FastAPI 异步代码、并发和并行

作者：麦克煎蛋出处：https://www.cnblogs.com/mazhiyong/ 转载请保留这段声明，谢谢！

我们这里探讨下关于异步代码、并行和并发的一些概念。

一、初探

1、如果我们使用必须用await调用的第三方库，例如：

results = await some_library()

那么我们就要用async def来定义路径操作函数：

@app.get('/')
async def read_results():
    results = await some_library()
    return results

注意：我们在基于async def定义的函数内部才能使用await。

2、如果第三方库不支持使用await，那么我们就用def定义路径操作函数即可。

@app.get('/')
def results():
    results = some_library()
    return results

3、如果我们的应用不需要与第三方通讯，那么就用async def来定义路径操作函数。

4、如果我们不知道怎么做，那么就用def来定义路径操作函数。

无论上述哪种情况，FastAPI都会执行异步工作并且速度极快。

但如果我们遵循一些操作规范，将会带来一些性能上的优化。

现代版本的Python通过使用"协程"来实现对"异步代码"的支持，在语法上表现为async和await的使用。

我们以下重点讲述的内容为：

异步代码
async 和 await
协程

二、异步代码

异步代码通常表示，开发语言有一种方式用来通知计算机(应用)在代码的某个地方，必须等待某些事件在其他地方完成。

这里的某些事件我们称之为"slow-file"。在等待"slow-file"完成的这个时间段内，计算机可以执行一些别的任务。

然后计算机(应用)一旦有机会就会返回，比如它需要再次等待，或者它完成了在这个地方的所有其他任务。

接下来会检查所有等待的任务是否已经完成，或者继续执行应当要完成的任务。

然后它会从等待任务中取走第一个任务继续执行。

这里等待的某些事件通常指的是，相对程序计算或者内存操作比较耗时的I/O操作，例如

网络通讯
硬盘文件读写
远程 API 操作
数据库操作
其他耗时操作

之所以被称为"异步"是因为计算机(应用)没必要为了"同步"等待"slow-file"完成而什么事情都不做，那样的话只能等待取到任务结果后才能继续工作。

实际上，作为一个异步系统，一旦某些事件完成，这个事件会等待一会以便计算机(应用)返回获取结果，然后利用执行结果继续工作。

对于同步系统来说，通常也称之为"顺序模型"，因为在切换执行一个不同任务的时候，计算机(应用)严格遵循序列中的步骤，即使有些步骤包含了等待。

2.1 并发汉堡

以上讨论的异步代码有时候也称之为"并发"，这与"并行"是不同的。

"并发"和"并行"都意味着"不同的事情或多或少在相同的时间发生"，但它们的细节是非常不同的。

你和你的朋友去吃快餐，你排队的时候收银员按顺序为在你之前的顾客点餐。
轮到你的时候，你为自己和朋友点了两份新潮的汉堡。
然后你付钱。
然后收银员告诉厨师以便他准备你的汉堡(虽然他可能正在为其他顾客准备汉堡)。
收银员给你的订单号。

在等待取餐的时候，你和朋友挑选一个桌子坐下，然后你们交流了很长时间(制作新潮的汉堡比较耗时)。
在和朋友愉快交流的时候，时不时的，你会看一下柜台是否显示了你的订单号。

在某个时间终于轮到你了，你去柜台取回你的汉堡，然后返回到座位和你的朋友分享。
---------------------------------------------------------------------------
在这个故事里，你可以把自己想象成计算机(应用)。

当你排队的时候你是空闲的，没有做什么有效的工作。但队伍是很快的，因为收银员仅仅是收银和下单。
轮到你的时候，你做了一些有效的工作，你查看菜单和决定点菜内容，然后支付并检查支付结果，同时确认返回的订单内容是正确的。
然后，虽然你还没得到汉堡，但是你和收银员之间的工作处于"暂停"状态，因为你不得不等待汉堡制作完成。

虽然你离开了收银台，带着一个号码返回到了桌子旁，不过你可以把你的注意力切换到你的朋友身上，继续你们的交流"工作"。
然后你有了一些"有效的"工作，那就是增进你和朋友之间的感情。

当收银员说汉堡准备好了并且把你的订单号放在显示屏上的时候，你并不会立刻跳起来冲过去，因为你知道没人偷你的汉堡，这是你的订单号，别人有别人的订单号。
因此你会等待你的朋友讲完她的故事(结束当前的工作)，然后微笑着告诉她你要去取汉堡。

然后你来到柜台(继续你最开始的任务)，取到汉堡，感谢收银员，然后返回到座位。现在终于结束了与柜台之间的交互任务。
按照顺序，现在开启了一个新的任务，"吃汉堡"，但前一个任务"取汉堡"已经完成了。

2.2 并行汉堡

现在我们来看一下什么是并行汉堡。

你和你的朋友去获取并行快餐。

你排队的时候，同时有几个(暂且认为有8个)收银员在为顾客下单，这几个收银员同时也是厨师。
每个在你前面的顾客必须等待取到汉堡才能离开柜台，因为这8个收银员在为下一个顾客服务之前，必须立刻去准备好当前顾客的汉堡。

轮到你的时候，你下单两个新潮的汉堡。
你完成支付。
然后收银员去厨房制作。
你在柜台前等待着，这样就不会有别人能取走你的汉堡，因为并没有根据订单号取货。
这样在你和你的朋友忙于不让别人插队和取走你的汉堡的时候，你们并没有多余的精力进行交流。

这是一种"同步"工作，你和收银员(厨师)之间处于同步状态。你必须在那里等到收银员(厨师)制作完成汉堡然后交给你，否则别人就可能会取走你的汉堡。
经过在柜台前的长时间等待后，收银员(厨师)终于带着你的汉堡回来了。
你取到汉堡然后返回餐桌和朋友一起就餐。
你享用汉堡。完成你的汉堡任务。

因为在柜台前大量的等待时间，你并没有与你的朋友有很好的交流。
---------------------------------------------------------------------------
在并发汉堡的场景里，你是一个带有两个处理器(你和你的朋友)的计算机(应用)，同时在柜台前等待了很长时间。
快餐店有8个处理器(收银员/厨师)。与之相比并发快餐店只有两个处理器(一个收银员，一个厨师)。
但最终，并发汉堡的体验仍然不是最好的。

下面是一个与汉堡相同的并行故事。

直到最近，大部分的银行还是有多个收银员和一个长长的队伍。
所有的收银员都是处理完当前顾客的所有事情后，才会开始服务下一位。
你不得不在队伍里长时间等待，否则你就会失去你的机会。

2.3 汉堡结论：

在"与朋友一起吃快餐汉堡"的场景里，因为有许多时间在等待，这就为并发系统带来了更多意义。

这也是大多数web应用的常见情景。
许多许多用户都在等待通过他们不太好的网络来发送请求，然后又等待请求结果的返回。
这种单次的"等待"虽然是毫秒级的，但把它们加起来，最终就导致了大量的等待。
这也是在web应用中使用异步代码的实际意义

许多流行的Python框架(包含Flask和Django)是在Python的新异步特性存在之前创建的，因此它们对异步特性的支持并不像最新的特性那么给力。

异步特性造就了NodeJS的流行，同时也是Go语言的立足所在。现在我们通过FastAPI框架也能获得同样的性能水平。

2.4 并发比并行更好吗？

不是这样的，这并不是这个故事的寓意所在。

并发与并行是不同的。只有在某些特定的场景下(比如包含大量的等待)它是较好一些的。

通常对于web应用来说，并发是比并行更好一些的。但这并不是全部。

想象一下下面这个小故事：

你要打扫一个又大又脏的房间！

对了！这才是全部的故事内容！

在这个房间的所有地方，不存在需要等待的事情，只有大量的工作需要完成。
你可以像汉堡范例那样按顺序执行，先打扫起居室，然后打扫厨房，但因为不存在等待，只是不停的打扫和打扫，因此打扫的顺序不会有任何影响。
无论是否按照顺序或者不按照顺序(并发)打扫，你需要完成的全部工作量是相同的，你所花费的全部工时也是相同的。

但是在这种情况下，如果你能带来8个人(以前叫收银员/厨师，现在叫清洁工人)，每个人(和你一起)各自负责打扫房间的一块区域，你们就能并行的完成所有的工作，并且更加快速。
这个时候，每一个清洁者(包括你自己)就是一个处理器，各自完成各自负责的工作。

因为大部分的执行时间被实际工作所占据，并且在计算机中实际工作是被CPU所完成的，我们通常称这类问题为"CPU bound"，也称之为计算密集型。

---------------------------------------------------------------------------
计算密集型的操作通常涉及到复杂的数学计算。
例如多媒体的处理、机器视觉、机器学习或者深度学习等

我们可以这样简单理解并发与并行：

你吃饭吃到一半，电话来了，你一直到吃完了以后才去接，这就说明你不支持并发也不支持并行。
你吃饭吃到一半，电话来了，你停了下来接了电话，接完后继续吃饭，这说明你支持并发。
你吃饭吃到一半，电话来了，你一边打电话一边吃饭，这说明你支持并行。
并发的关键是你有处理多个任务的能力，不一定要同时。
并行的关键是你有同时处理多个任务的能力。

2.5 并发 + 并行： web和机器学习

借助FastAPI，我们通常可以在web开发中充分利用并发的优势。

但对于计算密集型的工作(比如机器学习)我们也可以利用到并行和多处理器的优势。

尤其考虑到Python是数据计算、机器学习以及深度学习的主要语言，这也使得FastAPI非常适用于数据计算/机器学习的web API和应用开发。

`三、async` and `await`

现代版本的Python用一种非常直观的方式来定义异步代码。看起来就像通常的"顺序"代码在某一时刻进行"等待"操作。

当有一个操作需要等待执行结果的时候，代码范例如下：

burgers = await get_burgers(2)

关键之处在于使用了await。这里告诉Python必须等待get_burgers(2)执行完，才能把结果存储到burgers中。

借助上述语法，Python将会在这个期间内去执行别的操作(比如接收新的请求)。

await必须在一个支持异步特性的函数内进行使用，也就是说必须是用async def声明的函数：

async def get_burgers(number: int):
# Do some asynchronous stuff to create the burgers
    return burgers

而不是用def声明的函数：

# This is not asynchronous
def get_sequential_burgers(number: int):
# Do some sequential stuff to create the burgers
    return burgers

借助async def，Python知道在这样的函数内，必须要注意await表达式。它可以在结果返回前，"暂停"这个函数的执行，先去执行别的任务。

当你调用async def函数的时候，你也必须等待(await)它，否则函数将不会执行。

# This won't work, because get_burgers was defined with: async def
burgers = get_burgers(2)

因此，当我们使用的第三方库声明要使用await调用的时候，我们必须要创建一个基于async def声明的路径操作函数，例如：

@app.get('/burgers')
async def read_burgers():
    burgers = await get_burgers(2)
return burgers

四、关于协程

对于async def函数返回的操作，我们有一个非常花式的术语称之为"协程"。

Python知道这个操作可以像函数一样启动和完成，并且也可以在内部暂停执行，只要存在await操作。

通过async 和 await完成的异步代码通常称为"协程"，这是相对比于Go语言的主要特性，其称之为"Goroutines"。

五、其他技术细节

5.1 路径操作函数

当直接通过def声明一个路径操作函数的时候，它会运行在一个外部的线程池里并且处于等待状态，而不是被直接调用(这样往往会阻塞住整个server)。

如果我们以前使用的是与上述工作方式不同的异步框架，并且习惯了直接定义def函数来获取微小的性能提升(也许是100纳秒)，请注意在FastAPI中

这种效果是完全不同的。在这种情况下，我们最好用async def来声明函数除非路径操作函数在执行I/O阻塞操作。

无论在哪种情况下，FastAPI都会比你以前所用的框架表现更好一些(或者至少是持平)。

5.2 依赖项

如果依赖项函数是def而不是async def定义的，那么它也运行在外部的线程池中。

你可能有多个依赖项和子依赖项相互依赖，一些是async def定义的，一些是def定义的。这仍然会正常工作。def定义的会在外部线程中被调用。

5.3 工具函数

其他直接调用的工具类函数，无论是async def定义或者是def定义，FastAPI不会影响你调用的方式。

这与FastAPI为你调用的函数是截然不同的：包括了路径操作函数和依赖项函数。

如果你的工具类函数是def定义的，那么它会被直接调用，而不会运行在任何线程池中；如果是async def定义的，那么当你调用的时候应当使用await操作。

参考文章：

https://fastapi.tiangolo.com/async/

posted on 2020-07-30 16:37 麦克煎蛋阅读(18308) 评论(3) 编辑收藏举报