python 快速万能同步转异步语法
pip install sync2asyncio
python 快速万能同步转异步语法。
使任意同步库快速变asyncio异步语法的方式 ,simple_run_in_executor
这是一个异步对象Asyncio的Future了,可以被await和异步任务编排。
await simple_run_in_executor(requests.get, url='http://www.baidu.com') # 等效 await aiohttp.request('get',url)
await simple_run_in_executor(time.sleep, 5) # 等效 await asyncio.sleep(5)
2 代码实现和测试
from functools import partial
import threading
import asyncio
from threadpool_executor_shrink_able import ThreadPoolExecutorShrinkAble # 没有使用内置的 concurrent.futures里面的,这个是优化4点功能的。
global_threadpool_executor = ThreadPoolExecutorShrinkAble(200) # 这个是智能线程池,不是官方的concurrent.futures.threadpoolexecutor
async def simple_run_in_executor(f, *args, async_loop=None, threadpool_executor=None, **kwargs):
"""
函数的目的是转化任何同步方法或函数为异步链路语法中的一环。例如你写一个功能,要调用10个包,其中有9个有对应的异步库,有一个还没有对应的异步库,
因为一旦异步需要处处异步,不能因为某一个功能没有对应的异步库就前功尽弃。本函数就能够做到一个异步的链路里面调用同步库但不阻塞整个asyncio的loop循环。
这个函数看起来很简单,主要是调用官方的 run_in_executor 。
第1个特点是由官方的 方法改成了现在的函数 (方法是类里面面的,函数是模块下面的,我一般这么划分python方法和函数)
第2个特点是直接内置了线程池,用户可以无需传参了。并且这个线程池功能比官方的线程池要好,可以设置一个很大的值,他会自适应自动扩大缩小。
第3个特点是最重要的提高了易用性的地方。使用了整体偏函数把所有入参和函数生成一个偏函数,进而解决了官方只支持位置入参,不支持关键字入参的,
当函数入参达到几十个时候,例如requests.get 如果你想设置timeout参数,如果不支持关键字入参,你需要把timeout参数之前的其他不重要参数全都传递一遍使用默认None来占位。
函数入参个数比较多的情况下,不支持关键字入参就会很容易导致传参错误。
:param f: 任意同步阻塞函数,是非 async def的函数
:param args: 同步函数的入参
:param async_loop: loop
:param threadpool_executor: 在项城市里面运行。
:param kwargs: 同步函数的入参
:return: 同步函数的结果
"""
loopx = async_loop or asyncio.get_event_loop()
# print(id(loopx))
executor = threadpool_executor or global_threadpool_executor
result = await loopx.run_in_executor(executor, partial(f, *args, **kwargs))
return result
if __name__ == '__main__':
import time
import requests # 这是同步阻塞函数之一
def block_fun(x): # 这是自定义的第二个同步阻塞函数
time.sleep(5)
print(x)
return x * 10
async def enter_fun(xx): # 入口函数,因为为一旦异步,必须处处异步。不能直接调用block_fun,否则阻塞其他任务。
await asyncio.sleep(1) # # 如果你这么写 time.sleep(1) 那就完了个蛋,程序运行完成需要更长的时间。
await simple_run_in_executor(time.sleep,1) # 如果世上没有asyncio.sleep异步函数,那么可以这么做。
r = await simple_run_in_executor(block_fun, xx) # # 如果你这么写 r = block_fun(xx) 那就完了个蛋,程序运行完成需要更长的时间。
print(r)
resp = await simple_run_in_executor(requests.get, url='http://www.baidu.com', timeout=5)
# 如果你这么写 resp = requests.get( url='http://www.baidu.com') 那就完了个蛋,如果网站每次响应时间很大会发生严重影响,程序运行完成需要更长的时间。
# 这个是调用了同步requests请求库,如果同步库请求一个网站需要10秒响应,asyncio中如果直接使用了同步库,会发生灭顶之灾,整个loop就成了废物。如果网站每次响应是1毫秒,那么异步中调用同步库还可以勉强接受的。
# 但用 simple_run_in_executor来运行requests 即使网站响应时间很长,也不会对asyncio的loop产生严重阻塞影响了,这就是 simple_run_in_executor 要达到的目的。
print(resp)
loopy = asyncio.get_event_loop()
print(id(loopy))
tasks = []
tasks.append(simple_run_in_executor(requests.get, url='http://www.baidu.com'))
tasks.append(simple_run_in_executor(block_fun, 1))
tasks.append(simple_run_in_executor(block_fun, 2))
tasks.append(simple_run_in_executor(block_fun, 3))
for i in range(100, 120):
tasks.append(enter_fun(i))
print('开始')
loopy.run_until_complete(asyncio.wait(tasks)) # 通过以上可以观察到,所有的block_fun的print都是同一时间打印出来的,而不是每隔5秒一个接一个打印的。
print('结束')
虽然block_fun同步函数里面需要阻塞5秒,但使用了 simple_run_in_executor 来执行这个同步阻塞函数,
虽然运行了十几个协程任务,不会造成整体整体运行时间延长。
如果不使用 simple_run_in_executor 来运行 block_fun,运行完这十几个协程任务最起码需要1分钟以上。
4 比较asyncio.run_coroutine_threadsafe 和 run_in_executor区别
asyncio并发真的太难了,比线程池用法难很多,里面的概念太难了,例如介绍这两个概念。
asyncio.run_coroutine_threadsafe 和 run_in_executor 是一对反义词。
asyncio.run_coroutine_threadsafe 是在非异步的上下文环境(也就是正常的同步语法的函数里面)下调用异步函数对象(协程),
因为当前函数定义没有被async修饰,就不能在函数里面使用await,必须使用这。这个是将asyncio包的future对象转化返回一个concurrent.futures包的future对象。
run_in_executor 是在异步环境(被async修饰的异步函数)里面,调用同步函数,将函数放到线程池运行防止阻塞整个事件循环的其他任务。
这个是将 一个concurrent.futures包的future对象 转化为 asyncio包的future对象,
asyncio包的future对象是一个asyncio包的awaitable对象,所以可以被await,concurrent.futures.Future对象不能被await。
反对极端面向过程编程思维方式,喜欢面向对象和设计模式的解读,喜欢对比极端面向过程编程和oop编程消耗代码代码行数的区别和原因。致力于使用oop和36种设计模式写出最高可复用的框架级代码和使用最少的代码行数完成任务,致力于使用oop和设计模式来使部分代码减少90%行,使绝大部分py文件最低减少50%-80%行的写法。