_loop = asyncio.new_event_loop()
t = threading.Thread(target=run_loop_inside_thread, args=(thread_loop, ))
t.start()
asyncio.run_coroutine_threadsafe(task_1(), thread_loop)
asyncio.run_coroutine_threadsafe(task_2(), thread_loop)

在多线程中启用多个事件循环

示例：

import threading
import asyncio
 
 
def thread_loop_task(loop):
 
    # 为子线程设置自己的事件循环
    asyncio.set_event_loop(loop)
 
    async def work_2():
        while True:
            print('work_2 on loop:%s' % id(loop))
            await asyncio.sleep(2)
 
    async def work_4():
        while True:
            print('work_4 on loop:%s' % id(loop))
            await asyncio.sleep(4)
 
    future = asyncio.gather(work_2(), work_4())
    loop.run_until_complete(future)
 
 
if __name__ == '__main__':
 
    # 创建一个事件循环thread_loop
    thread_loop = asyncio.new_event_loop() 
 
    # 将thread_loop作为参数传递给子线程
    t = threading.Thread(target=thread_loop_task, args=(thread_loop,))
    t.daemon = True
    t.start()
 
    main_loop = asyncio.get_event_loop()
 
 
    async def main_work():
        while True:
            print('main on loop:%s' % id(main_loop))
            await asyncio.sleep(4)
 
 
    main_loop.run_until_complete(main_work())

下面例子中 asyncio.ensure_future/async 都可以换成 asyncio.run_coroutine_threadsafe 【在不同线程中的事件循环】：

run_in_executor、run_coroutine_threadsafe

：https://blog.csdn.net/hellojike/article/details/115092039

ThreadPollExecutor 和 asyncio 完成阻塞 IO 请求

在 asyncio 中集成线程池处理耗时IO，在协程中同步阻塞的写法，但有些时候不得已就是一些同步耗时的接口，可以把 线程池 集成到 asynico 模块中

import asyncio
from concurrent import futures

task_list = []
loop = asyncio.get_event_loop()
executor = futures.ThreadPoolExecutor(3)


def get_url(t_url=None):
    print(t_url)


for url in range(20):
    url = "http://shop.projectsedu.com/goods/{}/".format(url)
    task = loop.run_in_executor(executor, get_url, url)
    task_list.append(task)

loop.run_until_complete(asyncio.wait(task_list))

示例代码：

# 使用多线程：在 协程 中集成阻塞io
import asyncio
from concurrent.futures import ThreadPoolExecutor
import socket
from urllib.parse import urlparse


def get_url(url):
    # 通过socket请求html
    url = urlparse(url)
    host = url.netloc
    path = url.path
    if path == "":
        path = "/"

    # 建立socket连接
    client = socket.socket(socket.AF_INET, socket.SOCK_STREAM)
    # client.setblocking(False)
    client.connect((host, 80))  # 阻塞不会消耗cpu

    # 不停的询问连接是否建立好， 需要while循环不停的去检查状态
    # 做计算任务或者再次发起其他的连接请求

    client.send("GET {} HTTP/1.1\r\nHost:{}\r\nConnection:close\r\n\r\n".format(path, host).encode("utf8"))

    data = b""
    while True:
        d = client.recv(1024)
        if d:
            data += d
        else:
            break

    data = data.decode("utf8")
    html_data = data.split("\r\n\r\n")[1]
    print(html_data)
    client.close()


if __name__ == "__main__":
    import time

    start_time = time.time()
    loop = asyncio.get_event_loop()
    executor = ThreadPoolExecutor(3)
    tasks = []
    for url in range(20):
        url = "http://shop.projectsedu.com/goods/{}/".format(url)
        task = loop.run_in_executor(executor, get_url, url)
        tasks.append(task)
    loop.run_until_complete(asyncio.wait(tasks))
    print("last time:{}".format(time.time() - start_time))

示例

在 Asyncio 中运行阻塞任务：https://zhuanlan.zhihu.com/p/610881194

import time
import asyncio


def blocking_task():
    # report a message
    print('Task starting')
    # block for a while
    time.sleep(2)
    # report a message
    print('Task done')


# main coroutine
async def main():

    print('Main running the blocking task')
    # create a coroutine for  the blocking task
    coro = asyncio.to_thread(blocking_task)
    # schedule the task
    task = asyncio.create_task(coro)
    # report a message
    print('Main doing other things')
    # allow the scheduled task to start
    await asyncio.sleep(0)
    # await the task
    await task


# run the asyncio program
asyncio.run(main())

asyncio 的同步和通信

在多少线程中考虑安全性，需要加锁，在协程中是不需要的

import asyncio

total = 0
lock = None


async def add():
    global total
    for _ in range(1000):
        total += 1


async def desc():
    global total, lock
    for _ in range(1000):
        total -= 1


if __name__ == '__main__':
    tasks = [add(), desc()]
    loop = asyncio.get_event_loop()
    loop.run_until_complete(asyncio.wait(tasks))
    print(total)

在有些情况中，对协程还是需要类似锁的机制

示例：parse_response 和 use_response 有共同调用的代码，get_response、parse_response 去请求的时候如果 get_response 也去请求，会触发网站的反爬虫机制.
这就需要我们像上诉代码那样加 lock，同时 get_response 和 use_response 中都调用了parse_response，我们想在 get_response 中只请求一次，下次用缓存，所以要用到锁

import asyncio
import aiohttp
from asyncio import Lock

cache = {}
lock = Lock()


async def get_response(url):
    async with lock:  # 等价于 with await lock:   还有async for 。。。类似的用法
        # 这里使用async with 是因为 Lock中有__await__ 和 __aenter__两个魔法方法
        # 和线程一样， 这里也可以用 await lock.acquire() 并在结束时 lock.release
        if url in cache:
            return cache[url]
        print("第一次请求")
        response = aiohttp.request('GET', url)
        cache[url] = response
        return response


async def parse_response(url):
    response = await get_response(url)
    print('parse_response', response)
    # do some parse


async def use_response(url):
    response = await get_response(url)
    print('use_response', response)
    # use response to do something interesting


if __name__ == '__main__':
    tasks = [parse_response('baidu'), use_response('baidu')]
    loop = asyncio.get_event_loop()
    # loop.run_until_complete将task放到loop中，进行事件循环, 这里必须传入的是一个list
    loop.run_until_complete(asyncio.wait(tasks))

输出结果如下　

asyncio 通信 queue

协程是单线程的，所以协程中完全可以使用全局变量实现 queue 来相互通信，但是如果想要在 queue 中定义存放有限的最大数目，需要在 put 和 get 的前面都要加 await

from asyncio import Queue

queue = Queue(maxsize=3)
await queue.get()
await queue.put()

一个事件循环中执行多个 task，实现并发执行

future 和 task：

future 是一个结果的容器，结果执行完后在内部会回调 call_back 函数
task 是 future 的子类，可以用来激活协程。（ task 是协程和 Future 的桥梁）

wait、gather、await

1. wait、gather 这2个函数都是用于获取结果的，且都不阻塞，直接返回一个生成器对象可用于 yield from / await

2. 两种用法可以获取执行完成后的结果：
第一种: result = asyncio.run_until_completed(asyncio.wait/gather) 执行完成所有之后获取结果
第二种: result = await asyncio.wait/gather 在一个协程内获取结果

3. as_completed 与并发包 concurrent 中的行为类似，哪个任务先完成哪个先返回，内部实现是 yield from Queue.get()

4. 嵌套：await / yield from 后跟协程，直到后面的协程运行完毕，才执行 await / yield from 下面的代码，整个过程是不阻塞的

wait 和 gather 区别

这两个都可以添加多个任务到事件循环中

一般使用 asyncio.wait(tasks) 的地方也可以使用 asyncio.gather(tasks) ，但是 wait 接收一堆 task，gather接收一个 task 列表。

asyncio.wait(tasks)方法返回值是两组 task/future的 set。dones, pendings = await asyncio.wait(tasks) 其中

dones 是 task的 set,
pendings 是 future 的 set。

asyncio.gather(tasks) 返回一个结果的 list。

gather 比 wait 更加的高级

可以对任务进行分组
可以取消任务

import asyncio
import time


async def get_html(url):
    global index
    print(f"{index}  start get url")
    await asyncio.sleep(2)
    index += 1
    print(f"{index}  end get url")


if __name__ == "__main__":
    start_time = time.time()

    index = 1
    loop = asyncio.get_event_loop()
    tasks = [get_html("http://www.imooc.com") for i in range(10)]

    # gather和wait的区别
    # tasks = [get_html("http://www.imooc.com") for i in range(10)]
    # loop.run_until_complete(asyncio.wait(tasks))
    group1 = [get_html("http://projectsedu.com") for i in range(2)]
    group2 = [get_html("http://www.imooc.com") for i in range(2)]
    group1 = asyncio.gather(*group1)
    group2 = asyncio.gather(*group2)
    loop.run_until_complete(asyncio.gather(group1, group2))
    print(time.time() - start_time)

# gather 和 wait的区别: gather返回值是有顺序(按照你添加任务的顺序返回的)的.
# return_exceptions=True, 如果有错误信息. 返回错误信息, 其他任务正常执行.
# return_exceptions=False, 如果有错误信息. 所有任务直接停止
result = await asyncio.gather(*tasks, return_exceptions=True)

示例 1：

import asyncio

"""
    并发 执行多个任务。
    调度一个Task对象列表
    调用 asyncio.wait 或者 asyncio.gather 获取结果
"""


async def func(i):
    print('start')
    # 交出控制权,事件循环执行下个任务,同时等待完成
    await asyncio.sleep(i)
    return i


async def func_sleep():
    await asyncio.sleep(2)


def test_1():
    # asyncio create_task永远运行
    # https://www.pythonheidong.com/blog/article/160584/ca5dc07f62899cedad64/
    lp = asyncio.get_event_loop()
    tasks = [lp.create_task(func(i)) for i in range(3)]

    lp.run_until_complete(func_sleep())
    # 或者
    # lp.run_until_complete(asyncio.wait([func_sleep(), ]))


def test_2():        
    lp = asyncio.get_event_loop()
    # tasks = [func(i) for i in range(3)]
    # tasks = [asyncio.ensure_future(func(i)) for i in range(3)]  # asyncio.ensure_future
    # 或者
    tasks = [lp.create_task(func(i)) for i in range(3)]  # lp.create_task
    lp.run_until_complete(asyncio.wait(tasks))
    for task in tasks:
        print(task.result())


if __name__ == '__main__':
    # test_1()
    test_2()
    pass

示例 2：

import asyncio

"""
    通过 await 或者 yield from 形成1个链, 后面跟其他协程. 
    形成一个链的目的很简单,
        当前协程需要这个结果才能继续执行下去.
        就跟普通函数调用其他函数获取结果一样
"""


async def func(i):
    print('start')
    await asyncio.sleep(i)
    return i


async def to_do():
    print('to_do start')
    tasks = []
    # 开始调度3个协程对象
    for i in range(3):
        tasks.append(asyncio.ensure_future(func(i)))
    # 在协程内等待结果. 通过 await 来交出控制权, 同时等待tasks完成
    task_done, task_pending = await asyncio.wait(tasks)
    print('to_do get result')
    # 获取已经完成的任务
    for task in task_done:
        print('task_done:', task.result())
    # 未完成的
    for task in task_pending:
        print('pending:', task)


if __name__ == '__main__':
    lp = asyncio.get_event_loop()  # 获取事件循环
    lp.run_until_complete(to_do())  # 把协程对象放进去
    # lp.close()  # 关闭事件循环

as_completed 函数返回一个迭代器，每次迭代一个协程。

事件循环内部有一个 Queue(queue.Queue 线程安全) ，先完成的先入队。

as_completed 迭代的协程源码是 : 注意 yield from 后面可以跟 iterable

#简化版代码
f = yield from done.get() # done 是 Queue
return f.result()

例子：

asyncio.as_completed 返回一个生成器对象 , 因此可用于迭代

每次从此生成器中返回的对象是一个个协程(生成器)，哪个最先完成哪个就返回，而要从生成器/协程中获取返回值，就必须使用 yield from / await , 简单来说就是：生成器的返回值在异常中，详情参考最上面的基础链接

import asyncio


async def func(x):
    # print('\t\tstart ',x)
    await asyncio.sleep(5)
    # print('\t\tdone ', x)
    return x


async def to_do():
    # 在协程内调度2个协程
    tasks = [asyncio.ensure_future(func(i)) for i in range(2)]
    # 使用as_completed:先完成,先返回.
    # 每次迭代返回一个协程.
    # 这个协程:_wait_for_one,内部从队列中产出一个最先完成的Future对象
    for coroutine in asyncio.as_completed(tasks):
        result = await coroutine  # 等待协程,并返回先完成的协程
        print('result :', result)
    print('all done')


lp = asyncio.get_event_loop()
lp.set_debug(True)
lp.run_until_complete(to_do())  # 调度协程

获取多个并发的 task 的结果。

（ task 是协程和 Future 的桥梁。）

如果我们要获取 task 的结果，一定要创建一个task，就是把我们的协程绑定要 task 上，这里直接用事件循环 loop 里面的 create_task 就可以搞定。
我们假设有3个并发的add任务需要处理，然后调用 run_until_complete 来等待3个并发任务完成。
调用 task.result 查看结果，这里的 task 其实是 _asyncio.Task，是封装的一个类。大家可以在 Pycharm 中找 asyncio 里面的源码，里面有一个 tasks 文件。

爬取有道词典

玩并发比较多的是爬虫，爬虫可以用多线程，线程池去爬。但是我们用 requests 的时候是阻塞的，无法并发。所以我们要用一个更牛逼的库 aiohttp，这个库可以当成是异步的 requests。

1). 爬取有道词典

有道翻译的API已经做好了，我们可以直接调用爬取。然后解析网页，获取单词的翻译。然后解析网页，网页比较简单，可以有很多方法解析。因为爬虫文章已经泛滥了，我这里就不展开了，很容易就可以获取单词的解释。

2). 代码的核心框架

设计一个异步的框架，生成一个事件循环
创建一个专门去爬取网页的协程，利用aiohttp去爬取网站内容
生成多个要翻译的单词的url地址，组建一个异步的tasks, 扔到事件循环里面
等待所有的页面爬取完毕，然后用pyquery去一一解析网页，获取单词的解释，部分代码如下:

import time
import asyncio
import aiohttp
from pyquery import PyQuery as pq


def decode_html(html_content=None):
    url, resp_text = html_content
    doc = pq(resp_text)
    des = ''
    for li in doc.items('#phrsListTab .trans-container ul li'):
        des += li.text()
    return url, des


async def fetch(session: aiohttp.ClientSession = None, url=None):
    async with session.get(url=url) as resp:
        resp_text = await resp.text()
        return url, resp_text


async def main(word_list=None):
    url_list = ['http://dict.youdao.com/w/{}'.format(word) for word in word_list]
    temp_task_list = []
    async with aiohttp.ClientSession() as session:
        for url in url_list:
            temp_task_list.append(fetch(session, url))
        html_list = await asyncio.gather(*temp_task_list)
        for html_content in html_list:
            print(decode_html(html_content))

if __name__ == '__main__':
    start_time = time.time()
    text = 'apple'
    word_list_1 = [ch for ch in text]
    word_list_2 = [text for _ in range(100)]

    loop = asyncio.get_event_loop()
    task_list = [
        main(word_list_1),
        main(word_list_2),
    ]
    loop.run_until_complete(asyncio.wait(task_list))
    print(time.time() - start_time)

谈到 http 接口调用，Requests 大家并不陌生，例如，robotframework-requests、HttpRunner 等 HTTP 接口测试库/框架都是基于它开发。

这里将介绍另一款http接口测试框架 httpx，snaic 同样也集成了 httpx 库。httpx 的 API 和 Requests 高度一致。github: https://github.com/encode/httpx

安装：pip install httpx

httpx 简单使用

import json
import httpx

r = httpx.get("http://httpbin.org/get")
print(r.status_code)
print(json.dumps(r.json(), ensure_ascii=False, indent=4))

带参数的 post 调用

import json
import httpx

payload = {'key1': 'value1', 'key2': 'value2'}
r = httpx.post("http://httpbin.org/post", data=payload)
print(r.status_code)
print(json.dumps(r.json(), ensure_ascii=False, indent=4))

httpx 异步调用。接下来认识 httpx 的异步调用：

import json
import httpx
import asyncio


async def main():
    async with httpx.AsyncClient() as client:
        resp = await client.get('http://httpbin.org/get')
        result = resp.json()
        print(json.dumps(result, ensure_ascii=False, indent=4))


asyncio.run(main())

httpx 异步调用

import httpx
import asyncio
import time


async def request(client):
    global index
    resp = await client.get('http://httpbin.org/get')
    index += 1
    result = resp.json()
    print(f'{index}  status_code : {resp.status_code}')
    assert 200 == resp.status_code


async def main():
    async with httpx.AsyncClient() as client:
        # 50 次调用
        task_list = []
        for _ in range(50):
            req = request(client)
            task = asyncio.create_task(req)
            task_list.append(task)
        await asyncio.gather(*task_list)


if __name__ == "__main__":
    index = 0
    # 开始
    start = time.time()
    asyncio.run(main())
    # 结束
    end = time.time()
    print(f'异步：发送 50 次请求，耗时：{end - start}')

想搞懂异步框架和异步接口的调用，可以按这个路线学习：1.python异步编程、2.python Web异步框架（tornado/sanic）、3.异步接口调用（aiohttp/httpx）

1. asyncio

示例 1：( Python 3.5+ 之前的写法 )

import asyncio


@asyncio.coroutine
def func1():
    print('before...func1......')
    yield from asyncio.sleep(5)
    print('end...func1......')


tasks = [func1(), func1()]

loop = asyncio.get_event_loop()
loop.run_until_complete(asyncio.gather(*tasks))
loop.close()

改进，使用 async / await 关键字（ Python 3.5+ 开始引入了新的语法 async 和 await ）

import asyncio


async def func1():
    print('before...func1......')
    await asyncio.sleep(5)
    print('end...func1......')


tasks = [func1(), func1()]

loop = asyncio.get_event_loop()
loop.run_until_complete(asyncio.gather(*tasks))
loop.close()

示例 2 ：

import asyncio


async def fetch_async(host, url='/'):
    print(host, url)
    reader, writer = await asyncio.open_connection(host, 80)

    request_header_content = """GET %s HTTP/1.0\r\nHost: %s\r\n\r\n""" % (url, host,)
    request_header_content = bytes(request_header_content, encoding='utf-8')

    writer.write(request_header_content)
    await writer.drain()
    text = await reader.read()
    print(host, url, text)
    writer.close()


tasks = [
    fetch_async('www.cnblogs.com', '/wupeiqi/'),
    fetch_async('dig.chouti.com', '/pic/show?nid=4073644713430508&lid=10273091')
]

loop = asyncio.get_event_loop()
results = loop.run_until_complete(asyncio.gather(*tasks))
loop.close()

示例 3：

#!/usr/bin/env python
# encoding:utf-8
import asyncio
import aiohttp
import time


async def download(url):  # 通过async def定义的函数是原生的协程对象
    print("get: %s" % url)
    async with aiohttp.ClientSession() as session:
        async with session.get(url) as resp:
            print(resp.status)
            # response = await resp.read()


async def main():
    start = time.time()
    await asyncio.wait([
        download("http://www.163.com"),
        download("http://www.mi.com"),
        download("http://www.baidu.com")])
    end = time.time()
    print("Complete in {} seconds".format(end - start))


loop = asyncio.get_event_loop()
loop.run_until_complete(main())

Python 异步编程之 asyncio（百万并发）

前言：python 由于 GIL（全局锁）的存在，不能发挥多核的优势，其性能一直饱受诟病。然而在 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，如最新的微服务框架 japronto，resquests per second 可达百万级。

python 还有一个优势是库（第三方库）极为丰富，运用十分方便。asyncio 是 python3.4 版本引入到标准库，python2x 没有加这个库，毕竟 python3x 才是未来啊，哈哈！python3.5 又加入了 async/await 特性。在学习 asyncio 之前，我们先来理清楚 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。

aiohttp 使用

　　如果需要并发 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) as response:

aiohttp 异步实现的例子：

import asyncio
from aiohttp import ClientSession

tasks = []
url = "http://httpbin.org/get?args=hello_word"


async def hello(t_url):
    async with ClientSession() as session:
        async with session.get(t_url) as req:
            response = await req.read()
            # response = await req.text()
            # print(response)
            print(f'{req.url} : {req.status}')


if __name__ == '__main__':
    loop = asyncio.get_event_loop()
    loop.run_until_complete(hello(url))

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，req.read() 等待 request 响应，是个耗 IO 操作。然后使用 ClientSession 类发起 http 请求。

异步请求多个URL

如果我们需要请求多个 URL 该怎么办呢？

同步的做法：访问多个 URL时，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。

import datetime
import asyncio
from aiohttp import ClientSession

task_list = []
url = "https://www.baidu.com/{}"


async def hello(t_url):
    ret_val = None
    async with ClientSession() as session:
        async with session.get(t_url) as req:
            response = await req.read()
            print(f'Hello World:{datetime.datetime.now().replace(microsecond=0)}')
            # print(response)
            ret_val = req.status
    return ret_val


def run():
    for i in range(5):
        one_task = asyncio.ensure_future(hello(url.format(i)))
        task_list.append(one_task)


if __name__ == '__main__':
    loop = asyncio.get_event_loop()
    run()
    result = loop.run_until_complete(asyncio.wait(task_list))

    # 方法 1 : 获取结果
    for task in task_list:
        print(task.result())

    # 方法 2 : 获取结果
    finish_task, pending_task = result
    print(f'finish_task count:{len(pending_task)}')
    for task in finish_task:
        print(task.result())

    print(f'pending_task count:{len(pending_task)}')
    for task in pending_task:
        print(task.result())

'''
Hello World:2020-12-06 16:29:02
Hello World:2020-12-06 16:29:02
Hello World:2020-12-06 16:29:02
Hello World:2020-12-06 16:29:02
Hello World:2020-12-06 16:29:02
404
404
404
404
404
finish_task count:0
404
404
404
404
404
pending_task count:0
'''

收集 http 响应

上面介绍了访问不同 URL 的异步实现方式，但是我们只是发出了请求，如果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。

import time
import asyncio
from aiohttp import ClientSession

task_list = []
temp_url = "https://www.baidu.com/{}"


async def hello(url=None):
    async with ClientSession() as session:
        async with session.get(url) as request:
            # print(request)
            print('Hello World:%s' % time.time())
            return await request.read()


def run():
    for i in range(5):
        task = asyncio.ensure_future(hello(temp_url.format(i)))
        task_list.append(task)
    result = loop.run_until_complete(asyncio.gather(*task_list))
    print(f'len(result) : {len(result)}')
    for item in result:
        print(item)


if __name__ == '__main__':
    loop = asyncio.get_event_loop()
    run()

限制并发数（最大文件描述符的限制）

提示：此方法也可用来作为异步爬虫的限速方法（反反爬）

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。

使用 semaphore = asyncio.Semaphore(500) 以及在协程中使用 async with semaphore: 操作具体代码如下：

# coding:utf-8
import time, asyncio, aiohttp

url = 'https://www.baidu.com/'

index = 0


async def hello(url, semaphore):
    global index
    async with semaphore:
        async with aiohttp.ClientSession() as session:
            async with session.get(url) as response:
                print(f'{index} : ', end='')
                await asyncio.sleep(2)
                print(response.status)
                return await response.read()


async def run():
    # 为了看效果，这是设置 100 个任务，并发限制为 5
    semaphore = asyncio.Semaphore(5)  # 限制并发量为500
    to_get = [hello(url.format(), semaphore) for _ in range(100)]  # 总共1000任务
    await asyncio.wait(to_get)


if __name__ == '__main__':
    #    now=lambda :time.time()
    loop = asyncio.get_event_loop()
    loop.run_until_complete(run())
    # loop.close()

示例代码：

import asyncio
import aiohttp


async def get_http(url):
    async with semaphore:
        async with aiohttp.ClientSession() as session:
            async with session.get(url) as res:
                global count
                count += 1
                print(count, res.status)

if __name__ == '__main__':
    count = 0

    semaphore = asyncio.Semaphore(500)
    loop = asyncio.get_event_loop()
    temp_url = 'https://www.baidu.com/s?wd={0}'
    tasks = [get_http(temp_url.format(i)) for i in range(600)]
    loop.run_until_complete(asyncio.wait(tasks))
    loop.close()

示例代码：

from aiohttp import ClientSession
import asyncio


#  限制协程并发量
async def hello(sem, num):
    async with sem:
        async with ClientSession() as session:
            async with session.get(f'http://httpbin.org/get?a={num}') as response:
                r = await response.read()
                print(f'[{num}]:{r}')
                await asyncio.sleep(1)


def main():
    loop = asyncio.get_event_loop()
    tasks = []
    sem = asyncio.Semaphore(5)  # this
    for index in range(100000):
        task = asyncio.ensure_future(hello(sem, index))
        tasks.append(task)

    feature = asyncio.ensure_future(asyncio.gather(*tasks))
    try:
        loop.run_until_complete(feature)
    finally:
        loop.close()


if __name__ == "__main__":
    main()

aiohttp 实现高并发爬虫 ( 异步 mysql )

python asyncio并发编程：https://www.cnblogs.com/crazymagic/articles/10066619.html

# asyncio爬虫， 去重， 入库

import asyncio
import re
import aiohttp
import aiomysql
from pyquery import PyQuery

stopping = False

start_url = 'http://www.jobbole.com'
waiting_urls = []
seen_urls = set()  # 实际使用爬虫去重时，数量过多，需要使用布隆过滤器


async def fetch(url, session):
    async with aiohttp.ClientSession() as session:
        try:
            async with session.get(url) as resp:
                print('url status: {}'.format(resp.status))
                if resp.status in [200, 201]:
                    data = await resp.text()
                    return data
        except Exception as e:
            print(e)


def extract_urls(html):  # html中提取所有url
    urls = []
    pq = PyQuery(html)
    for link in pq.items('a'):
        url = link.attr('href')
        if url and url.startwith('http') and url not in seen_urls:
            urls.append(url)
            waiting_urls.append(urls)
    return urls


async def init_urls(url, session):
    html = await fetch(url, session)
    seen_urls.add(url)
    extract_urls(html)


async def article_handler(url, session, pool):  # 获取文章详情并解析入库
    html = await fetch(url, session)
    extract_urls(html)
    pq = PyQuery(html)
    title = pq('title').text()  # 为了简单， 只获取title的内容
    async with pool.acquire() as conn:
        async with conn.cursor() as cur:
            await cur.execute('SELECT 42;')
            insert_sql = "insert into article_test(title) values('{}')".format(
                title)
            await cur.execute(insert_sql)  # 插入数据库
            # print(cur.description)
            # (r,) = await cur.fetchone()
            # assert r == 42


async def consumer(pool):
    async with aiohttp.ClientSession() as session:
        while not stopping:
            if len(waiting_urls) == 0:  # 如果使用asyncio.Queue的话， 不需要我们来处理这些逻辑。
                await asyncio.sleep(0.5)
                continue
            url = waiting_urls.pop()
            print('start get url:{}'.format(url))
            if re.match(r'http://.*?jobbole.com/\d+/', url):
                if url not in seen_urls:  # 是没有处理过的url，则处理
                    asyncio.ensure_future(article_handler(url, sssion, pool))
            else:
                if url not in seen_urls:
                    asyncio.ensure_future(init_urls(url))


async def main(loop):
    # 等待mysql连接建立好
    pool = await aiomysql.create_pool(
        host='127.0.0.1', port=3306, user='root', password='',
        db='aiomysql_test', loop=loop, charset='utf8', autocommit=True
    )
    # charset  autocommit必须设置， 这是坑， 不写数据库写入不了中文数据
    async with aiohttp.ClientSession() as session:
        html = await fetch(start_url, session)
        seen_urls.add(start_url)
        extract_urls(html)
    asyncio.ensure_future(consumer(pool))


if __name__ == '__main__':
    event_loop = asyncio.get_event_loop()
    asyncio.ensure_future(main(event_loop))
    event_loop.run_forever()

学习 python 高并发模块 asynio

参考：Python黑魔法 --- 异步IO（ asyncio）协程：https://www.jianshu.com/p/b5e347b3a17c

Python 中重要的模块 --- asyncio：https://www.cnblogs.com/zhaof/p/8490045.html
Python 协程深入理解：https://www.cnblogs.com/zhaof/p/7631851.html

asyncio 是 python 用于解决异步io编程的一整套解决方案

创建一个 asyncio 的步骤如下

创建一个 event_loop 事件循环，当启动时，程序开启一个无限循环，把一些函数注册到事件循环上，当满足事件发生的时候，调用相应的协程函数。
创建协程：使用 async 关键字定义的函数就是一个协程对象。在协程函数内部可以使用 await 关键字用于阻塞操作的挂起。
将协程注册到事件循环中。协程的调用不会立即执行函数，而是会返回一个协程对象。协程对象需要注册到事件循环，由事件循环调用。

一、定义一个协程

import time
import asyncio


async def do_some_work(x):
    print("waiting:", x)

start = time.time()
# 这里是一个协程对象，这个时候do_some_work函数并没有执行
coroutine = do_some_work(2)
print(coroutine)
#  创建一个事件loop
loop = asyncio.get_event_loop()
# 将协程注册到事件循环，并启动事件循环
loop.run_until_complete(coroutine)

print("Time:", time.time() - start)

二、创建一个 task

一个协程对象 就是一个原生可以挂起的函数，任务则是对协程进一步封装，其中包含了任务的各种状态。

在上面的代码中，在注册事件循环的时候，其实是 run_until_complete 方法将协程包装成为了一个任务（task）对象。 task 对象是 Future类的子类，保存了协程运行后的状态，用于未来获取协程的结果。

import asyncio
import time

start = lambda: time.time()


async def do_some_work(x):
    print("waiting:", x)


start = start()

coroutine = do_some_work(2)
loop = asyncio.get_event_loop()
task = loop.create_task(coroutine)
print(task)
loop.run_until_complete(task)
print(task)
print("Time:", time.time() - start)

loop.create_task，asyncio.async / asyncio.ensure_future 和 Task 有什么区别？

BaseEventLoop.create_task（coro）、asyncio.async（coro）、Task（coro）安排协同程序执行，这似乎也可以正常工作。那么，所有这些之间有什么区别？

在 Python> = 3.5中，已将 async 设为关键字，所以 asyncio.async 必须替换为 asyncio.ensure_future
create_task 的存在理由：
第三方事件循环可以使用其自己的Task子类来实现互操作性。在这种情况下，结果类型是Task的子类。
这也意味着您不应直接创建 Task ，因为不同的事件循环可能具有不同的创建"任务"的方式。
另一个重要区别是，除了接受协程外， ensure_future 也接受任何等待的对象；而 create_task 只接受协程。

那么用 ensure_future 还是 create_task 函数声明对比：

asyncio.ensure_future(coro_or_future, *, loop=None)
BaseEventLoop.create_task(coro)

显然，ensure_future 除了接受 coroutine 作为参数，还接受 future 作为参数。

看 ensure_future 的代码，会发现 ensure_future 内部在某些条件下会调用 create_task，综上所述：

encure_future: 最高层的函数，推荐使用！
create_task: 在确定参数是 coroutine 的情况下可以使用。
Task: 可能很多时候也可以工作，但真的没有使用的理由！

为了 interoperability，第三方的事件循环可以使用自己的 Task 子类。这种情况下，返回结果的类型是 Task 的子类。

所以，不要直接创建 Task 实例，应该使用 ensure_future() 函数或 BaseEventLoop.create_task() 方法。

asyncio.ensure_future 与 BaseEventLoop.create_task 对比简单的协同程序

From：asyncio.ensure_future与BaseEventLoop.create_task对比简单的协同程序？-python黑洞网

看过几个关于asyncio的基本Python 3.5教程，它们以各种方式执行相同的操作。在这段代码中：

import asyncio


async def doit(i):
    print("Start %d" % i)
    await asyncio.sleep(3)
    print("End %d" % i)
    return i


if __name__ == '__main__':
    loop = asyncio.get_event_loop()
    # futures = [asyncio.ensure_future(doit(i), loop=loop) for i in range(10)]
    # futures = [loop.create_task(doit(i)) for i in range(10)]
    futures = [doit(i) for i in range(10)]
    result = loop.run_until_complete(asyncio.gather(*futures))
    print(result)

上面定义 futures 变量的所有三个变体都实现了相同的结果，那么他们有什么区别？有些情况下我不能只使用最简单的变体（协程的简单列表）吗？

asyncio.create_task(coro) 和 asyncio.ensure_future(obj)

从 Python 3.7 开始，为此目的添加了 asyncio.create_task(coro) 高级功能，可以使用它来代替从 coroutimes 创建任务的其他方法。

但是，如果需要从任意等待创建任务，应该使用 asyncio.ensure_future(obj)。

推荐：使用 asyncio.ensure_future(obj) 来代替 asyncio.create_task(coro)

ensure_future VS create_task

ensure_future是创建一个方法Task从coroutine。它基于参数以不同的方式创建任务（包括使用create_task协同程序和类似未来的对象）。

create_task是一种抽象的方法AbstractEventLoop。不同的事件循环可以不同的方式实现此功能。

您应该使用ensure_future创建任务。create_task只有在你要实现自己的事件循环类型时才需要。

“当从协程创建任务时，你应该使用适当命名的loop.create_task()”

在任务中包装协程 - 是一种在后台启动此协程的方法。这是一个例子：

import asyncio


async def msg(text):
    await asyncio.sleep(0.1)
    print(text)


async def long_operation():
    print('long_operation started')
    await asyncio.sleep(3)
    print('long_operation finished')


async def main():
    await msg('first')

    # Now you want to start long_operation, but you don't want to wait it finised:
    # long_operation should be started, but second msg should be printed immediately.
    # Create task to do so:
    task = asyncio.ensure_future(long_operation())

    await msg('second')

    # Now, when you want, you can await task finised:
    await task


if __name__ == "__main__":
    loop = asyncio.get_event_loop()
    loop.run_until_complete(main())


'''
输出：
first
long_operation started
second
long_operation finished
'''

创建任务：

可以通过 loop.create_task(coroutine) 创建 task，

也可以通过 asyncio.ensure_future(coroutine) 创建 task。

使用这两种方式的区别在官网（ 协程与任务 — Python 3.10.4 文档 ）上有提及。

task / future 以及使用 async 创建的都是 awaitable 对象，都可以在 await 关键字之后使用。

future 对象意味着在未来返回结果，可以搭配回调函数使用。

要真正运行一个协程，asyncio 提供了三种主要机制

（ https://docs.python.org/zh-cn/3/library/asyncio-task.html#asyncio.ensure_future ）

1. asyncio.run() 函数用来运行最高层级的入口点 "main()" 函数。

import asyncio


async def main():
    print('hello')
    await asyncio.sleep(1)
    print('world')


asyncio.run(main())

2. 使用 await （即 等待一个协程 ）

import asyncio
import time


async def say_after(delay, what):
    await asyncio.sleep(delay)
    print(what)


async def main():
    print(f"started at {time.strftime('%X')}")

    await say_after(3, 'hello')
    await say_after(1, 'world')

    print(f"finished at {time.strftime('%X')}")


asyncio.run(main())

预期的输出：

started at 17:13:52
world
hello
finished at 17:13:55

3. 使用 asyncio.create_task() 函数用来并发运行作为 asyncio 任务的多个协程。

import asyncio
import time


async def say_after(delay, what):
    await asyncio.sleep(delay)
    print(what)


async def main():
    task1 = asyncio.create_task(
        say_after(3, 'hello'))

    task2 = asyncio.create_task(
        say_after(1, 'world'))

    print(f"started at {time.strftime('%X')}")

    # Wait until both tasks are completed (should take
    # around 2 seconds.)
    await task1
    await task2


asyncio.run(main())

预期的输出：

started at 17:14:32
world
hello
finished at 17:14:34

获取协程的返回值

1 创建一个任务 task
2 通过调用 task.result 获取协程的返回值

import asyncio
import time


async def get_html(url):
    print("start get url")
    await asyncio.sleep(2)
    return "this is test"


if __name__ == "__main__":
    start_time = time.time()
    loop = asyncio.get_event_loop()
    task = loop.create_task(get_html("http://httpbin.org"))
    loop.run_until_complete(task)
    print(task.result())

三、绑定回调

执行成功进行回调处理

可以通过 add_done_callback( 任务) 添加回调，因为这个函数只接受一个回调的函数名，不能传参，我们想要传参可以使用偏函数

# 获取协程的返回值
import asyncio
import time
from functools import partial


async def get_html(url):
    print("start get url")
    await asyncio.sleep(2)
    return "this is test"


def callback(url, future):
    print(url)
    print("send email to bobby")


if __name__ == "__main__":
    start_time = time.time()
    loop = asyncio.get_event_loop()
    task = loop.create_task(get_html("http://www.imooc.com"))
    task.add_done_callback(partial(callback, "http://www.imooc.com"))
    loop.run_until_complete(task)
    print(task.result())

asnycio 异步请求+异步回调：asnycio 异步请求+异步回调_xiaobai8823的博客-CSDN博客

当使用 ensure_feature 创建任务的时候，可以使用任务的 task.add_done_callback(callback)方法，获得对象的协程返回值。

import asyncio
import time


async def do_some_work(x):
    print("waiting:", x)
    return "Done after {}s".format(x)


def callback(future):
    print("callback:", future.result())


start = time.time()
coroutine = do_some_work(2)
loop = asyncio.get_event_loop()
task = asyncio.ensure_future(coroutine)
print(task)
task.add_done_callback(callback)
print(task)
loop.run_until_complete(task)

四、阻塞（使用 await 让出控制权，挂起当前操作）

前面提到 asynic 函数内部可以使用 await 来针对耗时的操作进行挂起。

import asyncio
import time


async def do_some_work(x):
    print("waiting:", x)
    # await 后面就是调用耗时的操作
    await asyncio.sleep(x)
    return "Done after {}s".format(x)


coroutine = do_some_work(2)
loop = asyncio.get_event_loop()
task = asyncio.ensure_future(coroutine)
loop.run_until_complete(task)

五、并发和并行

并发：同一时刻 同时发生
并行：同一时间 间隔发生

并发通常是指有多个任务需要同时进行，并行则是同一个时刻有多个任务执行.
当有多个任务需要并行时，可以将任务先放置在任务队列中，然后将任务队列传给 asynicio.wait 方法，这个方法会同时并行运行队列中的任务。将其注册到事件循环中。

import asyncio


async def do_some_work(x):
    print("Waiting:", x)
    await asyncio.sleep(x)
    return "Done after {}s".format(x)


coroutine1 = do_some_work(1)
coroutine2 = do_some_work(2)
coroutine3 = do_some_work(4)

tasks = [
    asyncio.ensure_future(coroutine1),
    asyncio.ensure_future(coroutine2),
    asyncio.ensure_future(coroutine3)
]

loop = asyncio.get_event_loop()
loop.run_until_complete(asyncio.wait(tasks))
loop.close()

示例：

import asyncio


async def do_some_work(x):
    print("Waiting:", x)
    await asyncio.sleep(x)
    return "Done after {}s".format(x)


async def main():
    coroutine1 = do_some_work(1)
    coroutine2 = do_some_work(2)
    coroutine3 = do_some_work(4)
    task_list = [
        asyncio.ensure_future(coroutine1),
        asyncio.ensure_future(coroutine2),
        asyncio.ensure_future(coroutine3)
    ]
    await asyncio.wait(task_list)


if __name__ == '__main__':
    asyncio.run(main())
    pass

六、 asyncio.wait 、asyncio.gather

使用 async 可以定义协程，协程用于耗时的 io 操作，我们也可以封装更多的 io 操作过程，这样就实现了嵌套的协程，即一个协程中 await 了另外一个协程，如此连接起来。

import asyncio


async def do_some_work(x):
    print("waiting:", x)
    await asyncio.sleep(x)
    return "Done after {}s".format(x)


async def main():
    coroutine1 = do_some_work(1)
    coroutine2 = do_some_work(2)
    coroutine3 = do_some_work(4)
    tasks = [
        asyncio.ensure_future(coroutine1),
        asyncio.ensure_future(coroutine2),
        asyncio.ensure_future(coroutine3)
    ]
    
    dones, pendings = await asyncio.wait(tasks)
    for task in dones:
        print("Task ret:", task.result())

    # results = await asyncio.gather(*tasks)
    # for result in results:
    #     print("Task ret:",result)


loop = asyncio.get_event_loop()
loop.run_until_complete(main())

使用 asyncio.wait 的结果如下，可见返回的结果 dones 并不一定按照顺序输出

waiting: 1
waiting: 2
waiting: 4
Task ret: Done after 2s
Task ret: Done after 4s
Task ret: Done after 1s
Time: 4.006587505340576

使用 await asyncio.gather(*tasks) 得到的结果如下，是按照列表顺序进行返回的

waiting: 1
waiting: 2
waiting: 4
Task ret: Done after 1s
Task ret: Done after 2s
Task ret: Done after 4s
Time: 4.004234313964844

上面的程序将 main 也定义为协程。我们也可以不在 main 协程函数里处理结果，直接返回 await 的内容，那么最外层的 run_until_complete 将会返回main协程的结果。

import asyncio
import time

now = lambda: time.time()


async def do_some_work(x):
    print("waiting:", x)
    await asyncio.sleep(x)
    return "Done after {}s".format(x)


async def main():
    coroutine1 = do_some_work(1)
    coroutine2 = do_some_work(2)
    coroutine3 = do_some_work(4)
    tasks = [
        asyncio.ensure_future(coroutine1),
        asyncio.ensure_future(coroutine2),
        asyncio.ensure_future(coroutine3)
    ]
    return await asyncio.gather(*tasks)
    # return await asyncio.wait(tasks)也可以使用。注意gather方法需要*这个标记


start = now()

loop = asyncio.get_event_loop()
results = loop.run_until_complete(main())
for result in results:
    print("Task ret:", result)

print("Time:", now() - start)

也可以使用 as_complete 方法实现嵌套协程

import asyncio
import time

now = lambda: time.time()


async def do_some_work(x):
    print("waiting:", x)
    await asyncio.sleep(x)
    return "Done after {}s".format(x)


async def main():
    coroutine1 = do_some_work(1)
    coroutine2 = do_some_work(2)
    coroutine3 = do_some_work(4)
    tasks = [
        asyncio.ensure_future(coroutine1),
        asyncio.ensure_future(coroutine2),
        asyncio.ensure_future(coroutine3)
    ]
    for task in asyncio.as_completed(tasks):
        result = await task
        print("Task ret: {}".format(result))


start = now()

loop = asyncio.get_event_loop()
loop.run_until_complete(main())
print("Time:", now() - start)

七、协程停止

创建 future 的时候，task 为 pending，事件循环调用执行的时候当然就是 running，调用完毕自然就是 done，如果需要停止事件循环，就需要先把 task 取消。可以使用 asyncio.Task 获取事件循环的 task。
future 对象有如下几个状态：Pending、Running、Done、Cacelled

import asyncio
import time

now = lambda: time.time()


async def do_some_work(x):
    print("Waiting:", x)
    await asyncio.sleep(x)
    return "Done after {}s".format(x)


coroutine1 = do_some_work(1)
coroutine2 = do_some_work(2)
coroutine3 = do_some_work(2)

tasks = [
    asyncio.ensure_future(coroutine1),
    asyncio.ensure_future(coroutine2),
    asyncio.ensure_future(coroutine3),
]

start = now()

loop = asyncio.get_event_loop()
try:
    loop.run_until_complete(asyncio.wait(tasks))
except KeyboardInterrupt as e:
    print(asyncio.Task.all_tasks())
    for task in asyncio.Task.all_tasks():
        print(task.cancel())
    loop.stop()
    loop.run_forever()
finally:
    loop.close()

print("Time:", now() - start)

启动事件循环之后，马上 ctrl+c，会触发 run_until_complete 的执行异常 KeyBorardInterrupt。然后通过循环 asyncio.Task 取消 future。

可以看到输出如下：True 表示 cannel 成功，loop stop 之后还需要再次开启事件循环，最后在 close，不然还会抛出异常.

循环 task，逐个 cancel 是一种方案，可是正如上面我们把 task 的列表封装在 main 函数中，main 函数外进行事件循环的调用。这个时候，main 相当于最外出的一个task，那么处理包装的main 函数即可。

task取消和子协程调用原理

程序运行时通过 ctl +c 取消任务调用task.cancel()取消任务

import asyncio
import time


async def get_html(sleep_times):
    print("waiting")
    await asyncio.sleep(sleep_times)
    print("done after {}s".format(sleep_times))


if __name__ == "__main__":
    task1 = get_html(2)
    task2 = get_html(3)
    task3 = get_html(3)

    tasks = [task1, task2, task3]

    loop = asyncio.get_event_loop()

    try:
        loop.run_until_complete(asyncio.wait(tasks))
    except KeyboardInterrupt as e:
        all_tasks = asyncio.Task.all_tasks()
        for task in all_tasks:
            print("cancel task")
            print(task.cancel())
        loop.stop()
        loop.run_forever()
    finally:
        loop.close()

在终端执行：python ceshi.py ，运行成功后按 ctl +c 取消任务　　

不同线程的事件循环（线程、线程池）

很多时候，我们的事件循环用于注册协程，而有的协程需要动态的添加到事件循环中。一个简单的方式就是使用多线程。当前线程创建一个事件循环，然后在新建一个线程，在新线程中启动事件循环。当前线程不会被 block。

import asyncio
from threading import Thread
import time

now = lambda: time.time()


def start_loop(loop):
    asyncio.set_event_loop(loop)
    loop.run_forever()


def more_work(x):
    print('More work {}'.format(x))
    time.sleep(x)
    print('Finished more work {}'.format(x))


start = now()
new_loop = asyncio.new_event_loop()
t = Thread(target=start_loop, args=(new_loop,))
t.start()
print('TIME: {}'.format(time.time() - start))

new_loop.call_soon_threadsafe(more_work, 6)
new_loop.call_soon_threadsafe(more_work, 3)

启动上述代码之后，当前线程不会被 block，新线程中会按照顺序执行 call_soon_threadsafe 方法注册的 more_work 方法，后者因为 time.sleep 操作是同步阻塞的，因此运行完毕more_work 需要大致 6 + 3

使用线程池

# -*- coding:utf-8 -*-
import asyncio
import time
from concurrent.futures import ThreadPoolExecutor

thread_pool = ThreadPoolExecutor(5)
tasks = []

func_now = lambda: time.time()


def start_loop(loop):
    asyncio.set_event_loop(loop)
    loop.run_forever()


def more_work(x):
    print('More work {}'.format(x))
    time.sleep(x)
    print('Finished more work {}'.format(x))


start = func_now()
new_loop = asyncio.new_event_loop()

thread_pool.submit(start_loop, new_loop)

print('TIME: {}'.format(time.time() - start))

new_loop.call_soon_threadsafe(more_work, 6)
new_loop.call_soon_threadsafe(more_work, 3)

主线程创建事件，子线程事件循环

import asyncio
import time
from threading import Thread

now = lambda: time.time()


def start_loop(loop):
    asyncio.set_event_loop(loop)
    loop.run_forever()


async def do_some_work(x):
    print('Waiting {}'.format(x))
    await asyncio.sleep(x)
    print('Done after {}s'.format(x))


def more_work(x):
    print('More work {}'.format(x))
    time.sleep(x)
    print('Finished more work {}'.format(x))


start = now()
new_loop = asyncio.new_event_loop()
t = Thread(target=start_loop, args=(new_loop,))
t.start()
print('TIME: {}'.format(time.time() - start))

asyncio.run_coroutine_threadsafe(do_some_work(6), new_loop)
asyncio.run_coroutine_threadsafe(do_some_work(4), new_loop)

上述的例子，主线程中创建一个 new_loop，然后在另外的子线程中开启一个无限事件循环。主线程通过run_coroutine_threadsafe新注册协程对象。这样就能在子线程中进行事件循环的并发操作，同时主线程又不会被 block。一共执行的时间大概在 6s 左右。

master - worker 主从模式

对于并发任务，通常是用生成消费模型，对队列的处理可以使用类似 master-worker 的方式，master 主要用户获取队列的 msg，worker 用户处理消息。

为了简单起见，并且协程更适合单线程的方式，我们的主线程用来监听队列，子线程用于处理队列。这里使用 redis 的队列。主线程中有一个是无限循环，用户消费队列。

import time
import asyncio
from threading import Thread
import redis


def get_redis():  # 返回一个 redis 连接对象
    connection_pool = redis.ConnectionPool(host='127.0.0.1', db=3)
    return redis.Redis(connection_pool=connection_pool)


def start_loop(loop):  # 开启事件循环
    asyncio.set_event_loop(loop)
    loop.run_forever()


async def worker(task):
    print('Start worker')

    while True:
        # start = now()
        # task = rcon.rpop("queue")   # 从 redis 中 取出的数据
        # if not task:
        #     await asyncio.sleep(1)
        #     continue
        print('Wait ', int(task))  # 取出了相应的任务
        await asyncio.sleep(int(task))
        print('Done ', task, now() - start)


now = lambda: time.time()
rcon = get_redis()
start = now()
# 创建一个事件循环
new_loop = asyncio.new_event_loop()
# 创建一个线程 在新的线程中开启事件循环
t = Thread(target=start_loop, args=(new_loop,))
t.setDaemon(True)  # 设置线程为守护模式
t.start()  # 开启线程

try:
    while True:
        task = rcon.rpop("queue")  # 不断从队列中获取任务
        if not task:
            time.sleep(1)
            continue

        # 包装为 task ins， 传入子线程中的事件循环
        asyncio.run_coroutine_threadsafe(worker(task), new_loop)
except Exception as e:
    print('error', e)
    new_loop.stop()  # 出现异常 关闭时间循环
finally:
    pass

给队列添加一些数据：

127.0.0.1:6379[3]> lpush queue 2
(integer) 1
127.0.0.1:6379[3]> lpush queue 5
(integer) 1
127.0.0.1:6379[3]> lpush queue 1
(integer) 1
127.0.0.1:6379[3]> lpush queue 1

可以看见输出：

Waiting  2
Done 2
Waiting  5
Waiting  1
Done 1
Waiting  1
Done 1
Done 5

我们发起了一个耗时5s的操作，然后又发起了连个1s的操作，可以看见子线程并发的执行了这几个任务，其中5s awati的时候，相继执行了1s的两个任务。

改进：

import time
import redis
import asyncio
from threading import Thread

redis_queue_name = 'redis_list:test'


def get_redis():  # 返回一个 redis 连接对象
    connection_pool = redis.ConnectionPool(host='127.0.0.1', db=3)
    return redis.StrictRedis(connection_pool=connection_pool)


def add_data_to_redis_list(*args):
    redis_conn = get_redis()
    redis_conn.lpush(redis_queue_name, *args)


def start_loop(loop=None):  # 开启事件循环
    asyncio.set_event_loop(loop)
    loop.run_forever()


async def worker(task=None):
    print('Start worker')
    while True:
        # task = redis_conn.rpop("queue")   # 从 redis 中 取出的数据
        # if not task:
        #     await asyncio.sleep(1)
        #     continue
        print('Wait ', int(task))  # 取出了相应的任务
        # 这里只是简单的睡眠传入的秒数
        await asyncio.sleep(int(task))


def main():
    redis_conn = get_redis()

    # 创建一个事件循环
    new_loop = asyncio.new_event_loop()
    # 创建一个线程 在新的线程中开启事件循环
    t = Thread(target=start_loop, args=(new_loop,))
    t.setDaemon(True)  # 设置线程为守护模式
    t.start()  # 开启线程

    try:
        while True:
            task = redis_conn.rpop(name=redis_queue_name)  # 不断从队列中获取任务
            if not task:
                time.sleep(1)
                continue

            # 包装为 task ， 传入子线程中的事件循环
            asyncio.run_coroutine_threadsafe(worker(task), new_loop)
    except Exception as e:
        print('error', e)
        new_loop.stop()  # 出现异常 关闭时间循环
    finally:
        new_loop.close()


if __name__ == '__main__':
    # data_list = [1, 2, 3, 4, 5, 6, 7, 8, 9]
    # add_data_to_redis_list(*data_list)
    main()
    pass

redis队列模型（生产者 --- 消费者）

参考：https://zhuanlan.zhihu.com/p/59621713

下面代码的主线程和双向队列的主线程有些不同，只是换了一种写法而已，代码如下

生产者代码：

import redis

conn_pool = redis.ConnectionPool(host='127.0.0.1')
redis_conn = redis.Redis(connection_pool=conn_pool)

redis_conn.lpush('coro_test', '1')
redis_conn.lpush('coro_test', '2')
redis_conn.lpush('coro_test', '3')
redis_conn.lpush('coro_test', '4')

消费者代码：

import asyncio
from threading import Thread
import redis


def get_redis():
    conn_pool = redis.ConnectionPool(host='127.0.0.1')
    return redis.Redis(connection_pool=conn_pool)


def start_thread_loop(loop):
    asyncio.set_event_loop(loop)
    loop.run_forever()


async def thread_example(name):
    print('正在执行name:', name)
    await asyncio.sleep(2)
    return '返回结果：' + name


redis_conn = get_redis()

new_loop = asyncio.new_event_loop()
loop_thread = Thread(target=start_thread_loop, args=(new_loop,))
loop_thread.setDaemon(True)
loop_thread.start()

# 循环接收redis消息并动态加入协程
while True:
    msg = redis_conn.rpop('coro_test')
    if msg:
        asyncio.run_coroutine_threadsafe(thread_example('Zarten' + bytes.decode(msg, 'utf-8')), new_loop)

改进：

import asyncio
from threading import Thread
import redis


def get_redis():
    conn_pool = redis.ConnectionPool(host='127.0.0.1')
    return redis.Redis(connection_pool=conn_pool)


def start_thread_loop(loop):
    asyncio.set_event_loop(loop)
    loop.run_forever()


async def thread_example(name):
    print('正在执行name:', name)
    await asyncio.sleep(2)
    return '返回结果：' + name


if __name__ == '__main__':
    redis_queue_name = 'redis_list:test'
    redis_conn = get_redis()
    for num in range(1, 10):
        redis_conn.lpush(redis_queue_name, num)

    new_loop = asyncio.new_event_loop()
    loop_thread = Thread(target=start_thread_loop, args=(new_loop,))
    loop_thread.setDaemon(True)
    loop_thread.start()

    # 循环接收redis消息并动态加入协程
    while True:
        msg = redis_conn.rpop(name=redis_queue_name)
        if msg:
            asyncio.run_coroutine_threadsafe(
                thread_example('King_' + msg.decode('utf-8')), new_loop
            )
    pass

停止子线程

如果一切正常，那么上面的例子很完美。可是，需要停止程序，直接ctrl+c，会抛出KeyboardInterrupt错误，我们修改一下主循环：

try:
    while True:
        task = rcon.rpop("queue")
        if not task:
            time.sleep(1)
            continue
        asyncio.run_coroutine_threadsafe(do_some_work(int(task)), new_loop)
except KeyboardInterrupt as e:
    print(e)
    new_loop.stop()

可是实际上并不好使，虽然主线程 try 了 KeyboardInterrupt异常，但是子线程并没有退出，为了解决这个问题，可以设置子线程为守护线程，这样当主线程结束的时候，子线程也随机退出。

new_loop = asyncio.new_event_loop()
t = Thread(target=start_loop, args=(new_loop,))
t.setDaemon(True)    # 设置子线程为守护线程
t.start()

try:
    while True:
        # print('start rpop')
        task = rcon.rpop("queue")
        if not task:
            time.sleep(1)
            continue
        asyncio.run_coroutine_threadsafe(do_some_work(int(task)), new_loop)
except KeyboardInterrupt as e:
    print(e)
    new_loop.stop()

线程停止程序的时候，主线程退出后，子线程也随机退出才了，并且停止了子线程的协程任务。

aiohttp

在消费队列的时候，我们使用 asyncio 的 sleep 用于模拟耗时的 io 操作。以前有一个短信服务，需要在协程中请求远程的短信 api，此时需要是需要使用 aiohttp 进行异步的 http 请求。大致代码如下：

server.py

import time
from flask import Flask, request

app = Flask(__name__)

@app.route('/')
def index(x):
    time.sleep(x)
    return "{} It works".format(x)

@app.route('/error')
def error():
    time.sleep(3)
    return "error!"

if __name__ == '__main__':
    app.run(debug=True)

/ 接口表示短信接口，/error 表示请求/失败之后的报警。

async-custoimer.py

import time
import asyncio
from threading import Thread
import redis
import aiohttp

def get_redis():
    connection_pool = redis.ConnectionPool(host='127.0.0.1', db=3)
    return redis.Redis(connection_pool=connection_pool)

rcon = get_redis()

def start_loop(loop):
    asyncio.set_event_loop(loop)
    loop.run_forever()

async def fetch(url):
    async with aiohttp.ClientSession() as session:
        async with session.get(url) as resp:
            print(resp.status)
            return await resp.text()

async def do_some_work(x):
    print('Waiting ', x)
    try:
        ret = await fetch(url='http://127.0.0.1:5000/{}'.format(x))
        print(ret)
    except Exception as e:
        try:
            print(await fetch(url='http://127.0.0.1:5000/error'))
        except Exception as e:
            print(e)
    else:
        print('Done {}'.format(x))

new_loop = asyncio.new_event_loop()
t = Thread(target=start_loop, args=(new_loop,))
t.setDaemon(True)
t.start()

try:
    while True:
        task = rcon.rpop("queue")
        if not task:
            time.sleep(1)
            continue
        asyncio.run_coroutine_threadsafe(do_some_work(int(task)), new_loop)
except Exception as e:
    print('error')
    new_loop.stop()
finally:
    pass

有一个问题需要注意，我们在fetch的时候try了异常，如果没有try这个异常，即使发生了异常，子线程的事件循环也不会退出。主线程也不会退出，暂时没找到办法可以把子线程的异常raise传播到主线程。（如果谁找到了比较好的方式，希望可以带带我）。

对于 redis 的消费，还有一个 block 的方法：

try:
    while True:
        _, task = rcon.brpop("queue")
        asyncio.run_coroutine_threadsafe(do_some_work(int(task)), new_loop)
except Exception as e:
    print('error', e)
    new_loop.stop()
finally:
    pass

使用 brpop方法，会 block 住 task，如果主线程有消息，才会消费。测试了一下，似乎 brpop 的方式更适合这种队列消费的模型。

127.0.0.1:6379[3]> lpush queue 5
(integer) 1
127.0.0.1:6379[3]> lpush queue 1
(integer) 1
127.0.0.1:6379[3]> lpush queue 1

可以看到结果

Waiting  5
Waiting  1
Waiting  1
200
1 It works
Done 1
200
1 It works
Done 1
200
5 It works
Done 5

协程消费

主线程用于监听队列，然后子线程的做事件循环的worker是一种方式。还有一种方式实现这种类似master-worker的方案。即把监听队列的无限循环逻辑一道协程中。程序初始化就创建若干个协程，实现类似并行的效果。

import time
import asyncio
import redis

now = lambda : time.time()

def get_redis():
    connection_pool = redis.ConnectionPool(host='127.0.0.1', db=3)
    return redis.Redis(connection_pool=connection_pool)

rcon = get_redis()

async def worker():
    print('Start worker')

    while True:
        start = now()
        task = rcon.rpop("queue")
        if not task:
            await asyncio.sleep(1)
            continue
        print('Wait ', int(task))
        await asyncio.sleep(int(task))
        print('Done ', task, now() - start)

def main():
    asyncio.ensure_future(worker())
    asyncio.ensure_future(worker())

    loop = asyncio.get_event_loop()
    try:
        loop.run_forever()
    except KeyboardInterrupt as e:
        print(asyncio.gather(*asyncio.Task.all_tasks()).cancel())
        loop.stop()
        loop.run_forever()
    finally:
        loop.close()

if __name__ == '__main__':
    main()

这样做就可以多多启动几个worker来监听队列。一样可以到达效果。

总结

上述简单的介绍了asyncio的用法，主要是理解事件循环，协程和任务，future的关系。异步编程不同于常见的同步编程，设计程序的执行流的时候，需要特别的注意。毕竟这和以往的编码经验有点不一样。可是仔细想想，我们平时处事的时候，大脑会自然而然的实现异步协程。比如等待煮茶的时候，可以多写几行代码。

Python --- aiohttp 的使用

参考： https://www.cnblogs.com/ssyfj/p/9222342.html

1. aiohttp 的简单使用(配合asyncio模块)

import asyncio
import aiohttp


async def fetch_async(url):
    print(url)
    async with aiohttp.request("GET", url) as r:
        # 或者直接 await r.read()不编码，直接读取，适合于图像等无法编码文件
        resp = await r.text(encoding="utf-8")
        print(resp)
        print('*' * 50)


tasks = [
    fetch_async('https://www.baidu.com/'),
    fetch_async('https://www.chouti.com/')
]

if __name__ == '__main__':
    event_loop = asyncio.get_event_loop()
    results = event_loop.run_until_complete(asyncio.gather(*tasks))
    # event_loop.close()

2. 发起一个 session 请求

import asyncio
import aiohttp


async def fetch_async(url):
    print(url)
    async with aiohttp.ClientSession() as session:  # 协程嵌套，只需要处理最外层协程即可fetch_async
        async with session.get(url) as resp:
            print(resp.status)
            # 因为这里使用到了 await 关键字，实现异步，所有他上面的函数体需要声明为异步async
            print(await resp.text())
            print('*' * 50)


if __name__ == '__main__':
    tasks = [
        fetch_async('https://www.baidu.com/'),
        fetch_async('https://www.cnblogs.com/ssyfj/')
    ]

    event_loop = asyncio.get_event_loop()
    results = event_loop.run_until_complete(asyncio.gather(*tasks))
    # event_loop.close()

除了上面的 get 方法外，会话还支持 post，put，delete .... 等

session.put('http://httpbin.org/put', data=b'data')
session.delete('http://httpbin.org/delete')
session.head('http://httpbin.org/get')
session.options('http://httpbin.org/get')
session.patch('http://httpbin.org/patch', data=b'data')

不要为每次的连接都创建一次session，一般情况下只需要创建一个session，然后使用这个session执行所有的请求。

每个session对象，内部包含了一个连接池，并且将会保持连接和连接复用（默认开启）可以加快整体的性能。

3. 在 url 中传递参数（其实与 requests 模块使用大致相同）

只需要将参数字典，传入 params 参数中即可

import asyncio
import aiohttp
from lxml import etree


async def func1(url, params):
    async with aiohttp.ClientSession() as session:
        async with session.get(url, params=params) as r:
            print(r.url)
            # print(await r.read())
            ss = etree.HTML(text=await r.text())
            movie_name = ss.xpath('//ol[@class="grid_view"]//div[@class="hd"]//a//span[1]//text()')
            print(f'len: {len(list(map(lambda i=None: print(i), movie_name)))}')


if __name__ == '__main__':
    # https://movie.douban.com/top250?start=50
    tasks = [func1('https://movie.douban.com/top250', {"start": 100}), ]

    event_loop = asyncio.get_event_loop()
    results = event_loop.run_until_complete(asyncio.gather(*tasks))
    # event_loop.close()

4. 获取响应内容（由于获取响应内容是一个阻塞耗时过程，所以我们使用await实现协程切换）

（1）使用 text() 方法

import asyncio
import aiohttp
from lxml import etree


async def func1(url, params):
    async with aiohttp.ClientSession() as session:
        async with session.get(url, params=params) as r:
            print(r.url)
            print(r.charset)       # 查看默认编码为 utf-8
            print(await r.text())  # 不编码使用默认编码，也可以使用 encoding 指定编码


if __name__ == '__main__':
    # https://movie.douban.com/top250?start=50
    tasks = [func1('https://movie.douban.com/top250', {"start": 100}), ]

    event_loop = asyncio.get_event_loop()
    results = event_loop.run_until_complete(asyncio.gather(*tasks))
    # event_loop.close()

（2）使用 read() 方法，不进行编码，为字节形式

import asyncio
import aiohttp
from lxml import etree


async def func1(url, params):
    async with aiohttp.ClientSession() as session:
        async with session.get(url, params=params) as r:
            print(r.url)
            print(await r.read())


if __name__ == '__main__':
    # https://movie.douban.com/top250?start=50
    tasks = [func1('https://movie.douban.com/top250', {"start": 100}), ]

    event_loop = asyncio.get_event_loop()
    results = event_loop.run_until_complete(asyncio.gather(*tasks))
    # event_loop.close()

（3）注意：text()、read() 方法是把整个响应体读入内存，如果你是获取大量的数据，请考虑使用 "字节流"（StreamResponse）

5. 特殊响应内容 json（和上面一样）

import asyncio
import aiohttp


async def func1(url, params):
    async with aiohttp.ClientSession() as session:
        async with session.get(url, params=params) as r:
            print(r.url)
            print(r.charset)
            # print(await r.json())  # 可以设置编码，设置处理函数
            print(await r.read())


if __name__ == '__main__':
    # https://movie.douban.com/top250?start=100
    tasks = [func1('https://movie.douban.com/top250', {"start": 100}), ]

    event_loop = asyncio.get_event_loop()
    results = event_loop.run_until_complete(asyncio.gather(*tasks))
    # event_loop.close()

6. 字节流形式获取数据（不像 text、read 一次获取所有数据）

注意：我们获取的 session.get() 是 Response 对象，他继承于 StreamResponse

import asyncio
import aiohttp


async def func1(url, params):
    async with aiohttp.ClientSession() as session:
        async with session.get(url, params=params) as r:
            print(await r.content.read(10))  # 读取前10字节


if __name__ == '__main__':
    # https://movie.douban.com/top250?start=100
    tasks = [func1('https://movie.douban.com/top250', {"start": 100}), ]

    event_loop = asyncio.get_event_loop()
    results = event_loop.run_until_complete(asyncio.gather(*tasks))
    # event_loop.close()

下面字节流形式读取数据，保存文件

import asyncio
import aiohttp


async def func1(url, params, filename):
    async with aiohttp.ClientSession() as session:
        async with session.get(url, params=params) as r:
            with open(filename, "wb") as fp:
                while True:
                    chunk = await r.content.read(10)
                    if not chunk:
                        break
                    fp.write(chunk)


if __name__ == '__main__':
    # https://movie.douban.com/top250?start=100
    tasks = [func1('https://movie.douban.com/top250', {"start": 100}, "1.html"), ]

    event_loop = asyncio.get_event_loop()
    results = event_loop.run_until_complete(asyncio.gather(*tasks))
    # event_loop.close()

注意：

async with session.get(url,params=params) as r:　　# 异步上下文管理器

with open(filename,"wb") as fp:　　                # 普通上下文管理器

两者的区别：在于异步上下文管理器中定义了 __aenter__和__aexit__方法

异步上下文管理器指的是在enter和exit方法处能够暂停执行的上下文管理器

为了实现这样的功能，需要加入两个新的方法：__aenter__ 和__aexit__。这两个方法都要返回一个 awaitable类型的值。

推文：异步上下文管理器：https://blog.csdn.net/tinyzhao/article/details/52684473

7. 自定义请求头（和 requests 一样）

import asyncio
import aiohttp


async def func1(url, params, filename):
    async with aiohttp.ClientSession() as session:
        headers = {'Content-Type': 'text/html; charset=utf-8'}
        async with session.get(url, params=params, headers=headers) as r:
            with open(filename, "wb") as fp:
                while True:
                    chunk = await r.content.read(10)
                    if not chunk:
                        break
                    fp.write(chunk)


if __name__ == '__main__':
    # https://movie.douban.com/top250?start=100
    tasks = [func1('https://movie.douban.com/top250', {"start": 100}, "1.html"), ]

    event_loop = asyncio.get_event_loop()
    results = event_loop.run_until_complete(asyncio.gather(*tasks))
    # event_loop.close()

8. 自定义 cookie

注意：对于自定义cookie，我们需要设置在 ClientSession(cookies=自定义cookie字典)，而不是session.get()中

class ClientSession:

    def __init__(self, *, connector=None, loop=None, cookies=None,
                 headers=None, skip_auto_headers=None,
                 auth=None, json_serialize=json.dumps,
                 request_class=ClientRequest, response_class=ClientResponse,
                 ws_response_class=ClientWebSocketResponse,
                 version=http.HttpVersion11,
                 cookie_jar=None, connector_owner=True, raise_for_status=False,
                 read_timeout=sentinel, conn_timeout=None,
                 timeout=sentinel,
                 auto_decompress=True, trust_env=False,
                 trace_configs=None):

使用：

cookies = {'cookies_are': 'working'}
async with ClientSession(cookies=cookies) as session:

9. 获取当前访问网站的 cookie

async with session.get(url) as resp:
    print(resp.cookies)

10. 获取网站的响应状态码

async with session.get(url) as resp:
    print(resp.status)

11. 查看响应头

resp.headers         # 来查看响应头，得到的值类型是一个dict：
resp.raw_headers　　 # 查看原生的响应头，字节类型

12. 查看重定向的响应头（我们此时已经到了新的网址，向之前的网址查看）

resp.history　　# 查看被重定向之前的响应头

13. 超时处理

默认的IO操作都有5分钟的响应时间我们可以通过 timeout 进行重写：

async with session.get('https://github.com', timeout=60) as r:
    ...

如果 timeout=None 或者 timeout=0 将不进行超时检查，也就是不限时长。

14. ClientSession 用于在多个连接之间（同一网站）共享cookie，请求头等

import asyncio
import aiohttp


async def func1():
    cookies = {'my_cookie': "my_value"}
    async with aiohttp.ClientSession(cookies=cookies) as session:
        async with session.get("https://segmentfault.com/q/1010000007987098") as r:
            print(session.cookie_jar.filter_cookies("https://segmentfault.com"))
        async with session.get("https://segmentfault.com/hottest") as rp:
            print(session.cookie_jar.filter_cookies("https://segmentfault.com"))


if __name__ == '__main__':
    tasks = [func1(), ]
    event_loop = asyncio.get_event_loop()
    results = event_loop.run_until_complete(asyncio.gather(*tasks))
    # event_loop.close()

Set-Cookie: PHPSESSID=web2~d8grl63pegika2202s8184ct2q
Set-Cookie: my_cookie=my_value
Set-Cookie: PHPSESSID=web2~d8grl63pegika2202s8184ct2q
Set-Cookie: my_cookie=my_value

我们最好使用session.cookie_jar.filter_cookies()获取网站cookie，不同于requests模块，虽然我们可以使用rp.cookies有可能获取到cookie，但似乎并未获取到所有的cookies。

import asyncio
import aiohttp


async def func1():
    cookies = {'my_cookie': "my_value"}
    async with aiohttp.ClientSession(cookies=cookies) as session:
        async with session.get("https://segmentfault.com/q/1010000007987098") as rp_1:
            print('1' * 50)
            print(session.cookie_jar.filter_cookies("https://segmentfault.com"))
            # 首次访问会获取网站设置的 cookie
            # Set-Cookie: PHPSESSID=web2~jh3ouqoabvr4e72f87vtherkp6; Domain=segmentfault.com; Path=/　
            print('2' * 50)
            print(f'rp_1.cookies:{rp_1.cookies}')
            async with session.get("https://segmentfault.com/hottest") as rp_2:
                print('3' * 50)
                print(session.cookie_jar.filter_cookies("https://segmentfault.com"))
                print('4' * 50)
                print(f'rp_2.cookies:{rp_2.cookies}')  # 为空，服务端未设置 cookie
                async with session.get("https://segmentfault.com/newest") as rp_3:
                    print('5' * 50)
                    print(session.cookie_jar.filter_cookies("https://segmentfault.com"))
                    print('6' * 50)
                    print(f'rp_3.cookies:{rp_3.cookies}')  # 为空，服务端未设置cookie


if __name__ == '__main__':
    tasks = [func1(), ]
    event_loop = asyncio.get_event_loop()
    results = event_loop.run_until_complete(asyncio.gather(*tasks))
    # event_loop.close()

运行结果：

11111111111111111111111111111111111111111111111111
Set-Cookie: PHPSESSID=k8s~5760e27c506e738ac8fb39ed309111f9
Set-Cookie: my_cookie=my_value
22222222222222222222222222222222222222222222222222
rp_1.cookies:Set-Cookie: PHPSESSID=k8s~5760e27c506e738ac8fb39ed309111f9; Domain=segmentfault.com; Path=/
33333333333333333333333333333333333333333333333333
Set-Cookie: PHPSESSID=k8s~5760e27c506e738ac8fb39ed309111f9
Set-Cookie: my_cookie=my_value
44444444444444444444444444444444444444444444444444
rp_2.cookies:
55555555555555555555555555555555555555555555555555
Set-Cookie: PHPSESSID=k8s~5760e27c506e738ac8fb39ed309111f9
Set-Cookie: my_cookie=my_value
66666666666666666666666666666666666666666666666666
rp_3.cookies:

总结：

当我们使用 rp.cookie 时，只会获取到当前 url 下设置的 cookie,不会维护整站的cookie

而session.cookie_jar.filter_cookies("https://segmentfault.com")会一直保留这个网站的所有设置cookies，含有我们在会话时设置的cookie，并且会根据响应修改更新cookie。这个才是我们需要的

而我们设置cookie，也是需要在aiohttp.ClientSession(cookies=cookies)中设置

ClientSession 还支持请求头，keep-alive连接和连接池(connection pooling)

15. cookie的安全性

默认 ClientSession 使用的是严格模式的 aiohttp.CookieJar. RFC 2109，明确的禁止接受 url 和 ip 地址产生的 cookie，只能接受 DNS 解析 IP 产生的 cookie。可以通过设置 aiohttp.CookieJar 的 unsafe=True 来配置：

jar = aiohttp.CookieJar(unsafe=True)
session = aiohttp.ClientSession(cookie_jar=jar)

16. 控制同时连接的数量（连接池）

TCPConnector 维持链接池，限制并行连接的总量，当池满了，有请求退出再加入新请求

import asyncio
import aiohttp


async def func1():
    cookies = {'my_cookie': "my_value"}
    conn = aiohttp.TCPConnector(limit=2)  # 默认100，0表示无限
    async with aiohttp.ClientSession(cookies=cookies, connector=conn) as session:
        for i in range(7, 35):
            url = "https://www.ckook.com/list-%s-1.html" % i
            async with session.get(url) as rp:
                print('---------------------------------')
                print(rp.status)


if __name__ == '__main__':
    tasks = [func1(), ]
    event_loop = asyncio.get_event_loop()
    results = event_loop.run_until_complete(asyncio.gather(*tasks))
    # event_loop.close()

限制同时打开连接到同一端点的数量（ (host, port, is_ssl) 三的倍数），可以通过设置 limit_per_host 参数：

limit_per_host：同一端点的最大连接数量。同一端点即(host, port, is_ssl)完全相同

conn = aiohttp.TCPConnector(limit_per_host=30)#默认是0

在协程下测试效果不明显

17. 自定义域名解析地址

我们可以指定域名服务器的 IP 对我们提供的get或post的url进行解析：

from aiohttp.resolver import AsyncResolver

resolver = AsyncResolver(nameservers=["8.8.8.8", "8.8.4.4"])
conn = aiohttp.TCPConnector(resolver=resolver)

18. 设置代理

aiohttp支持使用代理来访问网页：

async with aiohttp.ClientSession() as session:
    async with session.get("http://python.org", proxy="http://some.proxy.com") as resp:
        print(resp.status)

当然也支持需要授权的页面：

async with aiohttp.ClientSession() as session:
    proxy_auth = aiohttp.BasicAuth('user', 'pass')  # 用户，密码
    async with session.get("http://python.org", proxy="http://some.proxy.com", proxy_auth=proxy_auth) as resp:
        print(resp.status)

或者通过这种方式来验证授权：

session.get("http://python.org", proxy="http://user:[email protected]")

19. post传递数据的方法

（1）模拟表单

payload = {'key1': 'value1', 'key2': 'value2'}
async with session.post('http://httpbin.org/post', data=payload) as resp:
    print(await resp.text())

注意：data=dict 的方式 post 的数据将被转码，和 form 提交数据是一样的作用，如果你不想被转码，可以直接以字符串的形式 data=str 提交，这样就不会被转码。

（2）post json

payload = {'some': 'data'}
 
async with session.post(url, data=json.dumps(payload)) as resp:

其实json.dumps(payload)返回的也是一个字符串，只不过这个字符串可以被识别为json格式

（3）post 小文件

url = 'http://httpbin.org/post'
files = {'file': open('report.xls', 'rb')}
 
await session.post(url, data=files)

url = 'http://httpbin.org/post'
data = FormData()
data.add_field('file', open('report.xls', 'rb'), filename='report.xls', content_type='application/vnd.ms-excel')

await session.post(url, data=data)

如果将文件对象设置为数据参数，aiohttp将自动以字节流的形式发送给服务器。

（4）post 大文件

aiohttp支持多种类型的文件以流媒体的形式上传，所以我们可以在文件未读入内存的情况下发送大文件。

@aiohttp.streamer
def file_sender(writer, file_name=None):
    with open(file_name, 'rb') as f:
        chunk = f.read(2 ** 16)
        while chunk:
            yield from writer.write(chunk)
            chunk = f.read(2 ** 16)


# Then you can use `file_sender` as a data provider:

async with session.post('http://httpbin.org/post', data=file_sender(file_name='huge_file')) as resp:
    print(await resp.text())

（5）从一个url获取文件后，直接post给另一个url

r = await session.get('http://python.org')
await session.post('http://httpbin.org/post',data=r.content)

（6）post 预压缩数据

在通过aiohttp发送前就已经压缩的数据, 调用压缩函数的函数名（通常是deflate 或 zlib）作为content-encoding的值：

import zlib


async def my_coroutine(session, headers, my_data):
    data = zlib.compress(my_data)
    headers = {'Content-Encoding': 'deflate'}
    async with session.post('http://httpbin.org/post', data=data, headers=headers):
        pass

Python 协程爬虫 --- aiohttp + aiomultiprocess 使用

aiohttp 是基于 asyncio 的一个异步http客户端和服务器

官方文档：https://aiohttp.readthedocs.io/en/stable/client_quickstart.html

aiomultiprocess ：https://github.com/omnilib/aiomultiprocess

简单实用例子

async def funct(index):   
    print("start ", index)   
    async with aiohttp.ClientSession() as session:       
        async with session.get("https://movie.douban.com/top250?start=0", timeout=5) as resp:           
            print(resp.status)
            print(await resp.text())   
    print("end ", index)

aiohttp.ClientSession()

创建会话，session 提供了各种请求方法，如 get、post、delete、put 等。认识新的关键字 async with，因为是协程的上下文管理，所以多了async关键字。这个不是强制使用的，你也可以自己手动关闭会话，但是一定要记得关闭

注意：

1、不要为每个请求创建会话。每个应用程序很可能需要一个会话来执行所有请求。
2、aiohttp 在发送请求之前在内部执行 URL 规范化。要禁用规范化，请使用 encoded=True 参数进行URL构建

获取响应信息

resp.status                   # 状态码
await resp.text()             # 获取响应正文，可以指定编码
await resp.read()             # 读取二进制响应内容
await resp.json()             # 获取json响应内容
await resp.content.read(size) # 读取流

注意事项：aiohttp 是在 await resp.text() 之后才发起请求的，所以必须调用之后才能获取响应的内容，不然会出现异常 aiohttp.client_exceptions.ClientConnectionError: Connection closed

aiomultiprocess

asyncio 和多处理本身是有用的，但有局限性：asyncio 仍然不能超过 GIL 的速度，并且多处理一次只能处理一个任务。但是，他们在一起可以充分实现自己的真正潜力。

aiomultiprocess 同时在每个子进程上运行完整的 asyncio 事件循环，从而实现了 Python 应用程序从未有过的并发级别。每个子进程可以一次执行多个协程，仅受工作量和可用内核数限制。

注：aiomultiprocess 需要 Python 3.6 或更高版本

import asyncio
from aiohttp import request
from aiomultiprocess import Pool


async def get(url):
    try:
        async with request("GET", url) as response:
            return await response.text("utf-8")
    except BaseException as be:
        print(f'{url} ---> {be}')


async def main():
    urls = ["https://www.gushiwen.cn/", ...]
    async with Pool() as pool:
        async for result in pool.map(get, urls):
            print(result)


if __name__ == '__main__':
    # Python 3.7
    asyncio.run(main())

    # Python 3.6
    # loop = asyncio.get_event_loop()
    # loop.run_until_complete(main())
    pass

用法：在子进程中执行协程

import asyncio
from aiohttp import request
from aiomultiprocess import Process


async def put(url, params):
    async with request("PUT", url, params=params) as response:
        pass


async def main():
    p = Process(target=put, args=("https://jreese.sh", {}))
    await p


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

如果您想从协程中获取结果 Worker，请使用以下方法：

import asyncio
from aiohttp import request
from aiomultiprocess import Worker


async def get(url):
    async with request("GET", url) as response:
        return await response.text("utf-8")


async def main():
    p = Worker(target=get, args=("https://jreese.sh",))
    response = await p


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

如果您需要一个托管的工作进程池，请使用 Pool：

import asyncio
from aiohttp import request
from aiomultiprocess import Pool


async def get(url):
    async with request("GET", url) as response:
        return await response.text("utf-8")


async def main():
    urls = ["https://jreese.sh", ...]
    async with Pool() as pool:
        result = await pool.map(get, urls)


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

示例：

import time
import json
import datetime
import asyncio
import hashlib
from aiomultiprocess import Pool
from redis import *
from pybloom_live import BloomFilter
import aiohttp

#
# Public variable
#

Bloom_data = BloomFilter(1000000000, 0.01)
DB_get_question = StrictRedis(
    host='62.234.9.254', port=6480, password='lingmiao2015', db=4
)
pipeline_redis = DB_get_question.pipeline()


#
# Public functions
#

def md5(data):
    """
    对数据进行MD5加密
    :param data:
    :return:
    """
    md5_qa = hashlib.md5(data.encode('utf8')).hexdigest()
    md5_qa = bytes(md5_qa, encoding='utf8')
    return md5_qa


async def get(data):
    """
    协程函数
    :param url:
    :return:
    """
    # while True:
    # print('data:',data)
    # try:
    url = ''
    async with aiohttp.ClientSession(connector=aiohttp.TCPConnector(verify_ssl=False)) as session:
        get_proxy = DB_get_question.spop('IP_PROXY')
        response = await session.post(url, json=data, timeout=7, proxy={"http": "http://{}".format(get_proxy)})
        result = await response.text()
        hjson = json.loads(result)
        content = hjson['results'][0]['values']['text']
        # print('data:',data)
        print('\033[32;1mget_question\033[0m:', content)
        await asyncio.sleep(0.1)
        return content
    # except:
    #     open('error_url.txt','a').write(url + '\n')
    #     await get(data)


async def request():
    """
    使用进程加异步协程发送请求
    :return:
    """

    key_number = 0
    datas = ['']
    split_key = DB_get_question.spop('key2_set').decode('utf8').split(': ')
    key = split_key[-1].replace('\'', '').replace('}', '')
    phone = split_key[0].replace('\'', '').replace('{', '').replace('b', '')
    while len(datas) != 0:
        key_number += 1
        if len(datas) > 1:
            async with Pool() as pool:
                get_proxy = DB_get_question.spop('IP_PROXY')
                result_list = await pool.map(get, datas)
                # print(result_list)
                for result in result_list:
                    if result:
                        # print('key',key)
                        # print('phone', phone)
                        if '请求次数' in result or 'key不对' in result or '请求内容为空' in result:
                            split_key = DB_get_question.spop('key2_set').decode('utf8').split(': ')
                            key = split_key[-1].replace('\'', '').replace('}', '')
                            phone = split_key[0].replace('\'', '').replace('{', '')
                            break
                        md5_qa = md5(result)
                        if md5_qa not in Bloom_data:
                            Bloom_data.add(md5_qa)
                            #     pipeline_redis.lpush('total_question_list', result)
                            pipeline_redis.sadd('get_question', result)
                pipeline_redis.execute()
        datas.clear()
        question_number = 0
        while True:
            question_number += 1
            pipeline_redis.spop('original_question_set')
            if question_number == 100:
                question_list = pipeline_redis.execute()
                break

        datas = {}
        print('datas', datas)
        print(datas)
        if key_number == 500:
            split_key = DB_get_question.spop('key2_set').decode('utf8').split(': ')
            key = split_key[-1].replace('\'', '').replace('}', '')
            phone = split_key[0].replace('\'', '').replace('{', '')
            key2_set_number = DB_get_question.scard('key2_set')
            if key2_set_number < 5:
                with open('key2_total.txt', 'r') as f_key:
                    for key in f_key:
                        key = key.strip()
                        pipeline_redis.sadd('key2_set', key)
                    pipeline_redis.execute()
            key_number = 0


coroutine = request()
task = asyncio.ensure_future(coroutine)
loop = asyncio.get_event_loop()
loop.run_until_complete(task)

基于 asyncio、aiohttp、xpath 的异步爬虫

参看：https://blog.csdn.net/weixin_34290390/article/details/88772610

# asyncio爬虫， 去重， 入库

import asyncio
import re
import aiohttp
import aiomysql
from pyquery import PyQuery

stopping = False

start_url = 'http://www.jobbole.com'
waiting_urls = []
seen_urls = set()  # 实际使用爬虫去重时，数量过多，需要使用布隆过滤器


async def fetch(url, session):
    async with aiohttp.ClientSession() as session:
        try:
            async with session.get(url) as resp:
                print('url status: {}'.format(resp.status))
                if resp.status in [200, 201]:
                    data = await resp.text()
                    return data
        except Exception as e:
            print(e)


def extract_urls(html):  # html中提取所有url
    urls = []
    pq = PyQuery(html)
    for link in pq.items('a'):
        url = link.attr('href')
        if url and url.startwith('http') and url not in seen_urls:
            urls.append(url)
            waiting_urls.append(urls)
    return urls


async def init_urls(url, session):
    html = await fetch(url, session)
    seen_urls.add(url)
    extract_urls(html)


async def article_handler(url, session, pool):  # 获取文章详情并解析入库
    html = await fetch(url, session)
    extract_urls(html)
    pq = PyQuery(html)
    title = pq('title').text()  # 为了简单， 只获取title的内容
    async with pool.acquire() as conn:
        async with conn.cursor() as cur:
            await cur.execute('SELECT 42;')
            insert_sql = "insert into article_test(title) values('{}')".format(
                title)
            await cur.execute(insert_sql)  # 插入数据库
            # print(cur.description)
            # (r,) = await cur.fetchone()
            # assert r == 42


async def consumer(pool):
    async with aiohttp.ClientSession() as session:
        while not stopping:
            if len(waiting_urls) == 0:  # 如果使用asyncio.Queue的话， 不需要我们来处理这些逻辑。
                await asyncio.sleep(0.5)
                continue
            url = waiting_urls.pop()
            print('start get url:{}'.format(url))
            if re.match(r'http://.*?jobbole.com/\d+/', url):
                if url not in seen_urls:  # 是没有处理过的url，则处理
                    asyncio.ensure_future(article_handler(url, sssion, pool))
            else:
                if url not in seen_urls:
                    asyncio.ensure_future(init_urls(url))


async def main(loop):
    # 等待mysql连接建立好
    pool = await aiomysql.create_pool(
        host='127.0.0.1', port=3306, user='root', password='',
        db='aiomysql_test', loop=loop, charset='utf8', autocommit=True
    )
    # charset  autocommit必须设置， 这是坑， 不写数据库写入不了中文数据
    async with aiohttp.ClientSession() as session:
        html = await fetch(start_url, session)
        seen_urls.add(start_url)
        extract_urls(html)
    asyncio.ensure_future(consumer(pool))


if __name__ == '__main__':
    event_loop = asyncio.get_event_loop()
    asyncio.ensure_future(main(event_loop))
    event_loop.run_forever()

改进（生产者 --- 消费者从 redis 取数据）

config.py

import os
import sys

sys.path.append(os.getcwd())
sys.path.append("..")
sys.path.append(os.path.abspath("../../"))


DEV_OR_PRD = 'dev'
REDIS_CONFIG = None

if 'dev' == DEV_OR_PRD.lower():
    REDIS_CONFIG = {
        'host': '127.0.0.1',
        'port': 6379,
        'db': 0,
        'password': None
    }
    pass
elif 'prd' == DEV_OR_PRD.lower():
    REDIS_CONFIG = {
        'host': '127.0.0.1',
        'port': 6379,
    }
    pass

produce.py

import redis
import json
import requests
from config import REDIS_CONFIG


def add_task():
    payload = {}
    headers = {
        'Host': 'www.kuwo.cn',
        'csrf': 'E7D1IGX45D',
        'Cookie': 'kw_token=E7D1IGX45D; kw_token=AKH1VOZ2767'
    }

    queue_name = 'redis_list:test'
    redis_conn = redis.StrictRedis(**REDIS_CONFIG)
    for _ in range(100):
        for page_num in range(1, 11):
            url = f"http://www.kuwo.cn/api/www/bang/bang/musicList?bangId=16&pn={page_num}&rn=30"
            response = requests.request("GET", url, headers=headers, data=payload)

            try:
                music_list = response.json()['data']['musicList']
            except BaseException as e:
                music_list = []

            for item in music_list:
                task = {
                    'crawl_url': item['pic'],
                    'song_name': item['name']
                }
                redis_conn.lpush(queue_name, json.dumps(task, ensure_ascii=False))
                print(f'task:{task}')
            print(f'page {page_num} end')


if __name__ == '__main__':
    add_task()
    pass

consumer.py

import re
import asyncio
import aiohttp
import redis
import json
import datetime
from config import REDIS_CONFIG


max_worker = 50
current_worker = 0


def write_file(future=None):
    resp_data = future.result()
    if not resp_data:
        return
    time_int = int(datetime.datetime.now().timestamp() * 1000)
    with open(f'./img/{time_int}.jpg', 'wb') as f:
        f.write(resp_data)


async def fetch(url, session):
    global current_worker
    current_worker += 1
    try:
        async with session.get(url) as resp:
            print('url status: {}'.format(resp.status))
            if resp.status in [200, 201]:
                # data = await resp.text()
                data = await resp.read()
                current_worker -= 1
                return data
    except Exception as e:
        print(e)
        return None


async def consumer(redis_conn=None, queue_name=None):

    async with aiohttp.ClientSession() as session:
        while True:
            task_string = redis_conn.rpop(queue_name)
            cha = current_worker - max_worker
            if cha >= 0 or not task_string:
                print('超过最大worker, 或者任务为空, 睡1秒继续。。。')
                await asyncio.sleep(1)
                continue

            task_string = task_string.decode('utf-8')
            task_dict = json.loads(task_string)
            crawl_url = task_dict['crawl_url']
            asyncio_task = asyncio.ensure_future(fetch(crawl_url, session))
            asyncio_task.add_done_callback(write_file)
            # await asyncio.sleep(0.001)


def main():
    queue_name = 'redis_list:test'
    redis_conn_pool = redis.ConnectionPool(**REDIS_CONFIG)
    redis_conn = redis.StrictRedis(connection_pool=redis_conn_pool)
    event_loop = asyncio.get_event_loop()
    try:
        event_loop.run_until_complete(consumer(redis_conn=redis_conn, queue_name=queue_name))
    except KeyboardInterrupt as e:
        event_loop.stop()
        event_loop.run_forever()
    finally:
        event_loop.close()
        redis_conn.close()


if __name__ == '__main__':
    main()

2. asyncio + aiohttp

import aiohttp
import asyncio


async def fetch_async(url):
    print(url)
    async with aiohttp.request("GET", url) as r:
        response = await r.text(encoding="utf-8")

        # 或者直接await r.read()不编码，直接读取，适合于图像等无法编码文件
        # data = await r.read()
        # print(url, data)

        print(url, r.status)
        print(url, response)


if __name__ == '__main__':
    tasks = [
        fetch_async('https://www.baidu.com/'),
        fetch_async('https://www.chouti.com/')
    ]

    event_loop = asyncio.get_event_loop()
    results = event_loop.run_until_complete(asyncio.gather(*tasks))
    # event_loop.close()

示例：

参考：深入理解协程（四）：async/await异步爬虫实战：https://www.cnblogs.com/ghostlee/p/12208564.html

import asyncio
import time
import aiohttp
from lxml import etree

urls = [
    'https://blog.csdn.net/Jmilk/article/details/103218919',
    'https://blog.csdn.net/stven_king/article/details/103256724',
    'https://blog.csdn.net/csdnnews/article/details/103154693',   
]


async def async_get_url(url):
    headers = {
        'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 '
                      '(KHTML, like Gecko) Chrome/78.0.3904.97 Safari/537.36'
    }
    async with aiohttp.ClientSession() as session:  # 解释1
        async with session.get(url, headers=headers) as r:
            html = await r.read()
            try:
                title = etree.HTML(html).xpath('//h1[@class="title-article"]/text()')[0]
                print(title)
            except IndexError:
                print(f'Fail URL: {r.url}')


def async_main():
    loop = asyncio.get_event_loop()
    tasks = [async_get_url(url) for url in urls]
    loop.run_until_complete(asyncio.wait(tasks))
    # loop.close()


if __name__ == '__main__':
    start = time.time()
    async_main()
    print(f'cost time: {time.time() - start}s')

3. asyncio + requests

import asyncio
import requests


async def fetch_async(func, *args, **kwargs):
    inner_loop = asyncio.get_event_loop()
    future = inner_loop.run_in_executor(None, func, *args)
    response = await future
    print(response.url, response.content)


if __name__ == '__main__':
    tasks = [
        fetch_async(requests.get, 'https://www.cnblogs.com/wupeiqi/'),
        fetch_async(requests.get, 'https://dig.chouti.com/pic/show?nid=4073644713430508&lid=10273091')
    ]

    loop = asyncio.get_event_loop()
    results = loop.run_until_complete(asyncio.gather(*tasks))
    loop.close()

示例：

import functools  # at the top with the other imports
import asyncio
import requests
import urllib3
urllib3.disable_warnings(urllib3.exceptions.InsecureRequestWarning)


async def fetch_async(lp, func, *args, **kwargs):
    # inner_loop = asyncio.get_event_loop()
    # future = inner_loop.run_in_executor(None, func, *args)
    print(f'*args: {args}')
    future = lp.run_in_executor(None, functools.partial(func, *args, **kwargs))
    response = await future
    print(response.url, response.content)


if __name__ == '__main__':
    loop = asyncio.get_event_loop()
    tasks = [
        fetch_async(loop, requests.get, 'https://www.cnblogs.com/wupeiqi/', verify=False),
        fetch_async(loop, requests.get, 'https://dig.chouti.com/pic/show?nid=4073644713430508&lid=10273091')
    ]
    results = loop.run_until_complete(asyncio.gather(*tasks))
    loop.close()

示例：

task 是协程和 Future 的桥梁。

import requests
import asyncio
from concurrent import futures

'''
使用多线程：在协程中集成阻塞io

原型 :awaitable loop.run_in_executor(executor, func, *args) 
参数 : executor 可以是  ThreadPoolExecutor / ProcessPool  , 如果是None 则使用默认线程池
可使用 yield from 或 await 挂起函数
作用 : 例如在异步事件循环中的写文件操作(或者其他IO操作), 这种慢的操作交给线程去做
'''


def get_url(r_url=None):
    r = requests.get(url=r_url, verify=False)
    print(r.json())


if __name__ == "__main__":
    loop = asyncio.get_event_loop()
    executor = futures.ThreadPoolExecutor(3)
    tasks = []
    for index in range(20):
        url = f"http://shop.projectsedu.com/goods/{index}/"
        task = loop.run_in_executor(executor, get_url, url)
        tasks.append(task)
    loop.run_until_complete(asyncio.wait(tasks))

示例：

import asyncio
from concurrent import futures


def block_func():
    with open("c:/test.txt", 'rb') as fd:
        return fd.read(500)


async def todo(lp: asyncio.AbstractEventLoop):
    reader = await lp.run_in_executor(None, block_func)  # 默认线程池
    print("reader:", reader)

    with futures.ThreadPoolExecutor() as ex:
        reader = await lp.run_in_executor(ex, block_func)  # 自己创建一个线程池让事件循环调用
        print("reader :", reader)


loop = asyncio.get_event_loop()
loop.run_until_complete(todo(loop))

4. gevent + requests

from gevent import monkey
monkey.patch_all()

import gevent
import requests
import urllib3
urllib3.disable_warnings(urllib3.exceptions.InsecureRequestWarning)


def fetch_async(method, url, **req_kwargs):
    print(method, url, req_kwargs)
    response = requests.request(method=method, url=url, **req_kwargs)
    # print(f'{response.url}, {response.content}')
    print(f'{response.url}, {response.status_code}')


def test_1():
    # ##### 发送请求 #####
    gevent.joinall([
        gevent.spawn(fetch_async, method='get', url='https://www.python.org/', verify=False),
        gevent.spawn(fetch_async, method='get', url='https://www.yahoo.com/', verify=False),
        gevent.spawn(fetch_async, method='get', url='https://github.com/', verify=False),
    ])


def test_2():
    # #### 发送请求（协程池控制最大协程数量） #####
    from gevent.pool import Pool
    pool = Pool(None)
    gevent.joinall([
        pool.spawn(fetch_async, method='get', url='https://www.python.org/', verify=False),
        pool.spawn(fetch_async, method='get', url='https://www.yahoo.com/', verify=False),
        pool.spawn(fetch_async, method='get', url='https://www.github.com/', verify=False),
    ])


if __name__ == '__main__':
    # test_1()
    test_2()

5. grequests

import grequests

request_list = [
    grequests.get('http://httpbin.org/delay/1', timeout=0.001),
    grequests.get('http://fakedomain/'),
    grequests.get('http://httpbin.org/status/500')
]


# ##### 执行并获取响应列表 #####
# response_list = grequests.map(request_list)
# print(response_list)

# ##### 执行并获取响应列表（处理异常） #####
def exception_handler(request, exception):
    print(request, exception)
    print("Request failed")


response_list = grequests.map(request_list, exception_handler=exception_handler)
print(response_list)

6. Twisted 示例

twisted学习笔记No.3 Web Clients：https://www.cnblogs.com/tracylining/p/3353808.html

from twisted.web.client import Agent
from twisted.web.client import defer
from twisted.internet import reactor


def all_done(arg):
    reactor.stop()


def callback(contents):
    print(contents)


deferred_list = []

url_list = ['http://www.bing.com', 'http://www.baidu.com', ]
for url in url_list:
    agent = Agent(reactor)
    d = agent.request(b'GET', url.encode('utf-8'))
    # d.addCallbacks(printResource, printError)
    d.addCallback(callback)
    deferred_list.append(d)

d_list = defer.DeferredList(deferred_list)
d_list.addBoth(all_done)
reactor.run()

7. Tornado

from tornado.httpclient import AsyncHTTPClient
from tornado.httpclient import HTTPRequest
from tornado import ioloop
from tornado.httpclient import HTTPResponse


def handle_response(response: HTTPResponse):
    """
    处理返回值内容（需要维护计数器，来停止IO循环），调用 ioloop.IOLoop.current().stop()
    :param response:
    :return:
    """
    if response.error:
        print("Error:", response.error)
    else:
        # print(response.body)
        print(f'{response.effective_url} : status_code : {response.code}')


def func():
    url_list = [
        'https://www.baidu.com',
        'https://www.bing.com',
    ]
    for url in url_list:
        print(url)
        http_client = AsyncHTTPClient()
        http_client.fetch(HTTPRequest(url), handle_response)


ioloop.IOLoop.current().add_callback(func)
ioloop.IOLoop.current().start()

8. Twisted 更多

from twisted.internet import reactor
from twisted.web.client import getPage
from urllib import parse


def one_done(arg: bytes):
    print(arg.decode('utf-8'))
    reactor.stop()


post_data = parse.urlencode({'check_data': 'adf'})
post_data = bytes(post_data, encoding='utf8')
headers = {b'Content-Type': b'application/x-www-form-urlencoded'}
response = getPage(
    bytes('http://dig.chouti.com/login', encoding='utf8'),
    method=bytes('POST', encoding='utf8'), postdata=post_data, cookies={}, headers=headers
)
response.addBoth(one_done)
reactor.run()

以上均是 Python 内置以及第三方模块提供异步IO请求模块，使用简便大大提高效率，而对于异步IO请求的本质则是【非阻塞Socket】+【IO多路复用】.

9.史上最牛逼的异步IO模块（ select、poll、epoll ）

select

import select
import socket
import time


class AsyncTimeoutException(TimeoutError):
    """
    请求超时异常类
    """

    def __init__(self, msg):
        self.msg = msg
        super(AsyncTimeoutException, self).__init__(msg)


class HttpContext(object):
    """封装请求和相应的基本数据"""

    def __init__(self, sock, host, port, method, url, data, callback, timeout=5):
        """
        sock: 请求的客户端socket对象
        host: 请求的主机名
        port: 请求的端口
        port: 请求的端口
        method: 请求方式
        url: 请求的URL
        data: 请求时请求体中的数据
        callback: 请求完成后的回调函数
        timeout: 请求的超时时间
        """
        self.sock = sock
        self.callback = callback
        self.host = host
        self.port = port
        self.method = method
        self.url = url
        self.data = data

        self.timeout = timeout

        self.__start_time = time.time()
        self.__buffer = []

    def is_timeout(self):
        """当前请求是否已经超时"""
        current_time = time.time()
        if (self.__start_time + self.timeout) < current_time:
            return True

    def fileno(self):
        """请求sockect对象的文件描述符，用于select监听"""
        return self.sock.fileno()

    def write(self, data):
        """在buffer中写入响应内容"""
        self.__buffer.append(data)

    def finish(self, exc=None):
        """在buffer中写入响应内容完成，执行请求的回调函数"""
        if not exc:
            response = b''.join(self.__buffer)
            self.callback(self, response, exc)
        else:
            self.callback(self, None, exc)

    def send_request_data(self):
        content = """%s %s HTTP/1.0\r\nHost: %s\r\n\r\n%s""" % (
            self.method.upper(), self.url, self.host, self.data,)

        return content.encode(encoding='utf8')


class AsyncRequest(object):
    def __init__(self):
        self.fds = []
        self.connections = []

    def add_request(self, host, port, method, url, data, callback, timeout):
        """创建一个要请求"""
        client = socket.socket()
        client.setblocking(False)
        try:
            client.connect((host, port))
        except BlockingIOError as e:
            pass
            # print('已经向远程发送连接的请求')
        req = HttpContext(client, host, port, method, url, data, callback, timeout)
        self.connections.append(req)
        self.fds.append(req)

    def check_conn_timeout(self):
        """检查所有的请求，是否有已经连接超时，如果有则终止"""
        timeout_list = []
        for context in self.connections:
            if context.is_timeout():
                timeout_list.append(context)
        for context in timeout_list:
            context.finish(AsyncTimeoutException('请求超时'))
            self.fds.remove(context)
            self.connections.remove(context)

    def running(self):
        """事件循环，用于检测请求的socket是否已经就绪，从而执行相关操作"""
        while True:
            r, w, e = select.select(self.fds, self.connections, self.fds, 0.05)

            if not self.fds:
                return

            for context in r:
                sock = context.sock
                while True:
                    try:
                        data = sock.recv(8096)
                        if not data:
                            self.fds.remove(context)
                            context.finish()
                            break
                        else:
                            context.write(data)
                    except BlockingIOError as e:
                        break
                    except TimeoutError as e:
                        self.fds.remove(context)
                        self.connections.remove(context)
                        context.finish(e)
                        break

            for context in w:
                # 已经连接成功远程服务器，开始向远程发送请求数据
                if context in self.fds:
                    data = context.send_request_data()
                    context.sock.sendall(data)
                    self.connections.remove(context)

            self.check_conn_timeout()


if __name__ == '__main__':
    def callback_func(context, response, ex):
        """
        :param context: HttpContext对象，内部封装了请求相关信息
        :param response: 请求响应内容
        :param ex: 是否出现异常（如果有异常则值为异常对象；否则值为None）
        :return:
        """
        print(context, response, ex)


    obj = AsyncRequest()
    url_list = [
        {'host': 'www.google.com', 'port': 80, 'method': 'GET', 'url': '/', 'data': '', 'timeout': 5,
         'callback': callback_func},
        {'host': 'www.baidu.com', 'port': 80, 'method': 'GET', 'url': '/', 'data': '', 'timeout': 5,
         'callback': callback_func},
        {'host': 'www.bing.com', 'port': 80, 'method': 'GET', 'url': '/', 'data': '', 'timeout': 5,
         'callback': callback_func},
    ]
    for item in url_list:
        print(item)
        obj.add_request(**item)

    obj.running()

示例 2：

import socket
import select


class HttpRequest:
    def __init__(self, sk, host, callback):
        self.socket = sk
        self.host = host
        self.callback = callback

    def fileno(self):
        return self.socket.fileno()


class AsyncRequest:
    def __init__(self):
        self.conn = []
        self.connection = []  # 用于检测是否已经连接成功

    def add_request(self, host, callback):
        try:
            sk = socket.socket()
            sk.setblocking(0)
            sk.connect((host, 80,))
        except BlockingIOError as e:
            pass
        request = HttpRequest(sk, host, callback)
        self.conn.append(request)
        self.connection.append(request)

    def run(self):

        while True:
            rlist, wlist, elist = select.select(self.conn, self.connection, self.conn, 0.05)
            for w in wlist:
                print(w.host, '连接成功...')
                # 只要能循环到，表示socket和服务器端已经连接成功
                tpl = "GET / HTTP/1.0\r\nHost:%s\r\n\r\n" % (w.host,)
                w.socket.send(bytes(tpl, encoding='utf-8'))
                self.connection.remove(w)
            for r in rlist:
                # r,是HttpRequest
                recv_data = bytes()
                while True:
                    try:
                        chunck = r.socket.recv(8096)
                        recv_data += chunck
                    except Exception as e:
                        break
                r.callback(recv_data)
                r.socket.close()
                self.conn.remove(r)
            if len(self.conn) == 0:
                break


def f1(data):
    print('保存到文件', data)


def f2(data):
    print('保存到数据库', data)


url_list = [
    {'host': 'www.baidu.com', 'callback': f1},
    {'host': 'cn.bing.com', 'callback': f2},
    {'host': 'www.cnblogs.com', 'callback': f2},
]

req = AsyncRequest()
for item in url_list:
    req.add_request(item['host'], item['callback'])

req.run()

【进阶】 --- 多线程、多进程、异步IO 实用例子

一、多线程、多进程

1. 同步执行

2. 多线程 执行（ 线程池 ）

3. 多线程 + 回调函数执行

4. 多进程 执行 ( 进程池 )

5. 多进程 + 回调函数执行

使用 队列

异步 队列

二、异步

添加回调

子协程调用原理图

call_soon、call_at、call_later、call_soon_threadsafe

( ***** ) 多线程、协程 关联 ( ***** )

Python Asyncio与多线程/多进程那些事

指定 事件循环 运行协程

共用 一个事件循环

不同线程中的事件循环

在多线程中启用多个事件循环

run_in_executor、run_coroutine_threadsafe

asyncio 的 同步 和 通信

一个事件循环中执行多个 task，实现并发执行

future 和 task：

wait、gather、await

获取多个并发的 task 的结果。

爬取有道词典

1. asyncio

Python 异步编程之 asyncio（百万并发）

aiohttp 使用

异步请求多个URL

收集 http 响应

限制并发数（最大文件描述符的限制）

aiohttp 实现高并发爬虫 ( 异步 mysql )

学习 python 高并发模块 asynio

一、定义一个协程

二、创建一个 task

loop.create_task，asyncio.async / asyncio.ensure_future 和 Task 有什么区别？

要真正运行一个协程，asyncio 提供了三种主要机制

三、绑定回调

四、阻塞 （ 使用 await 让出控制权，挂起当前操作 ）

五、并发 和 并行

六、 asyncio.wait 、asyncio.gather

七、协程停止

task取消和子协程调用原理

不同线程的事件循环（ 线程、线程池 ）

主线程创建事件，子线程事件循环

master - worker 主从模式

redis队列模型（ 生产者 --- 消费者 ）

停止子线程

aiohttp

协程消费

总结

Python --- aiohttp 的使用

1. aiohttp 的简单使用(配合asyncio模块)

2. 发起一个 session 请求

3. 在 url 中传递参数（其实与 requests 模块使用大致相同）

4. 获取响应内容（由于获取响应内容是一个阻塞耗时过程，所以我们使用await实现协程切换）

5. 特殊响应内容 json（和上面一样）

6. 字节流形式获取数据（不像 text、read 一次获取所有数据）

7. 自定义请求头（和 requests 一样）

8. 自定义 cookie

9. 获取当前访问网站的 cookie

10. 获取网站的响应状态码

11. 查看响应头

12. 查看重定向的响应头（我们此时已经到了新的网址，向之前的网址查看）

13. 超时处理

14. ClientSession 用于在多个连接之间（同一网站）共享cookie，请求头等

15. cookie的安全性

16. 控制同时连接的数量（连接池）

17. 自定义域名解析地址

18. 设置代理

19. post传递数据的方法

Python 协程爬虫 --- aiohttp + aiomultiprocess 使用

aiohttp.ClientSession()

aiomultiprocess

基于 asyncio、aiohttp、xpath 的异步爬虫

改 进（ 生产者 --- 消费者 从 redis 取数据 ）

config.py

produce.py

consumer.py

2. 多线程执行（线程池）

4. 多进程执行 ( 进程池 )

使用队列

异步队列

( * ) 多线程、协程关联 ( * )

指定事件循环运行协程

共用一个事件循环

asyncio 的同步和通信

四、阻塞（使用 await 让出控制权，挂起当前操作）

五、并发和并行

不同线程的事件循环（线程、线程池）

redis队列模型（生产者 --- 消费者）

改进（生产者 --- 消费者从 redis 取数据）