阿里妹导读：作为在日常开发生产中非常实用的语言，有必要掌握一些python用法，比如爬虫、网络请求等场景，很是实用。但python是单线程的，如何提高python的处理速度，是一个很重要的问题，这个问题的一个关键技术，叫协程。本篇文章，讲讲python协程的理解与使用，主要是针对网络请求这个模块做一个梳理，希望能帮到有需要的同学。
在理解协程这个概念及其作用场景前，先要了解几个基本的关于操作系统的概念，主要是进程、线程、同步、异步、阻塞、非阻塞，了解这几个概念，不仅是对协程这个场景，诸如消息队列、缓存等，都有一定的帮助。接下来，编者就自己的理解和网上查询的材料，做一个总结。在面试的时候，我们都会记住一个概念，进程是系统资源分配的最小单位。是的，系统由一个个程序，也就是进程组成的，一般情况下，分为文本区域、数据区域和堆栈区域。文本区域存储处理器执行的代码(机器码)，通常来说，这是一个只读区域，防止运行的程序被意外修改。数据区域存储所有的变量和动态分配的内存，又细分为初始化的数据区(所有初始化的全局、静态、常量，以及外部变量)和为初始化的数据区(初始化为0的全局变量和静态变量)，初始化的变量最初保存在文本区，程序启动后被拷贝到初始化的数据区。堆栈区域存储着活动过程调用的指令和本地变量，在地址空间里，栈区紧连着堆区，他们的增长方向相反，内存是线性的，所以我们代码放在低地址的地方，由低向高增长，栈区大小不可预测，随开随用，因此放在高地址的地方，由高向低增长。当堆和栈指针重合的时候，意味着内存耗尽，造成内存溢出。进程的创建和销毁都是相对于系统资源，非常消耗资源，是一种比较昂贵的操作。进程为了自身能得到运行，必须要抢占式的争夺CPU。对于单核CPU来说，在同一时间只能执行一个进程的代码，所以在单核CPU上实现多进程，是通过CPU快速的切换不同进程，看上去就像是多个进程在同时进行。由于进程间是隔离的，各自拥有自己的内存内存资源，相比于线程的共同共享内存来说，相对安全，不同进程之间的数据只能通过 IPC(Inter-Process Communication) 进行通信共享。线程是CPU调度的最小单位。如果进程是一个容器，线程就是运行在容器里面的程序，线程是属于进程的，同个进程的多个线程共享进程的内存地址空间。线程间的通信可以直接通过全局变量进行通信，所以相对来说，线程间通信是不太安全的，因此引入了各种锁的场景，不在这里阐述。当一个线程崩溃了,会导致整个进程也崩溃了,即其他线程也挂了, 但多进程而不会,一个进程挂了，另一个进程依然照样运行。在多核操作系统中，默认进程内只有一个线程，所以对多进程的处理就像是一个进程一个核心。同步和异步关注的是消息通信机制，所谓同步，就是在发出一个函数调用时，在没有得到结果之前，该调用不会返回。一旦调用返回，就立即得到执行的返回值，即调用者主动等待调用结果。所谓异步，就是在请求发出去后，这个调用就立即返回，没有返回结果，通过回调等方式告知该调用的实际结果。同步的请求，需要主动读写数据，并且等待结果；异步的请求，调用者不会立刻得到结果。而是在调用发出后，被调用者通过状态、通知来通知调用者，或通过回调函数处理这个调用。阻塞和非阻塞关注的是程序在等待调用结果（消息，返回值）时的状态。阻塞调用是指调用结果返回之前，当前线程会被挂起。调用线程只有在得到结果之后才会返回。非阻塞调用指在不能立刻得到结果之前，该调用不会阻塞当前线程。所以，区分的条件在于，进程/线程要访问的数据是否就绪，进程/线程是否需要等待。非阻塞一般通过多路复用实现，多路复用有 select、poll、epoll几种实现方式。协程是属于线程的，又称微线程，纤程，英文名Coroutine。举个例子，在执行函数A时，我希望随时中断去执行函数B，然后中断B的执行，切换回来执行A。这就是协程的作用，由调用者自由切换。这个切换过程并不是等同于函数调用，因为它没有调用语句。执行方式与多线程类似，但是协程只有一个线程执行。协程的优点是执行效率非常高，因为协程的切换由程序自身控制，不需要切换线程，即没有切换线程的开销。同时，由于只有一个线程，不存在冲突问题，不需要依赖锁(加锁与释放锁存在很多资源消耗)。协程主要的使用场景在于处理IO密集型程序，解决效率问题，不适用于CPU密集型程序的处理。然而实际场景中这两种场景非常多，如果要充分发挥CPU利用率，可以结合多进程+协程的方式。后续我们会讲到结合点。根据wikipedia的定义，协程是一个无优先级的子程序调度组件，允许子程序在特点的地方挂起恢复。所以理论上，只要内存足够，一个线程中可以有任意多个协程，但同一时刻只能有一个协程在运行，多个协程分享该线程分配到的计算机资源。协程是为了充分发挥异步调用的优势，异步操作则是为了避免IO操作阻塞线程。1）现代主流的操作系统几乎都是分时操作系统，即一台计算机采用时间片轮转的方式为多个用户服务，系统资源分配的基本单位是进程，CPU调度的基本单位是线程。
2）运行时内存空间分为变量区，栈区，堆区。内存地址分配上，堆区从低地到高，栈区从高往低。
3）计算机执行时一条条指令读取执行，执行到当前指令时，下一条指令的地址在指令寄存器的IP中，ESP寄存值指向当前栈顶地址，EBP指向当前活动栈帧的基地址。
4）系统发生函数调用时操作为：先将入参从右往左依次压栈，然后把返回地址压栈，最后将当前EBP寄存器的值压栈，修改ESP寄存器的值，在栈区分配当前函数局部变量所需的空间。
5）协程的上下文包含属于当前协程的栈区和寄存器里面存放的值。
在python3.3中，通过关键字yield from使用协程，在3.5中，引入了关于协程的语法糖async和await，我们主要看async/await的原理解析。其中，事件循环是一个核心所在，编写过 js的同学，会对事件循环Eventloop更加了解, 事件循环是一种等待程序分配事件或消息的编程架构(维基百科)。在python中，asyncio.coroutine 修饰器用来标记作为协程的函数, 这里的协程是和asyncio及其事件循环一起使用的，而在后续的发展中，async/await被使用的越来越广泛。async/await是使用python协程的关键，从结构上来看，asyncio 实质上是一个异步框架，async/await 是为异步框架提供的 API已方便使用者调用，所以使用者要想使用async/await 编写协程代码，目前必须机遇 asyncio 或其他异步库。在实际开发编写异步代码时，为了避免太多的回调方法导致的回调地狱，但又需要获取异步调用的返回结果结果，聪明的语言设计者设计了一个 叫Future的对象，封装了与loop 的交互行为。其大致执行过程为：程序启动后，通过add_done_callback 方法向 epoll 注册回调函数，当 result 属性得到返回值后，主动运行之前注册的回调函数，向上传递给 coroutine。这个Future对象为asyncio.Future。但是，要想取得返回值，程序必须恢复恢复工作状态，而由于Future 对象本身的生存周期比较短，每一次注册回调、产生事件、触发回调过程后工作可能已经完成，所以用 Future 向生成器 send result 并不合适。所以这里又引入一个新的对象 Task，保存在Future 对象中，对生成器协程进行状态管理。Python 里另一个 Future 对象是 concurrent.futures.Future，与 asyncio.Future 互不兼容，容易产生混淆。区别点在于，concurrent.futures 是线程级的 Future 对象，当使用 concurrent.futures.Executor 进行多线程编程时，该对象用于在不同的 thread 之间传递结果。上文中提到，Task是维护生成器协程状态处理执行逻辑的的任务对象，Task 中有一个_step 方法，负责生成器协程与 EventLoop 交互过程的状态迁移，整个过程可以理解为：Task向协程 send 一个值，恢复其工作状态。当协程运行到断点后，得到新的Future对象，再处理 future 与 loop 的回调注册过程。在日常开发中，会有一个误区，认为每个线程都可以有一个独立的 loop。实际运行时，主线程才能通过 asyncio.get_event_loop() 创建一个新的 loop，而在其他线程时，使用 get_event_loop() 却会抛错。正确的做法为通过 asyncio.set_event_loop() ，将当前线程与 主线程的loop 显式绑定。Loop有一个很大的缺陷，就是 loop 的运行状态不受 Python 代码控制，所以在业务处理中，无法稳定的将协程拓展到多线程中运行。
介绍完概念和原理，我来看看如何使用，这里，举一个实际场景的例子，来看看如何使用python的协程。外部接收一些文件，每个文件里有一组数据，其中，这组数据需要通过http的方式，发向第三方平台，并获得结果。由于同一个文件的每一组数据没有前后的处理逻辑，在之前通过Requests库发送的网络请求，串行执行，下一组数据的发送需要等待上一组数据的返回，显得整个文件的处理时间长，这种请求方式，完全可以由协程来实现。为了更方便的配合协程发请求，我们使用aiohttp库来代替requests库，关于aiohttp，这里不做过多剖析，仅做下简单介绍。aiohttp是asyncio和Python的异步HTTP客户端/服务器，由于是异步的，经常用在服务区端接收请求，和客户端爬虫应用，发起异步请求，这里我们主要用来发请求。aiohttp支持客户端和HTTP服务器，可以实现单线程并发IO操作，无需使用Callback Hell即可支持Server WebSockets和Client WebSockets，且具有中间件。直接上代码了，talk is cheap, show me the code~import aiohttpimport asynciofrom inspect import isfunctionimport timeimport logger
@logging_utils.exception(logger)def request(pool, data_list): loop = asyncio.get_event_loop() loop.run_until_complete(exec(pool, data_list))
async def exec(pool, data_list): tasks = [] sem = asyncio.Semaphore(pool) for item in data_list: tasks.append( control_sem(sem, item.get("method", "GET"), item.get("url"), item.get("data"), item.get("headers"), item.get("callback"))) await asyncio.wait(tasks)
async def control_sem(sem, method, url, data, headers, callback): async with sem: count = 0 flag = False while not flag and count < 4: flag = await fetch(method, url, data, headers, callback) count = count + 1 print("flag:{},count:{}".format(flag, count)) if count == 4 and not flag: raise Exception('EAS service not responding after 4 times of retry.')
async def fetch(method, url, data, headers, callback): async with aiohttp.request(method, url=url, data=data, headers=headers) as resp: try: json = await resp.read() print(json) if resp.status != 200: return False if isfunction(callback): callback(json) return True except Exception as e: print(e)
这里，我们封装了对外发送批量请求的request方法，接收一次性发送的数据多少，和数据综合，在外部使用时，只需要构建好网络请求对象的数据，设定好请求池大小即可，同时，设置了重试功能，进行了4次重试，防止在网络抖动的时候，单个数据的网络请求发送失败。在使用协程重构网络请求模块之后，当数据量在1000的时候，由之前的816s，提升到424s，快了一倍，且请求池大小加大的时候，效果更明显，由于第三方平台同时建立连接的数据限制，我们设定了40的阀值。可以看到，优化的程度很显著。人生苦短，我用python。协程好不好，谁用谁知道。如果有类似的场景，可以考虑启用，或者其他场景，欢迎留言讨论。理解async/await：
https://segmentfault.com/a/1190000015488033?spm=ata.13261165.0.0.57d41b119Uyp8t
协程概念，原理（c++和node.js实现）
https://cnodejs.org/topic/58ddd7a303d476b42d34c911?spm=ata.13261165.0.0.57d41b119Uyp8t
PRO会员通讯
