Python也能高并发
操作系统到底在干啥?
如果由笔者来概括,操作系统大概做了两件事情,计算与IO,任何具体数学计算或者逻辑判断,或者业务逻辑都是计算,而网络交互,磁盘交互,人机之间的交互都是IO。
高并发的瓶颈在哪?
大多数时候在IO上面。注意,这里说得是大多数,不是说绝对。
因为大多数时候业务本质上都是从数据库或者其他存储上读取内容,然后根据一定的逻辑,将数据返回给用户,比如大多数web内容。而大多数逻辑的交互都算不上计算量多大的逻辑,CPU的速度要远远高于内存IO,磁盘IO,网络IO, 而这些IO中网络IO最慢。
在根据上面的笔者对操作系统的概述,当并发高到一定的程度,根据业务的不同,比如计算密集,IO密集,或两者皆有,因此瓶颈可能出在计算上面或者IO上面,又或两者兼有。
而本文解决的高并发,是指IO密集的高并发瓶颈,因此,计算密集的高并发并不在本文的讨论范围内。
为了使本文歧义更少,这里的IO主要指网络IO
Python怎么处理高并发?
使用协程, 事件循环, 高效IO模型(比如多路复用,比如epoll), 三者缺一不可。
很多时候,笔者看过的文章都是说协程如何如何,最后告诉我一些协程库或者asyncio用来说明协程的威力,最终我看懂了协程,却还是不知道它为啥能高并发,这也是笔者写本文的目的。
但是一切还是得从生成器说起,因为asyncio或者大多数协程库内部也是通过生成器实现的。
注意上面的三者缺一不可。
如果只懂其中一个,那么你懂了三分之一,以此类推,只有都会了,你才知道为啥协程能高并发。
生成器
生成器的定义很抽象,现在不懂没关系,但是当你懂了之后回过头再看,会觉得定义的没错,并且准确。下面是定义
摘自百度百科: 生成器是一次生成一个值的特殊类型函数。可以将其视为可恢复函数。
关于生成器的内容,本文着重于生成器实现了哪些功能,而不是生成器的原理及内部实现。
yield
简单例子如下
def gen_func(): yield 1 yield 2 yield 3 if __name__ == '__main__': gen = gen_func() for i in gen: print(i) output: 1 2 3
上面的例子没有什么稀奇的不是吗?yield像一个特殊的关键字,将函数变成了一个类似于迭代器的对象,可以使用for循环取值。
send, next
协程自然不会这么简单,python协程的目标是星辰大海,从上面的例之所以get不到它的野心,是因为你没有试过send, next两个函数。
首先说next
def gen_func(): yield 1 yield 2 yield 3 if __name__ == '__main__': gen = gen_func() print(next(gen)) print(next(gen)) print(next(gen)) output: 1 2 3
next的操作有点像for循环,每调用一次next,就会从中取出一个yield出来的值,其实还是没啥特别的,感觉还没有for循环好用。
不过,不知道你有没有想过,如果你只需要一个值,你next一次就可以了,然后你可以去做其他事情,等到需要的时候才回来再次next取值。
就这一部分而言,你也许知道为啥说生成器是可以暂停的了,不过,这似乎也没什么用,那是因为你不知到时,生成器除了可以抛出值,还能将值传递进去。
接下来我们看send的例子。
def gen_func(): a = yield 1 print("a: ", a) b = yield 2 print("b: ", b) c = yield 3 print("c: ", c) return "finish" if __name__ == '__main__': gen = gen_func() for i in range(4): if i == 0: print(gen.send(None)) else: # 因为gen生成器里面只有三个yield,那么只能循环三次。 # 第四次循环的时候,生成器会抛出StopIteration异常,并且return语句里面内容放在StopIteration异常里面 try: print(gen.send(i)) except StopIteration as e: print("e: ", e) output: 1 a: 1 2 b: 2 3 c: 3 e: finish
send有着next差不多的功能,不过send在传递一个值给生成器的同时,还能获取到生成器yield抛出的值,在上面的代码中,send分别将None,1,2,3四个值传递给了生成器,之所以第一需要传递None给生成器,是因为规定,之所以规定,因为第一次传递过去的值没有特定的变量或者说对象能接收,所以规定只能传递None, 如果你传递一个非None的值进去,会抛出一下错误
TypeError: can't send non-None value to a just-started generator
从上面的例子我们也发现,生成器里面的变量a,b,c获得了,send函数发送将来的1, 2, 3.
如果你有事件循环或者说多路复用的经验,你也许能够隐隐察觉到微妙的感觉。
这个微妙的感觉是,是否可以将IO操作yield出来?由事件循环调度, 如果你能get到这个微妙的感觉,那么你已经知道协程高并发的秘密了.
但是还差一点点.嗯, 还差一点点了.
yield from
下面是yield from的例子
def gen_func(): a = yield 1 print("a: ", a) b = yield 2 print("b: ", b) c = yield 3 print("c: ", c) return 4 def middle(): gen = gen_func() ret = yield from gen print("ret: ", ret) return "middle Exception" def main(): mid = middle() for i in range(4): if i == 0: print(mid.send(None)) else: try: print(mid.send(i)) except StopIteration as e: print("e: ", e) if __name__ == '__main__': main() output: 1 a: 1 2 b: 2 3 c: 3 ret: 4 e: middle Exception
从上面的代码我们发现,main函数调用的middle函数的send,但是gen_func函数却能接收到main函数传递的值.有一种透传的感觉,这就是yield from的作用, 这很关键。
而yield from最终传递出来的值是StopIteration异常,异常里面的内容是最终接收生成器(本示例是gen_func)return出来的值,所以ret获得了gen_func函数return的4.但是ret将异常里面的值取出之后会继续将接收到的异常往上抛,所以main函数里面需要使用try语句捕获异常。而gen_func抛出的异常里面的值已经被middle函数接收,所以middle函数会将抛出的异常里面的值设为自身return的值,
至此生成器的全部内容讲解完毕,如果,你get到了这些功能,那么你已经会使用生成器了。
io模型
Linux平台一共有五大IO模型,每个模型有自己的优点与确定。根据应用场景的不同可以使用不同的IO模型。
不过本文主要的考虑场景是高并发,所以会针对高并发的场景做出评价。
同步IO
同步模型自然是效率最低的模型了,每次只能处理完一个连接才能处理下一个,如果只有一个线程的话, 如果有一个连接一直占用,那么后来者只能傻傻的等了。所以不适合高并发,不过最简单,符合惯性思维。
非阻塞式IO
不会阻塞后面的代码,但是需要不停的显式询问内核数据是否准备好,一般通过while循环,而while循环会耗费大量的CPU。所以也不适合高并发。
多路复用
当前最流行,使用最广泛的高并发方案。而多路复用又有三种实现方式, 分别是select, poll, epoll。
select, poll, epoll
select,poll由于设计的问题,当处理连接过多会造成性能线性下降,而epoll是在前人的经验上做过改进的解决方案。不会有此问题。
不过select, poll并不是一无是处,假设场景是连接数不多,并且每个连接非常活跃,select,poll是要性能高于epoll的。
至于为啥,查看小结参考链接, 或者自行查询资料。但是本文讲解的高并发可是指的连接数非常多的。
小结
使用最广泛多路复用epoll, 可以使得IO操作更有效率。但是使用上有一定的难度。
至此,如果你理解了多路复用的IO模型,那么你了解python为什么能够通过协程实现高并发的三分之二了。
IO模型参考:https://www.jianshu.com/p/486b0965c296
select,poll,epoll区别参考:https://www.cnblogs.com/Anker/p/3265058.html
事件循环
上面的IO模型能够解决IO的效率问题,但是实际使用起来需要一个事件循环驱动协程去处理IO。
简单实现
下面引用官方的一个简单例子。
import selectors import socket # 创建一个selctor对象 # 在不同的平台会使用不同的IO模型,比如Linux使用epoll, windows使用select(不确定) # 使用select调度IO sel = selectors.DefaultSelector() # 回调函数,用于接收新连接 def accept(sock, mask): conn, addr = sock.accept() # Should be ready print('accepted', conn, 'from', addr) conn.setblocking(False) sel.register(conn, selectors.EVENT_READ, read) # 回调函数,用户读取client用户数据 def read(conn, mask): data = conn.recv(1000) # Should be ready if data: print('echoing', repr(data), 'to', conn) conn.send(data) # Hope it won't block else: print('closing', conn) sel.unregister(conn) conn.close() # 创建一个非堵塞的socket sock = socket.socket() sock.bind(('localhost', 1234)) sock.listen(100) sock.setblocking(False) sel.register(sock, selectors.EVENT_READ, accept) # 一个事件循环,用于IO调度 # 当IO可读或者可写的时候, 执行事件所对应的回调函数 def loop(): while True: events = sel.select() for key, mask in events: callback = key.data callback(key.fileobj, mask) if __name__ == '__main__': loop()
上面代码中loop函数对应事件循环,它要做的就是一遍一遍的等待IO,然后调用事件的回调函数.
但是作为事件循环远远不够,比如怎么停止,怎么在事件循环中加入其他逻辑.
小结
如果就功能而言,上面的代码似乎已经完成了高并发的影子,但是如你所见,直接使用select的编码难度比较大, 再者回调函数素来有"回调地狱"的恶名.
实际生活中的问题要复杂的多,作为一个调库狂魔,怎么可能会自己去实现这些,所以python官方实现了一个跨平台的事件循环,至于IO模型具体选择,官方会做适配处理。
不过官方实现是在Python3.5及以后了,3.5之前的版本只能使用第三方实现的高并发异步IO解决方案, 比如tornado,gevent,twisted。
至此你需要get到python高并发的必要条件了.
asyncio
在本文开头,笔者就说过,python要完成高并发需要协程,事件循环,高效IO模型.而Python自带的asyncio模块已经全部完成了.尽情使用吧.
下面是有引用官方的一个例子
import asyncio # 通过async声明一个协程 async def handle_echo(reader, writer): # 将需要io的函数使用await等待, 那么此函数就会停止 # 当IO操作完成会唤醒这个协程 # 可以将await理解为yield from data = await reader.read(100) message = data.decode() addr = writer.get_extra_info('peername') print("Received %r from %r" % (message, addr)) print("Send: %r" % message) writer.write(data) await writer.drain() print("Close the client socket") writer.close() # 创建事件循环 loop = asyncio.get_event_loop() # 通过asyncio.start_server方法创建一个协程 coro = asyncio.start_server(handle_echo, '127.0.0.1', 8888, loop=loop) server = loop.run_until_complete(coro) # Serve requests until Ctrl+C is pressed print('Serving on {}'.format(server.sockets[0].getsockname())) try: loop.run_forever() except KeyboardInterrupt: pass # Close the server server.close() loop.run_until_complete(server.wait_closed()) loop.close()
总的来说python3.5明确了什么是协程,什么是生成器,虽然原理差不多,但是这样会使得不会让生成器即可以作为生成器使用(比如迭代数据)又可以作为协程。
所以引入了async,await使得协程的语义更加明确。