关于python协程这个知识点,我是在研究locust时候发现的。locust是一款开源的性能测试工具,单机并发能力要比jmeter高,它的并发实现就是通过python协程去实现的。
说到并发,我猜你很容易想到的是多线程,其实协程也是实现并发的一种方式,只不过协程是单线程。
先上一段代码,假设我们在写爬虫抓取4个url的内容,并且我们让每一个url都停留一定的秒数,第一个1s,第二个停2s,以此类推。所以,可以知道4个url爬取完毕一共要花费10s的时间。
import timedef crawl_page(url):print(\'正在爬取 {}\'.format(url))sleep_time = int(url.split(\'_\')[-1])time.sleep(sleep_time)print(\'OK {}\'.format(url))def main(urls):time_start = time.time()for url in urls:crawl_page(url)time_end = time.time()print("爬取耗时共计{}s".format(int(time_end - time_start)))main([\'url_1\', \'url_2\', \'url_3\', \'url_4\'])
运行一下:
D:\\Programs\\Python\\Python39\\python.exe D:/练习/xc.py正在爬取 url_1OK url_1正在爬取 url_2OK url_2正在爬取 url_3OK url_3正在爬取 url_4OK url_4爬取耗时共计10sProcess finished with exit code 0
果然运行了10s,可以发现我们在等待中浪费了很多时间,那么如何提高这段代码的运行效率呢?没错,协程该出场了。
一、async和await
目前,python3.7以上的版本提供了最新的写法,是基于
asyncio
和
async / await
的方法,所以如果下面的代码你执行不起来,检查一下是不是你的python版本不对。
import asyncioimport timeasync def crawl_page(url):print(\'正在爬取 {}\'.format(url))sleep_time = int(url.split(\'_\')[-1])await asyncio.sleep(sleep_time)print(\'OK {}\'.format(url))async def main(urls):time_start = time.time()for url in urls:await crawl_page(url)time_end = time.time()print("爬取耗时共计{}s".format(int(time_end - time_start)))asyncio.run(main([\'url_1\', \'url_2\', \'url_3\', \'url_4\']))
- async:声明这是一个异步函数。调用异步函数,就会得到一个协程对象。
- await:用于调用函数。注意,这里await 执行的效果,和 Python 正常执行是一样的。也就是说程序会阻塞在这里,进入被调用的协程函数,执行完毕返回后再继续。
- asyncio.run:触发运行。这个函数是 Python 3.7 之后才有的特性,目的就是让Python 的协程接口变得非常简单。通常情况下,
asyncio.run(main())
作为主程序的入口函数,在程序运行周期内,只调用一次
asyncio.run
。
二、asyncio.create_task
上述代码其实还没完成,不信你执行一下,会发现还是10s。这正如上面await介绍说的,其实跟python正常执行一次没区别。所以,为了实现协程,还需要
asyncio.create_task
来创建任务。
import asyncioimport timeasync def crawl_page(url):print(\'正在爬取 {}\'.format(url))sleep_time = int(url.split(\'_\')[-1])await asyncio.sleep(sleep_time)print(\'OK {}\'.format(url))async def main(urls):time_start = time.time()tasks = []for url in urls:tasks.append(asyncio.create_task(crawl_page(url))) # 创建taskfor task in tasks:await tasktime_end = time.time()print("爬取耗时共计{}s".format(int(time_end - time_start)))asyncio.run(main([\'url_1\', \'url_2\', \'url_3\', \'url_4\']))
执行一下:
D:\\Programs\\Python\\Python39\\python.exe D:/练习/xc.py正在爬取 url_1正在爬取 url_2正在爬取 url_3正在爬取 url_4OK url_1OK url_2OK url_3OK url_4爬取耗时共计4sProcess finished with exit code 0
这下仅需要4s,也就是4个任务中,耗时最长的那个任务所需要的时间。执行过程:
- 在第一个for循环里,通过调用异步函数
crawl_page()
得到4个协程对象。
- 在第二个for循环里,通过
asyncio.create_task
给4个协程对象分别创建了task。
- 接着,4个任务被
await
调用执行。
是不是很简单?再次印证了python哲学:简单胜过复杂。
最近可能会用到locust对项目进行性能测试,若有收获,届时分享。