转-python异步IO-asyncio

原文连接 http://blog.chinaunix.net/uid-190176-id-4223282.html

前言

异步操作在计算机软硬件体系中是一个普遍概念，根源在于参与协作的各实体处理速度上有明显差异。软件开发中遇到的多数情况是CPU与IO的速度不匹配，所以异步IO存在于各种编程框架中，客户端比如浏览器，服务端比如node.js。本文主要分析Python异步IO。

 

Python 3.4标准库有一个新模块asyncio，用来支持异步IO，不过目前API状态是provisional，意味着不保证向后兼容性，甚至可能从标准库中移除（可能性极低）。如果关注PEP和Python-Dev会发现该模块酝酿了很长时间，可能后续有API和实现上的调整，但毋庸置疑asyncio非常实用且功能强大，值得学习和深究。

 

示例

asyncio主要应对TCP/UDP socket通信，从容管理大量连接，而无需创建大量线程，提高系统运行效率。此处将官方文档的一个示例做简单改造，实现一个HTTP长连接benchmark工具，用于诊断WEB服务器长连接处理能力。

 

功能概述：

每隔10毫秒创建10个连接，直到目标连接数（比如10k），同时每个连接都会规律性的向服务器发送HEAD请求，以维持HTTP keepavlie。

 

代码如下：

import argparse
import asyncio
import functools
import logging
import random
import urllib.parse

loop = asyncio.get_event_loop()

@asyncio.coroutine
def print_http_headers(no, url, keepalive):
    url = urllib.parse.urlsplit(url)
    wait_for = functools.partial(asyncio.wait_for, timeout=3, loop=loop)
    query = ('HEAD {url.path} HTTP/1.1\r\n'
             'Host: {url.hostname}\r\n'
             '\r\n').format(url=url).encode('utf-8')

    rd, wr = yield from wait_for(asyncio.open_connection(url.hostname, 80))
    while True:
        wr.write(query)
   
        while True:
            line = yield from wait_for(rd.readline())
            if not line: # end of connection
                wr.close()
                return no
            line = line.decode('utf-8').rstrip()
            if not line: # end of header
                break
            logging.debug('(%d) HTTP header> %s' % (no, line))

        yield from asyncio.sleep(random.randint(1, keepalive//2))


@asyncio.coroutine
def do_requests(args):
    conn_pool = set()
    waiter = asyncio.Future()

    def _on_complete(fut):
        conn_pool.remove(fut)
        exc, res = fut.exception(), fut.result()
        if exc is not None:
            logging.info('conn#{} exception'.format(exc))
        else:
            logging.info('conn#{} result'.format(res))

        if not conn_pool:
            waiter.set_result('event loop is done')

    for i in range(args.connections):
        fut = asyncio.async(print_http_headers(i, args.url, args.keepalive))
        fut.add_done_callback(_on_complete)
        conn_pool.add(fut)
        if i % 10 == 0:
            yield from asyncio.sleep(0.01)

    logging.info((yield from waiter))


def main():
    parser = argparse.ArgumentParser(description='asyncli')
    parser.add_argument('url', help='page address')
    parser.add_argument('-c', '--connections', type=int, default=1,
                        help='number of connections simultaneously')
    parser.add_argument('-k', '--keepalive', type=int, default=60,
                        help='HTTP keepalive timeout')
    args = parser.parse_args()

    logging.basicConfig(level=logging.INFO, format='%(asctime)s %(message)s')
    loop.run_until_complete(do_requests(args))
    loop.close()


if __name__ == '__main__':
    main()

 

测试与分析

硬件：CPU 2.3GHz / 2 cores，RAM 2GB

软件：CentOS 6.5(kernel 2.6.32), Python 3.3 (pip install asyncio), nginx 1.4.7

参数设置：ulimit -n 10240；nginx worker的连接数改为10240

 

启动WEB服务器，只需一个worker进程：

# ../sbin/nginx
# ps ax | grep nginx
2007 ? Ss 0:00 nginx: master process ../sbin/nginx
2008 ? S 0:00 nginx: worker process

 

启动benchmark工具, 发起10k个连接，目标URL是nginx的默认测试页面:

$ python asyncli.py http://10.211.55.8/ -c 10000

 

nginx日志统计平均每秒请求数：

# tail -1000000 access.log | awk '{ print $4 }' | sort | uniq -c | awk '{ cnt+=1; sum+=$1 } END { printf "avg = %d\n", sum/cnt }'
avg = 548

 

top部分输出：

VIRT   RES   SHR  S %CPU  %MEM   TIME+  COMMAND
657m   115m  3860 R 60.2  6.2   4:30.02  python
54208  10m   848  R 7.0   0.6   0:30.79  nginx

 

总结：

1. Python实现简洁明了。不到80行代码，只用到标准库，逻辑直观，想象下C/C++标准库实现这些功能，顿觉“人生苦短，我用Python”。

 

2. Python运行效率不理想。当连接建立后，客户端和服务端的数据收发逻辑差不多，看上面top输出，Python的CPU和RAM占用基本都是nginx的10倍，意味着效率相差100倍（CPU x RAM），侧面说明了Python与C的效率差距。这个对比虽然有些极端，毕竟nginx不仅用C且为CPU/RAM占用做了深度优化，但相似任务效率相差两个数量级，除非是BUG，说明架构设计的出发点就是不同的，Python优先可读易用而性能次之，nginx就是一个高度优化的WEB服务器，开发一个module都比较麻烦，要复用它的异步框架，简直难上加难。开发效率与运行效率的权衡，永远都存在。

 

3. 单线程异步IO v.s. 多线程同步IO。上面的例子是单线程异步IO，其实不写demo就知道多线程同步IO效率低得多，每个线程一个连接？10k个线程，仅线程栈就占用600+MB（64KB * 10000）内存，加上线程上下文切换和GIL，基本就是噩梦。

 

ayncio核心概念

以下是学习asyncio时需要理解的四个核心概念，更多细节请看<参考资料>

1. event loop。单线程实现异步的关键就在于这个高层事件循环，它是同步执行的。

2. future。异步IO有很多异步任务构成，而每个异步任务都由一个future控制。

3. coroutine。每个异步任务具体的执行逻辑由一个coroutine来体现。

4. generator(yield & yield from) 。在asyncio中大量使用，是不可忽视的语法细节。

 

参考资料

1. asyncio – Asynchronous I/O, event loop, coroutines and tasks, https://docs.python.org/3/library/asyncio.html

2. PEP 3156, Asynchronous IO Support Rebooted: the "asyncio” Module, http://legacy.python.org/dev/peps/pep-3156/

3. PEP 380, Syntax for Delegating to a Subgenerator, http://legacy.python.org/dev/peps/pep-0380/

4. PEP 342, Coroutines via Enhanced Generators, http://legacy.python.org/dev/peps/pep-0342/

5. PEP 255, Simple Generators, http://legacy.python.org/dev/peps/pep-0255/

6. asyncio source code, http://hg.python.org/cpython/file/3.4/Lib/asyncio/