asyncio并发编程

一. 事件循环

　　　1.注：

　　　　　 　实现搭配：事件循环+回调（驱动生成器【协程】）+epoll（IO多路复用），asyncio是Python用于解决异步编程的一整套解决方案；

　　　    基于asynico：tornado，gevent，twisted（Scrapy，django channels），tornado（实现了web服务器，可以直接部署，真正部署还是要加nginx），django，flask（uwsgi，gunicorn+nginx部署）

import asyncio
import time
async def get_html(url):
    print('start get url')
    #不能直接使用time.sleep,这是阻塞的函数，如果使用time在并发的情况有多少个就有多少个2秒
    await asyncio.sleep(2)
    print('end get url')
if __name__=='__main__':
    start_time=time.time()
    loop=asyncio.get_event_loop()
    task=[get_html('www.baidu.com') for i in range(10)]
    loop.run_until_complete(asyncio.wait(task))
    print(time.time()-start_time)

　　2.如何获取协程的返回值（和线程池类似）:

import asyncio
import time
from functools import partial
async def get_html(url):
    print('start get url')
    await asyncio.sleep(2)
    print('end get url')
    return "HAHA"
#需要接收task，如果要接收其他的参数就需要用到partial(偏函数),参数需要放到前面
def callback(url,future):
    print(url+' success')
    print('send email')
if __name__=='__main__':
    loop=asyncio.get_event_loop()
    task=loop.create_task(get_html('www.baidu.com'))
    #原理还是获取event_loop，然后调用create_task方法，一个线程只有一个loop
    # get_future=asyncio.ensure_future(get_html('www.baidu.com'))也可以
    #loop.run_until_complete(get_future)
    #run_until_complete可以接收future类型，task类型（是future类型的一个子类），也可以接收可迭代类型
    task.add_done_callback(partial(callback,'www.baidu.com'))
    loop.run_until_complete(task)
    print(task.result())

　　3.wait和gather的区别:

　　　　3.1wait简单使用：

import asyncio
import time
from functools import partial
async def get_html(url):
    print('start get url')
    await asyncio.sleep(2)
    print('end get url')

if __name__=='__main__':
    loop=asyncio.get_event_loop()
    tasks=[get_html('www.baidu.com') for i in range(10)]
    #wait和线程的wait相似
    loop.run_until_complete(asyncio.wait(tasks))

协程的wait和线程的wait相似，也有timeout，return_when（什么时候返回）等参数

 

　　  3.2gather简单使用：

import asyncio
import time
from functools import partial
async def get_html(url):
    print('start get url')
    await asyncio.sleep(2)
    print('end get url')

if __name__=='__main__':
    loop=asyncio.get_event_loop()
    tasks=[get_html('www.baidu.com') for i in range(10)]
    #gather注意加*，这样就会变成参数
    loop.run_until_complete(asyncio.gather(*tasks))

　　3.3gather和wait的区别：（定制性不强时可以优先考虑gather）

　　　　gather更加高层，可以将tasks分组；还可以成批的取消任务

 

import asyncio
import time
from functools import partial
async def get_html(url):
    print('start get url')
    await asyncio.sleep(2)
    print('end get url')

if __name__=='__main__':
    loop=asyncio.get_event_loop()
    groups1=[get_html('www.baidu.com') for i in range(10)]
    groups2=[get_html('www.baidu.com') for i in range(10)]
    #gather注意加*，这样就会变成参数
    loop.run_until_complete(asyncio.gather(*groups1,*groups2))
    #这种方式也可以
    # groups1 = [get_html('www.baidu.com') for i in range(10)]
    # groups2 = [get_html('www.baidu.com') for i in range(10)]
    # groups1=asyncio.gather(*groups1)
    # groups2=asyncio.gather(*groups2)
    #取消任务
    # groups2.cancel()
    # loop.run_until_complete(asyncio.gather(groups1,groups2))

 

二. 协程嵌套

　　1.run_util_complete()源码：和run_forever()区别并不大，只是可以在运行完指定的协程后可以把loop停止掉，而run_forever()不会停止

 

　　2.loop会被放在future里面，future又会放在loop中

　　3.取消future(task)：

　　　　3.1子协程调用原理：

　　　　　　官网例子：

 

　　　　　　解释： await相当于yield from，loop运行协程print_sum(),print_sum又会去调用另一个协程compute，run_util_complete会把协程print_sum注册到loop中。

　　　　　　1.event_loop会为print_sum创建一个task，通过驱动task执行print_sum（task首先会进入pending【等待】的状态）；

　　　　　　2.print_sum直接进入字协程的调度，这个时候转向执行另一个协程（compute，所以print_sum变为suspended【暂停】状态）；

　　　　　　3.compute这个协程首先打印，然后去调用asyncio的sleep（此时compute进入suspende的状态【暂停】），直接把返回值返回给Task（没有经过print_sum，相当于yield from，直接在调用方和子生成器通信，是由委托方print_sum建立的通道）；

　　　　　　4.Task会告诉Event_loop暂停，Event_loop等待一秒后，通过Task唤醒（越过print_sum和compute建立一个通道）；

　　　　　　5.compute继续执行，变为状态done【执行完成】，然后抛一个StopIteration的异常，会被await语句捕捉到，然后提取出1+2=3的值，进入print_sum,print_sum也被激活（因为抛出了StopIteration的异常被print_sum捕捉），print_sum执行完也会被标记为done的状态，同时抛出StopIteration会被Task接收

三. call_soon、call_later、call_at、call_soon_threadsafe

　　1.call_soon:可以直接接收函数，而不用协程

import asyncio
#函数
def callback(sleep_time):
    print('sleep {} success'.format(sleep_time))
#通过该函数暂停
def stoploop(loop):
    loop.stop()
if __name__=='__main__':
    loop=asyncio.get_event_loop()
    #可以直接传递函数，而不用协程,call_soon其实就是调用的call_later，时间为0秒
    loop.call_soon(callback,2)
    loop.call_soon(stoploop,loop)
    #不能用run_util_complete（因为不是协程），run_forever找到call_soon一直运行
    loop.run_forever()

 

　　2.call_later:可以指定多长时间后启动(实际调用call_at,时间不是传统的时间，而是loop内部的时间)

import asyncio
#函数
def callback(sleep_time):
    print('sleep {} success'.format(sleep_time))
#通过该函数暂停
def stoploop(loop):
    loop.stop()
if __name__=='__main__':
    loop=asyncio.get_event_loop()
    loop.call_later(3,callback,1)
    loop.call_later(1, callback, 2)
    loop.call_later(1, callback, 2)
    loop.call_later(1, callback, 2)
    loop.call_soon(callback,4)
    # loop.call_soon(stoploop,loop)
    #不能用run_util_complete（因为不是协程），run_forever找到call_soon一直运行
    loop.run_forever()

 

　　3.call_at:指定某个时间执行

import asyncio
#函数
def callback(sleep_time):
    print('sleep {} success'.format(sleep_time))
#通过该函数暂停
def stoploop(loop):
    loop.stop()
if __name__=='__main__':
    loop=asyncio.get_event_loop()
    now=loop.time()
    print(now)
    loop.call_at(now+3,callback,1)
    loop.call_at(now+1, callback, 0.5)
    loop.call_at(now+1, callback, 2)
    loop.call_at(now+1, callback, 2)
    # loop.call_soon(stoploop,loop)
    #不能用run_util_complete（因为不是协程），run_forever找到call_soon一直运行
    loop.run_forever()

 

　　4.call_soon_threadsafe:

　　　　线程安全的方法，不仅能解决协程，也能解决线程，进程，和call_soon几乎一致，多了self._write_to_self()，和call_soon用法一致

四. ThreadPoolExecutor+asyncio（线程池和协程结合）

　　1.使用run_in_executor：就是把阻塞的代码放进线程池运行，性能并不是特别高，和多线程差不多

　　

#使用多线程，在协程中集成阻塞io
import asyncio
import socket
from urllib.parse import urlparse
from concurrent.futures import ThreadPoolExecutor
import time
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.connect((host,80))
    #向服务器发送数据
    client.send("GET {} HTTP/1.1\r\nHost:{}\r\nConnection:close\r\n\r\n".format(path, host).encode("utf8"))
    #将数据读取完
    data=b""
    while True:
        d=client.recv(1024)
        if d:
            data+=d
        else:
            break
    #会将header信息作为返回字符串
    data=data.decode('utf8')
    print(data.split('\r\n\r\n')[1])
    client.close()

if __name__=='__main__':
    start_time=time.time()
    loop=asyncio.get_event_loop()
    excutor=ThreadPoolExecutor()
    tasks=[]
    for i in range(20):
        task=loop.run_in_executor(excutor,get_url,'http://www.baidu.com')
        tasks.append(task)
    loop.run_until_complete(asyncio.wait(tasks))
    print(time.time()-start_time)

 

五. asyncio模拟http请求

　　注：asyncio目前没有提供http协议的接口

# asyncio目前没有提供http协议的接口
import asyncio
from urllib.parse import urlparse
import time


async 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(比较耗时)，非阻塞需要注册，都在open_connection中实现了
    reader, writer = await asyncio.open_connection(host, 80)
    # 向服务器发送数据,unregister和register都实现了
    writer.write("GET {} HTTP/1.1\r\nHost:{}\r\nConnection:close\r\n\r\n".format(path, host).encode("utf8"))
    # 读取数据
    all_lines = []
    # 源码实现较复杂，有__anext__的魔法函数（协程）
    async for line in reader:
        data = line.decode('utf8')
        all_lines.append(data)
    html = '\n'.join(all_lines)
    return html


async def main():
    tasks = []
    for i in range(20):
        url = "http://www.baidu.com/"
        tasks.append(asyncio.ensure_future(get_url(url)))
    for task in asyncio.as_completed(tasks):
        result = await task
        print(result)


if __name__ == '__main__':
    start_time = time.time()
    loop = asyncio.get_event_loop()
    # tasks=[get_url('http://www.baidu.com') for i in range(10)]
    # 在外部获取结果,保存为future对象
    # tasks = [asyncio.ensure_future(get_url('http://www.baidu.com')) for i in range(10)]
    # loop.run_until_complete(asyncio.wait(tasks))
    # for task in tasks:
    #     print(task.result())
    # 执行完一个打印一个
    loop.run_until_complete(main())
    print(time.time() - start_time)

 

六. future和task

　　1.future：协程中的future和线程池中的future相似

future中的方法，都和线程池中的相似

set_result方法

 不像线程池中运行完直接运行代码（这是单线程的，会调用call_soon方法）

　　

　　2.task：是future的子类，是future和协程之间的桥梁

 会首先启动_step方法

该方法会首先启动协程，把返回值（StopIteration的值）做处理，用于解决协程和线程不一致的地方

七. asyncio同步和通信

　　1.单线程协程不需要锁：

import asyncio
total=0
async def add():
    global total
    for i in range(1000000):
        total+=1


async def decs():
    global total
    for i in range(1000000):
        total-=1
if __name__=='__main__':
    loop=asyncio.get_event_loop()
    tasks=[add(),decs()]
    loop.run_until_complete(asyncio.wait(tasks))
    print(total)

 

　　2.某种情况需要锁：

　

asyncio中的锁（同步机制）

 

 

import asyncio,aiohttp
#这是并没有调用系统的锁，只是简单的自己实现（注意是非阻塞的）,Queue也是非阻塞的,都用了yield from，不用用到condition【单线程】】
#Queue还可以限流，如果只需要通信还可以直接使用全局变量否则可以
from asyncio import Lock,Queue
catche={}
lock=Lock()
async def get_stuff():
    #实现了__enter__和__exit__两个魔法函数，可以用with
    # with await lock:
    #更明确的语法__aenter__和__await__
    async with lock:
        #注意加await,是一个协程
        #await lock.acquire()
        for url in catche:
            return catche[url]
        #异步的接收
        stauff=aiohttp.request('Get',url)
        catche[url]=stauff
        return stauff
        #release是一个简单的函数
        #lock.release()

async def parse_stuff():
    stuff=await get_stuff()

async def use_stuff():
    stuff=await get_stuff()
#如果没有同步机制，就会发起两次请求（这里就可以加一个同步机制）
tasks=[parse_stuff(),use_stuff()]
loop=asyncio.get_event_loop()
loop.run_until_complete(asyncio.wait(tasks))

 

八. aiohttp实现高并发爬虫

 

# asyncio去重url，入库（异步的驱动aiomysql）
import aiohttp
import asyncio
import re
import aiomysql
from pyquery import pyquery

start_url = 'http://www.jobbole.com/'
waiting_urls = []
seen_urls = []
stopping = False
#限制并发数
sem=asyncio.Semaphore(3)


async def fetch(url, session):
    async with sem:
        await asyncio.sleep(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()
                    return data
        except Exception as e:
            print(e)


def extract_urls(html):
    '''
    解析无io操作
    '''
    urls = []
    pq = pyquery(html)
    for link in pq.items('a'):
        url = link.attr('href')
        if url and url.startwith('http') and url not in urls:
            urls.append(url)
            waiting_urls.append(url)
    return urls


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


async def handle_article(url, session, pool):
    '''
    处理文章
    '''
    html = await fetch(url, session)
    seen_urls.append(url)
    extract_urls(html)
    pq = pyquery(html)
    title = pq('title').text()
    async with pool.acquire() as conn:
        async with conn.cursor() as cur:
            insert_sql = "insert into Test(title) values('{}')".format(title)
            await cur.execute(insert_sql)


async def consumer(pool):
    with aiohttp.CLientSession() as session:
        while not stopping:
            if len(waiting_urls) == 0:
                await asyncio.sleep(0.5)
                continue
            url = waiting_urls.pop()
            print('start url:' + 'url')
            if re.match('http://.*?jobble.com/\d+/', url):
                if url not in seen_urls:
                    asyncio.ensure_future(handle_article(url, session, pool))
                    await asyncio.sleep(30)
            else:
                if url not in seen_urls:
                    asyncio.ensure_future(init_urls(url, session))


async def main():
    # 等待mysql连接好
    pool = aiomysql.connect(host='localhost', port=3306, user='root',
                            password='112358', db='my_aio', loop=loop, charset='utf8', autocommit=True)
    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__':
    loop = asyncio.get_event_loop()
    asyncio.ensure_future(loop)
    loop.run_forever(main(loop))