asyncio并发编程

一. 事件循环

　　　1.注：

　　　　　 　实现搭配：事件循环+回调（驱动生成器【协程】）+epoll（IO多路复用），asyncio是Python用于解决异步编程的一整套解决方案；

　　　    基于asynico：tornado，gevent，twisted（Scrapy，django channels），tornado（实现了web服务器，可以直接部署，真正部署还是要加nginx），django，flask（uwsgi，gunicorn+nginx部署）

 import asyncio
 import time
 async def get_html(url):
     print('start get url')
     #不能直接使用time.sleep,这是阻塞的函数，如果使用time在并发的情况有多少个就有多少个2秒
     await asyncio.sleep(2)
     print('end get url')
 if __name__=='__main__':
     start_time=time.time()
     loop=asyncio.get_event_loop()
     task=[get_html('www.baidu.com') for i in range(10)]
     loop.run_until_complete(asyncio.wait(task))
     print(time.time()-start_time)

　　2.如何获取协程的返回值（和线程池类似）:

 import asyncio
 import time
 from functools import partial
 async def get_html(url):
     print('start get url')
     await asyncio.sleep(2)
     print('end get url')
     return "HAHA"
 #需要接收task，如果要接收其他的参数就需要用到partial(偏函数),参数需要放到前面
 def callback(url,future):
     print(url+' success')
     print('send email')
 if __name__=='__main__':
     loop=asyncio.get_event_loop()
     task=loop.create_task(get_html('www.baidu.com'))
     #原理还是获取event_loop，然后调用create_task方法，一个线程只有一个loop
     # get_future=asyncio.ensure_future(get_html('www.baidu.com'))也可以
     #loop.run_until_complete(get_future)
     #run_until_complete可以接收future类型，task类型（是future类型的一个子类），也可以接收可迭代类型
     task.add_done_callback(partial(callback,'www.baidu.com'))
     loop.run_until_complete(task)
     print(task.result())

　　3.wait和gather的区别:

　　　　3.1wait简单使用：

 import asyncio
 import time
 from functools import partial
 async def get_html(url):
     print('start get url')
     await asyncio.sleep(2)
     print('end get url')

 if __name__=='__main__':
     loop=asyncio.get_event_loop()
     tasks=[get_html('www.baidu.com') for i in range(10)]
     #wait和线程的wait相似
     loop.run_until_complete(asyncio.wait(tasks))

协程的wait和线程的wait相似，也有timeout，return_when（什么时候返回）等参数

　　  3.2gather简单使用：

 import asyncio
 import time
 from functools import partial
 async def get_html(url):
     print('start get url')
     await asyncio.sleep(2)
     print('end get url')

 if __name__=='__main__':
     loop=asyncio.get_event_loop()
     tasks=[get_html('www.baidu.com') for i in range(10)]
     #gather注意加*，这样就会变成参数
     loop.run_until_complete(asyncio.gather(*tasks))

　　3.3gather和wait的区别：（定制性不强时可以优先考虑gather）

　　　　gather更加高层，可以将tasks分组；还可以成批的取消任务

 import asyncio
 import time
 from functools import partial
 async def get_html(url):
     print('start get url')
     await asyncio.sleep(2)
     print('end get url')

 if __name__=='__main__':
     loop=asyncio.get_event_loop()
     groups1=[get_html('www.baidu.com') for i in range(10)]
     groups2=[get_html('www.baidu.com') for i in range(10)]
     #gather注意加*，这样就会变成参数
     loop.run_until_complete(asyncio.gather(*groups1,*groups2))
     #这种方式也可以
     # groups1 = [get_html('www.baidu.com') for i in range(10)]
     # groups2 = [get_html('www.baidu.com') for i in range(10)]
     # groups1=asyncio.gather(*groups1)
     # groups2=asyncio.gather(*groups2)
     #取消任务
     # groups2.cancel()
     # loop.run_until_complete(asyncio.gather(groups1,groups2))

二. 协程嵌套

　　1.run_util_complete()源码：和run_forever()区别并不大，只是可以在运行完指定的协程后可以把loop停止掉，而run_forever()不会停止

　　2.loop会被放在future里面，future又会放在loop中

　　3.取消future(task)：

　　　　3.1子协程调用原理：

　　　　　　官网例子：

　　　　　　解释： await相当于yield from，loop运行协程print_sum(),print_sum又会去调用另一个协程compute，run_util_complete会把协程print_sum注册到loop中。

　　　　　　1.event_loop会为print_sum创建一个task，通过驱动task执行print_sum（task首先会进入pending【等待】的状态）；

　　　　　　2.print_sum直接进入字协程的调度，这个时候转向执行另一个协程（compute，所以print_sum变为suspended【暂停】状态）；

　　　　　　3.compute这个协程首先打印，然后去调用asyncio的sleep（此时compute进入suspende的状态【暂停】），直接把返回值返回给Task（没有经过print_sum，相当于yield from，直接在调用方和子生成器通信，是由委托方print_sum建立的通道）；

　　　　　　4.Task会告诉Event_loop暂停，Event_loop等待一秒后，通过Task唤醒（越过print_sum和compute建立一个通道）；

　　　　　　5.compute继续执行，变为状态done【执行完成】，然后抛一个StopIteration的异常，会被await语句捕捉到，然后提取出1+2=3的值，进入print_sum,print_sum也被激活（因为抛出了StopIteration的异常被print_sum捕捉），print_sum执行完也会被标记为done的状态，同时抛出StopIteration会被Task接收

三. call_soon、call_later、call_at、call_soon_threadsafe

　　1.call_soon:可以直接接收函数，而不用协程

 import asyncio
 #函数
 def callback(sleep_time):
     print('sleep {} success'.format(sleep_time))
 #通过该函数暂停
 def stoploop(loop):
     loop.stop()
 if __name__=='__main__':
     loop=asyncio.get_event_loop()
     #可以直接传递函数，而不用协程,call_soon其实就是调用的call_later，时间为0秒
     loop.call_soon(callback,2)
     loop.call_soon(stoploop,loop)
     #不能用run_util_complete（因为不是协程），run_forever找到call_soon一直运行
     loop.run_forever()

　　2.call_later:可以指定多长时间后启动(实际调用call_at,时间不是传统的时间，而是loop内部的时间)

 import asyncio
 #函数
 def callback(sleep_time):
     print('sleep {} success'.format(sleep_time))
 #通过该函数暂停
 def stoploop(loop):
     loop.stop()
 if __name__=='__main__':
     loop=asyncio.get_event_loop()
     loop.call_later(3,callback,1)
     loop.call_later(1, callback, 2)
     loop.call_later(1, callback, 2)
     loop.call_later(1, callback, 2)
     loop.call_soon(callback,4)
     # loop.call_soon(stoploop,loop)
     #不能用run_util_complete（因为不是协程），run_forever找到call_soon一直运行
     loop.run_forever()

　　3.call_at:指定某个时间执行

 import asyncio
 #函数
 def callback(sleep_time):
     print('sleep {} success'.format(sleep_time))
 #通过该函数暂停
 def stoploop(loop):
     loop.stop()
 if __name__=='__main__':
     loop=asyncio.get_event_loop()
     now=loop.time()
     print(now)
     loop.call_at(now+3,callback,1)
     loop.call_at(now+1, callback, 0.5)
     loop.call_at(now+1, callback, 2)
     loop.call_at(now+1, callback, 2)
     # loop.call_soon(stoploop,loop)
     #不能用run_util_complete（因为不是协程），run_forever找到call_soon一直运行
     loop.run_forever()

　　4.call_soon_threadsafe:

　　　　线程安全的方法，不仅能解决协程，也能解决线程，进程，和call_soon几乎一致，多了self._write_to_self()，和call_soon用法一致

四. ThreadPoolExecutor+asyncio（线程池和协程结合）

　　1.使用run_in_executor：就是把阻塞的代码放进线程池运行，性能并不是特别高，和多线程差不多

　　

 #使用多线程，在协程中集成阻塞io
 import asyncio
 import socket
 from urllib.parse import urlparse
 from concurrent.futures import ThreadPoolExecutor
 import time
 def get_url(url):
     #通过socket请求html
     url=urlparse(url)
     host=url.netloc
     path=url.path
     if path=="":
         path="/"
     #建立socket连接
     client=socket.socket(socket.AF_INET,socket.SOCK_STREAM)
     client.connect((host,80))
     #向服务器发送数据
     client.send("GET {} HTTP/1.1\r\nHost:{}\r\nConnection:close\r\n\r\n".format(path, host).encode("utf8"))
     #将数据读取完
     data=b""
     while True:
         d=client.recv(1024)
         if d:
             data+=d
         else:
             break
     #会将header信息作为返回字符串
     data=data.decode('utf8')
     print(data.split('\r\n\r\n')[1])
     client.close()

 if __name__=='__main__':
     start_time=time.time()
     loop=asyncio.get_event_loop()
     excutor=ThreadPoolExecutor()
     tasks=[]
     for i in range(20):
         task=loop.run_in_executor(excutor,get_url,'http://www.baidu.com')
         tasks.append(task)
     loop.run_until_complete(asyncio.wait(tasks))
     print(time.time()-start_time)

五. asyncio模拟http请求

　　注：asyncio目前没有提供http协议的接口

 # asyncio目前没有提供http协议的接口
 import asyncio
 from urllib.parse import urlparse
 import time

 async def get_url(url):
     # 通过socket请求html
     url = urlparse(url)
     host = url.netloc
     path = url.path
     if path == "":
         path = "/"
     # 建立socket连接(比较耗时)，非阻塞需要注册，都在open_connection中实现了
     reader, writer = await asyncio.open_connection(host, 80)
     # 向服务器发送数据,unregister和register都实现了
     writer.write("GET {} HTTP/1.1\r\nHost:{}\r\nConnection:close\r\n\r\n".format(path, host).encode("utf8"))
     # 读取数据
     all_lines = []
     # 源码实现较复杂，有__anext__的魔法函数（协程）
     async for line in reader:
         data = line.decode('utf8')
         all_lines.append(data)
     html = '\n'.join(all_lines)
     return html

 async def main():
     tasks = []
     for i in range(20):
         url = "http://www.baidu.com/"
         tasks.append(asyncio.ensure_future(get_url(url)))
     for task in asyncio.as_completed(tasks):
         result = await task
         print(result)

 if __name__ == '__main__':
     start_time = time.time()
     loop = asyncio.get_event_loop()
     # tasks=[get_url('http://www.baidu.com') for i in range(10)]
     # 在外部获取结果,保存为future对象
     # tasks = [asyncio.ensure_future(get_url('http://www.baidu.com')) for i in range(10)]
     # loop.run_until_complete(asyncio.wait(tasks))
     # for task in tasks:
     #     print(task.result())
     # 执行完一个打印一个
     loop.run_until_complete(main())
     print(time.time() - start_time)

六. future和task

　　1.future：协程中的future和线程池中的future相似

future中的方法，都和线程池中的相似

set_result方法

不像线程池中运行完直接运行代码（这是单线程的，会调用call_soon方法）

　　

　　2.task：是future的子类，是future和协程之间的桥梁

会首先启动_step方法

该方法会首先启动协程，把返回值（StopIteration的值）做处理，用于解决协程和线程不一致的地方

七. asyncio同步和通信

　　1.单线程协程不需要锁：

 import asyncio
 total=0
 async def add():
     global total
     for i in range(1000000):
         total+=1

 async def decs():
     global total
     for i in range(1000000):
         total-=1
 if __name__=='__main__':
     loop=asyncio.get_event_loop()
     tasks=[add(),decs()]
     loop.run_until_complete(asyncio.wait(tasks))
     print(total)

　　2.某种情况需要锁：

　

asyncio中的锁（同步机制）

 import asyncio,aiohttp
 #这是并没有调用系统的锁，只是简单的自己实现（注意是非阻塞的）,Queue也是非阻塞的,都用了yield from，不用用到condition【单线程】】
 #Queue还可以限流，如果只需要通信还可以直接使用全局变量否则可以
 from asyncio import Lock,Queue
 catche={}
 lock=Lock()
 async def get_stuff():
     #实现了__enter__和__exit__两个魔法函数，可以用with
     # with await lock:
     #更明确的语法__aenter__和__await__
     async with lock:
         #注意加await,是一个协程
         #await lock.acquire()
         for url in catche:
             return catche[url]
         #异步的接收
         stauff=aiohttp.request('Get',url)
         catche[url]=stauff
         return stauff
         #release是一个简单的函数
         #lock.release()

 async def parse_stuff():
     stuff=await get_stuff()

 async def use_stuff():
     stuff=await get_stuff()
 #如果没有同步机制，就会发起两次请求（这里就可以加一个同步机制）
 tasks=[parse_stuff(),use_stuff()]
 loop=asyncio.get_event_loop()
 loop.run_until_complete(asyncio.wait(tasks))

八. aiohttp实现高并发爬虫

 # asyncio去重url，入库（异步的驱动aiomysql）
 import aiohttp
 import asyncio
 import re
 import aiomysql
 from pyquery import pyquery

 start_url = 'http://www.jobbole.com/'
 waiting_urls = []
 seen_urls = []
 stopping = False
 #限制并发数
 sem=asyncio.Semaphore(3)

 async def fetch(url, session):
     async with sem:
         await asyncio.sleep(1)
         try:
             async with session.get(url) as resp:
                 print('url_status:{}'.format(resp.status))
                 if resp.status in [200, 201]:
                     data = await resp.text()
                     return data
         except Exception as e:
             print(e)

 def extract_urls(html):
     '''
     解析无io操作
     '''
     urls = []
     pq = pyquery(html)
     for link in pq.items('a'):
         url = link.attr('href')
         if url and url.startwith('http') and url not in urls:
             urls.append(url)
             waiting_urls.append(url)
     return urls

 async def init_urls(url, session):
     html = await fetch(url, session)
     seen_urls.add(url)
     extract_urls(html)

 async def handle_article(url, session, pool):
     '''
     处理文章
     '''
     html = await fetch(url, session)
     seen_urls.append(url)
     extract_urls(html)
     pq = pyquery(html)
     title = pq('title').text()
     async with pool.acquire() as conn:
         async with conn.cursor() as cur:
             insert_sql = "insert into Test(title) values('{}')".format(title)
             await cur.execute(insert_sql)

 async def consumer(pool):
     with aiohttp.CLientSession() as session:
         while not stopping:
             if len(waiting_urls) == 0:
                 await asyncio.sleep(0.5)
                 continue
             url = waiting_urls.pop()
             print('start url:' + 'url')
             if re.match('http://.*?jobble.com/\d+/', url):
                 if url not in seen_urls:
                     asyncio.ensure_future(handle_article(url, session, pool))
                     await asyncio.sleep(30)
             else:
                 if url not in seen_urls:
                     asyncio.ensure_future(init_urls(url, session))

 async def main():
     # 等待mysql连接好
     pool = aiomysql.connect(host='localhost', port=3306, user='root',
                             password='', db='my_aio', loop=loop, charset='utf8', autocommit=True)
     async with aiohttp.CLientSession() as session:
         html = await fetch(start_url, session)
         seen_urls.add(start_url)
         extract_urls(html)
     asyncio.ensure_future(consumer(pool))

 if __name__ == '__main__':
     loop = asyncio.get_event_loop()
     asyncio.ensure_future(loop)
     loop.run_forever(main(loop))