Python核心技术与实战——十八|Python并发编程之Asyncio

我们在上一章学习了Python并发编程的一种实现方法——多线程。今天，我们趁热打铁，看看Python并发编程的另一种实现方式——Asyncio。和前面协程的那章不太一样，这节课我们更加注重原理的理解。

通过上节课的学习，我们知道在进行I/O操作的时候，使用多线程与普通的单线程比较，效率有了很大的提高，既然这样，为什么还要Asyncio呢？

虽然多线程有诸多优点并且应用广泛，但是也存在一定的局限性：

※多线程运行过程很容易被打断，因此有可能出现race condition的情况

※线程的切换存在一定的消耗，线程数量不能无限增加，因此，如果I/O操作非常密集，多线程很有可能满足不了高效率、高质量的需求。

针对这些问题，Asyncio应运而生。

什么是Asyncio？

Sync VS Async

我们首先来区分一下Sync(同步)和Async(异步)的概念。

※所谓Sync，是指操作一个接一个的执行，下一个操作必须等上一个操作完成后才能执行。

※而Async是指不同操作之间可以相互交替执行，如果某个操作被block，程序并不会等待，而是会找出可执行的操作继续执行。

---

举个简单的例子，我们要做一个报表并用邮件发送给老板，看看两种方式有什么不同：

※按照Sync的方式，我们相软件里输入各项数据，然后等5分钟生成了报表明细以后，再写邮件发送给老板

※而按照Async的方式，在输完数据以后，开始生成报表，但这个时候我们不干等这报表生成而是去写邮件，等报表明细生成以后，我们暂停邮件的编写去查看报表，确认以后继续写邮件知道发送完毕。 

Asyncio的工作原理

明白了Sync和Async的套路，我们回到今天的主题，到底什么是Asyncio呢？

事实上，Asyncio和其他的Python程序一样，是单线程的，他只有一个主线程，但是恶意进行多个不同任务(task)，这里的任务，就是特殊的future对象，这些不同的任务，被一个叫做event loop(事件循环)的对象控制。我可以把这里的任务，类比成多线程版本里的多个线程。

为了简化的了解这个问题，我们可以假设任务只有两个状态：一是预备状态；而是等待状态、预备状态是指任务目前空闲，但随时准备运行。而等待状态，是指已经运行，但正在等待外部的操作完成，比如I/O操作。

在这种情况下，事件循环会维护两个任务列表，分别对应这两种状态；并且选取预备状态的一个任务(具体选取那个任务，和其等待的时间长短、占用的资源等等相关)，使其运行，一直到任务把控制权教会给事件循环为止。

 值得一提的是，对于Asyncio来说，他的任务在运行时不会被外部的因素打断，因此Asyncio内的操作不会出现race condition的情况，这样就不需要我们担心线程安全的问题了。

Asyncio的用法

讲完了Asyncio的原理，我们结合具体的代码来看一下他的用法。还是以上一节课里下载网站上的内容为例，用Asyncio的写法如下(依旧是省略了异常处理)

import asyncio
import aiohttp
import time
async def download_one(url):
    async with aiohttp.ClientSession() as session:
        async with session.get(url) as resp:
            print('Read {} from {}.'.format(resp.content_length,url))

async def download_all(sites):
    tasks = [asyncio.create_task(download_one(site)) for site in sites]
    await asyncio.gather(*tasks)


def main():
    sites = [
    'https://en.wikipedia.org/wiki/Portal:Arts',
    'https://en.wikipedia.org/wiki/Portal:History',
    'https://en.wikipedia.org/wiki/Portal:Society', 
    'https://en.wikipedia.org/wiki/Portal:Biography',
    'https://en.wikipedia.org/wiki/Portal:Mathematics',
    'https://en.wikipedia.org/wiki/Portal:Technology',
    'https://en.wikipedia.org/wiki/Portal:Geography',
    'https://en.wikipedia.org/wiki/Portal:Science',
    'https://en.wikipedia.org/wiki/Computer_science',
    'https://en.wikipedia.org/wiki/Python_(programming_language)',
    'https://en.wikipedia.org/wiki/Java_(programming_language)',
    'https://en.wikipedia.org/wiki/PHP',
    'https://en.wikipedia.org/wiki/Node.js',
    'https://en.wikipedia.org/wiki/The_C_Programming_Language',
    'https://en.wikipedia.org/wiki/Go_(programming_language)' 
    ]

    start_time = time.perf_counter()
    asyncio.run(download_all(sites))
    end_time = time.perf_counter()
    print('Down {} sites in {} seconds'.format(len(sites),end_time-start_time))

if __name__ == '__main__':
    main()

这里的Async和await关键字是Asyncio的最新的写法，表示这个语句/函数是non-blocked的，正好对应了前面讲的event loop的概念。如果任务执行的过程需要等待，则将其放入等待的列表中，然后继续执行状态列表里的任务。

主函数里的asyncio.run(coro)是Asyncio的root call，表示拿到event loop，运行输入的coro，直到他结束，最后关闭这个event loop。事实上，asyncio.run()是Python3.7+以后才引入的，相当于以前的版本中下面的语法

loop = asyncio.get_event_loop()
try:
    loop.run_until_complete(coro)
finally:
    loop.close()

 至于Asyncio版本内的download_all()，和之前多线程版本也有很大的区别：

task = [asyncio.create_task(download_one(site)) for site in sites]
await asyncio.gather(*task)

这里的asynco.creat_task(core),表示对输入的协程coro创建一个任务，安排他的执行，并返回此任务对象。这个函数也是Python3.7以后的版本增加的，如果是之前的版本，我们可以用下面的方法代替：

asyncio.ensure_future(coro)

可以看到，这里我们对每一个网站的下载，都创建了一个对应的任务。

再往下看，asyncio.gather(*aws,loop=None,return_exception = False)，则表示在事件循环中运行aws序列中所有的任务。当然，除了例子中用到的几个函数，Asyncio还提供了很多其他的用法，我们可以通过Python官方文档查看。

最后我们可以通过最后的输出结果发现，这种方式的效率要比之前的多线程版本还要高一些，充分体现出其优势。

Asyncio的缺陷

通过前面的讲解我们可以看出Asyncio的强大，但是任何一种方案都不是完美无瑕的，都存在一定的局限性，当然Asyncio也同样如此。

在实际的工作中，要想用好Asyncio，特别是要发挥好其强大的功能，很多情况下必须要有相应的Python库作为支持，我们可能发现了在前面的多线程编程中我们都是用的request库，但是在这里我们用的是aiohttp库，原因就是request库是不兼容Asyncio的，而aiohttp库兼容。

Asyncio软件库的兼容性问题在Python3的早期一直是一个大问题，但是随着技术的发展，这个问题也在逐步得到解决。

另外，在使用Asyncio时，因为在任务的调度方面有了了更大的自主权，写代码就要更加注意，否则会很容易出错。

举个例子，如果我们需要await一系列的操作，就带使用asyncio.gathrer()；如果是单个的Futures，或许使用asyncio.wait()就可以了。那么，对于一个future，我们是需要他run_until_complete()还是run_forever()，都是要好好思考一下的。诸如此类，都是我们在面对具体问题时需要考虑的。

多线程还是Asyncio？

我们已经把并发编程的两种方式都讲了，不过，遇到实际问题，我们选择那种编程方式呢？

总得来是，我们可以遵循下面的规范

※如果是I/O bound,并且I/O操作很慢，需要很多任务/线程协同实现，那么使用Asyncio更加合适

※如果是I/O bound，但是I/O操作很快，只需要有限数量的任务或线程，那么使用多线程就可以了

※如果是CPU bound，则需要多进程来提高运行效率。

总结

在今天的学习中，我们一起学习了Asyncio的原理和用法，比较了Asyncio和多线程各自的优缺点。

共同点：

都是并发操作，多线程同一时间点只有一个线程在运行，而协程是只有一个任务在执行；

不同点：多线程是在I/O阻塞的时候通过切换线程来达到并发的效果，什么时候切换是由操作系统决定的，开发者不用操心，但会造成race  condition；

　　　　协程是只有一个线程，在I/O阻塞时候通过在线程内切换任务来达到并发的效果，在什么时候切换是由开发者决定的，不会有race condition的情况。

不同于多线程，Asyncio是单线程，但其内部event loop的训话机制，可以让他并发的运行多个不同的任务，并且比多线程享有更多的自主控制权。

Asyncio中的任务，在运行的过程中不会被打断，因此不会出现race condition的情况。尤其是咋I/O操作比较密集的时候 ，Asyncio的运行效率会更高，远比线程切换的损耗要小。并且Asyncio可以开启的任务数量也比多线程中的线程数量多。

但是要注意的是，很多情况下使用Asyncio需要特定的三方库的支持，，而如果I/O操作比较快并且不heavy，使用多线程也能有效的解决问题。

思考题

我们已经讲了两种并发编程的思路，也多次提到了并行编程(multi-processing)，其适用于CPU heavy的场景，

现在的需求是输入一个列表，随便指定一个元素，求出从0到这个元素所有整数的平方和。下面是常规写法，如果有多进程版本，又要怎么写呢？

import time
def cpu_bound(number):
    print(sum(i*i for i in range(number)))

def calculate_sum(numbers):
    for number in numbers:
        cpu_bound(number)

def main():
    start_time = time.perf_counter()
    numbers = [10000000 + x for x in range(20)]
    calculate_sum(numbers)
    end_time = time.perf_counter()

    print('Calculation takds {} seconds'.format(end_time-start_time))

if __name__ == '__main__':
    main()

运行结果（只贴出来运行的总时长）

Calculation takds 20.637497200000002 seconds

在来看看这种方法

import time
import multiprocessing

def cpu_bound(number):
    return sum(i*i for i in range(number))

def find_sums(numbers):
    with multiprocessing.Pool() as pool:
        pool.map(cpu_bound,numbers)

if __name__ == '__main__':
    start_time = time.perf_counter()
    numbers = [10000000 + x for x in range(20)]
    find_sums(numbers)
    end_time = time.perf_counter()
    print('Calculation takds {} seconds'.format(end_time-start_time))

然后来看看最终的运行时间

Calculation takds 7.3418618 seconds

因为这里需要用大量的计算，所以使用的是多进程的方式来提高了程序的效率。