引言
目前很多公司选择将python项目使用golang重构，很大一方面原因是因为golang的并发能力，golang自带的语法糖支持使并发编程变的相对简单，也更能充分的使用多核CPU的计算资源。
相应的，python长期受制于GIL，无法在多线程时使用多核CPU，所以一直以来在谈及python的缺陷时，性能总是无法回避的一个问题。当然，一些python著名的第三方组织也一直通过各种手段来改善python的并发性能，如twisted的异步模型使用事件驱动机制来提升python性能，著名的爬虫框架scrapy便是以twisted作为底层网络库来开发的，还有gevent，它使用greenlet在用户态完成栈和上下文切换来减少切换带来的性能损耗，同样还有著名的web协程框架tornado，他使用生成器来保存协程上下文及状态，使用原生的python语法实现了协程。但从python3.4开始python引入asyncio标准库，随后又在3.5引入async/await关键字，从根本上规范了python异步编程标准，使python异步编程逐渐流行起来。
关于什么是python协程，相信网上已经有了不少资料，但是只描述抽象的上层建筑难免会让人接受困难，本文希望可以通过从最简单的代码和逻辑，使用最基础的数据结构，从实现出发，带领大家理解什么是python协程。
首先需要补充一些基础知识
什么是生成器
我们都应该听说过迭代器，这在很多语言中都有类似的概念，简单的说，迭代器就是可以被迭代的对象，对其使用next操作可以返回一个元素，通常多次迭代后迭代器会中止，此时迭代器无法再使用。比如python中可以通过iter方法来将一个列表转换成迭代器：
In [1]: lst = [1, 2, 3] Python学习交流群：1004391443 In [2]: iterator = iter(lst) In [3]: next(iterator) Out[3]: 1 In [4]: next(iterator) Out[4]: 2 In [5]: next(iterator) Out[5]: 3 In [6]: next(iterator) --------------------------------------------------------------------------- StopIteration Traceback (most recent call last) <ipython-input-7-4ce711c44abc> in <module>() ----> 1 next(iterator) StopIteration:
生成器可以看作是迭代器的子类，同时提供了比迭代器更强大的功能，python中，可以使用yield关键字使函数返回生成器对象。
In [8]: def fun(): ...: yield 1 ...: yield 2 ...: yield 3 ...: In [9]: iterator = fun() In [10]: next(iterator) Out[10]: 1 In [11]: next(iterator) Out[11]: 2 In [12]: next(iterator) Out[12]: 3 In [13]: next(iterator) --------------------------------------------------------------------------- StopIteration Traceback (most recent call last) <ipython-input-13-4ce711c44abc> in <module>() ----> 1 next(iterator) StopIteration:
每次next调用， fun函数只执行四分之一，如果我们拥有多个生成器对象， 按照一定规则 可控的对他分别调用next，生成器每次的暂停都保存了执行进度和内部状态。如果将这三个生成器理解成协程，那不正是我们熟悉的协程间的切换？
事件循环
所以，我们可以想象，现在有一个循环和一个生成器列表，每次循环，我们都将所有的生成器进行一次调用，所有生成器交替执行。如下：
In [16]: gen_list = [fun(), fun(), fun()]
In [17]: while True:
...: for gen in gen_list:
...: print(next(gen))
...:
1
1
1
2
2
2
3
3
3
---------------------------------------------------------------------------
StopIteration Traceback (most recent call last)
<ipython-input-17-f2c1d557da29> in <module>()
1 while True:
2 for gen in gen_list:
----> 3 print(next(gen))
4
StopIteration:
当然，我们还可以换一种写法，将生成器的每一步都当成是一次调用，把生成器包装成一个Handle对象，每次调用handle对象的call来完成生成器的调用，同时，我们还可以在调用完成后做一些准备来控制下一次调用的时间，将Handle对应放到一个scheduled_list里面：
def fun():
print("step1")
yield
print("step2")
yield
print("step3")
yield
scheduled_list = []
class Handle(object):
def __init__(self, gen):
self.gen = gen
def call(self):
next(self.gen)
scheduled_list.append(self)
def loop(*coroutines):
scheduled_list.extend(Handle(c) for c in coroutines)
while True:
while scheduled_list:
handle = scheduled_list.pop(0)
handle.call()
if __name__ == "__main__":
loop(fun(), fun(), fun())
协程中的阻塞
在有了以上的基础后，我们来分析上面提到的切换规则，什么时候应该切换协程(生成器)？显而易见，当遇到阻塞时，我们才需要切换协程，以避免CPU的浪费。我将阻塞分为了以下三种：
- IO调用，如socket，file，pipe等。
- 人为制造的阻塞，如sleep。
- 异步调用。
假设，在我们的生成器内有一次socket调用，我们不知道它多久会ready，我们希望不等待它的返回，切换到其它协程运行，等其准备好之后再切换回来，该怎么办？
有同学可能会想到了，将socket注册到epoll上。如下：
import time
import socket
from functools import partial
from select import epoll
poll = epoll()
handlers = dict()
scheduled_list = []
def fun():
print("step1")
sock = socket.socket()
future = Future()
def handler():
future.set_done(sock.recv(1024))
add_handler(sock.fileno(), handler, READ)
yield future
print("step2")
yield
print("step3")
yield
def add_handler(fd, handler, events):
handlers[fd] = handler
poll.register(fd, events)
class Future(object):
def __init__(self):
self.callbacks = []
def add_callback(self, callback):
self.callbacks.append(callback)
def set_done(self, value):
self.value = value
for callback in self.callbacks:
callback()
def get_result(self):
return self.value
class Handle(object):
def __init__(self, gen):
self.gen = gen
def call(self):
yielded = next(self.gen)
if isinstance(yielded, Future):
yielded.add_callback(partial(scheduled_list.append, self))
else:
scheduled_list.append(self)
def loop(*coroutines):
scheduled_list.extend(Handle(c) for c in coroutines)
while True:
default_timeout = 10000
while scheduled_list:
handle = scheduled_list.pop(0)
handle.call()
# 等待描述符可操作
events = poll.poll(default_timeout)
while events:
fd, event = events.popitem()
handlers[fd]()
poll.unregister(fd)
del handlers[fd]
if __name__ == "__main__":
loop(fun(), fun(), fun())
这一步引入一个新的对象Future，他用来代指未来即将发生的调用，通过epoll上注册的事件，触发了它的完成，完成之后执行了将handle对象放回scheduled_list， 可从而切回了协程。
那么，人为制造的阻塞我们怎么切换协程呢？这里，我们又引入了一个新的对象Timeout
import time
import socket
from functools import partial
from select import epoll
poll = epoll()
handlers = dict()
scheduled_list = []
# 创建一个timeout_list
timeout_list = []
def fun():
print("step1")
sock = socket.socket()
future = Future()
def handler():
future.set_done()
add_handler(sock.fileno(), handler, READ)
yield future
print("step2")
yield sleep(3)
print("step3")
yield
def add_handler(fd, handler, events):
handlers[fd] = handler
poll.register(fd, events)
def sleep(sec):
future = Future()
timeout = Timeout(sec, future.set_done)
timeout_list.append(timeout)
return future
class Timeout(object):
def __init__(self, timeout, callback):
self.deadline = time.time() + timeout
self.callback = callback
def call(self):
self.callback(None)
class Future(object):
def __init__(self):
self.callbacks = []
self.value = None
def add_callback(self, callback):
self.callbacks.append(callback)
def set_done(self, value):
self.value = value
for callback in self.callbacks:
callback()
def get_result(self):
return self.value
class Handle(object):
def __init__(self, gen):
self.gen = gen
def call(self):
yielded = next(self.gen)
if isinstance(yielded, Future):
yielded.add_callback(partial(scheduled_list.append, self))
else:
scheduled_list.append(self)
def loop(*coroutines):
scheduled_list.extend(Handle(c) for c in coroutines)
while True:
default_timeout = 10000
deadline = time.time()
for timeout in timeout_list[:]:
if timeout.deadline <= deadline:
timeout.call()
timeout_list.remove(timeout)
while scheduled_list:
handle = scheduled_list.pop(0)
handle.call()
for timeout in timeout_list:
wait_time = timeout.deadline - deadline
if wait_time <= 0:
wait_time = 0
default_timeout = min(default_timeout, wait_time)
if not scheduled_list and not timeout_list and not handlers:
break
# 等待描述符可操作
events = poll.poll(default_timeout)
while events:
fd, event = events.popitem()
handlers[fd]()
poll.unregister(fd)
del handlers[fd]
if __name__ == "__main__":
loop(fun(), fun(), fun())
通过创建一个Timeout对象，我们在deadline时触发了其回调，使Future完成，从而完成了协程的切换。
由以上两点，我们可以大致观察出一个规律，创建Future对象，切出协程，在合适的时机（如socket ready或到达deadline/timeout）让他完成，切入协程，这才是协程切换的关键所在，由此，我们可以使用Future来管理各种异步调用。
如，我们在python编码时遇到了一个计算密集型的函数，由于python单进程无法利用多核，我们可以创建一个子进程来处理计算，同时关联到一个Future中：
def fun():
print("step1")
sock = socket.socket()
future = Future()
def handler():
future.set_done()
add_handler(sock.fileno(), handler, READ)
yield future
print("step2")
yield sleep(3)
print("step3")
future = Future()
from multiprocessing import Process
Process(target=long_time_call, args=(future, )).start()
yield future
def long_time_call(future):
#...
future.set_done()
当协程执行到第三步时，遇到了长时间运行的函数调用，我们创建了一个Future，关联到一个子进程中，并在子进程完成时设置future完成，在子进程完成之前，父进程已完成协程的切出，将执行权交给其它协程执行。
这个地方遗漏了一个细节，当没有其它协程可以执行时，epoll会被设置成超时时间=10000，因而陷入到长时间的睡眠中，而子进程完成后需要切入协程，但父进程已经被epoll阻塞掉，如何唤醒主进程继续执行该协程呢？业界通用的做法是，创建一个管道，在切出协程时让epoll监听读fd，子进程完成后，往管道中写入一个字符，epoll监听的读fd 马上变成ready，因此epoll解除阻塞，事件循环得以继续执行。
当然，异步调用不仅仅可以使用子进程，子线程、远程计算框架都可以通过这种方式执行。
讲到这里，大家应该基本明白了一个协程函数是如何工作的了。下表可帮助我们从线程的角度理解协程
上面的表格表述线程和协程的一一对应关系，最后一栏可能还需要举例解释一下：
我们知道一个线程执行过程中，会嵌套调用多个函数，如：
def foo():
print("in foo")
def bar():
print("in bar")
def fun():
bar()
foo()
if __name__ == "__main__":
fun()
那么生成器如何嵌套调用呢？python3.4之前，嵌套的生成器只能这么使用：
def foo():
print("in foo")
yield
def bar():
print("in bar")
yield
def fun():
for i in bar():
yield i
for i in foo():
yield i
if __name__ == "__main__":
for i in fun():
pass
python3.4之后引入了新的语法糖yield from，简化了调用方式：
def foo():
print("in foo")
yield
def bar():
print("in bar")
yield
def fun():
yield from bar()
yield from foo()
if __name__ == "__main__":
for i in fun():
pass
yield from可以驱动子生成器，来逐一返回子生成器中的值，将嵌套的生成器打平。值得一提的是，yield from才是await的真实身份。
让我们用最初的例子来编写一个嵌套了的子生成器函数的协程demo。我们将fun生成器抽离成2种阻塞操作，并封装好：
def read(sock):
future = Future()
def handler():
buf = sock.recv(1024)
future.set_done(buf)
add_handler(sock.fileno(), handler, 0x001)
yield future
return future.get_result()
def sleep(sec):
future = Future()
timeout = Timeout(sec, future.set_done)
timeout_list.append(timeout)
yield future
有了这两个基础函数之后，我们就可以自由的编写我们协程了
def coroutine(num):
client = socket.socket()
client.connect(("", 1234))
print(f"coroutine_{num} start")
buffer = yield from read(client)
print(f"coroutine_{num} recv: ", buffer)
yield from sleep(3)
print(f"coroutine_{num} wake up ")
client.close()
if __name__ == "__main__":
loop(coroutine(1), coroutine(2))
我们创建了两个协程，其中调用了一次socket读和一个睡眠，让我们看一下执行效果：
coroutine_1 start coroutine_2 start coroutine_2 recv: b'test' coroutine_1 recv: b'test' coroutine_2 wake up coroutine_1 wake up
两个协程异步交替执行。
asyncio的使用
相信看完上面的例子之后，大家应该对python协程的实现有了初步的认识，那标准的python协程如何使用呢？
import socket
import asyncio
async def read(sock):
loop = asyncio.get_event_loop()
future = loop.create_future()
def handler():
buf = sock.recv(1024)
future.set_result(buf)
loop.remove_reader(sock.fileno())
loop.add_reader(sock.fileno(), handler)
await future
return future.result()
async def coroutine(num):
client = socket.socket()
client.connect(("", 1234))
print(f"coroutine_{num} start")
buffer = await read(client)
print(f"coroutine_{num} recv: ", buffer)
await asyncio.sleep(3)
print(f"coroutine_{num} wake up ")
client.close()
if __name__ == "__main__":
loop = asyncio.get_event_loop()
loop.run_until_complete(asyncio.gather(coroutine(1), coroutine(2)))
几乎和我们的实现一模一样，其中await取代了yield from， 协程显式使用async来声明。
python协程的应用
python协程优势
通过上述例子我们可以很容易看出，python协程具有以下特点：
- 超级轻量，不需要维护协程栈，所有的上下文执行状态都被维护在了生成器中。
- 切换自由，通过yield from(python3.5以后是await)随意切换协程，协程切换完全可控以至于几乎不用加锁。
- 并发能力强，并发上限理论上取决于IO多路复用可注册的文件描述符的极限。
缺点
- 还是只能用到单核。
- 由于协程切换是非抢占式的，所以如果业务是CPU密集型的，可能其它协程长时间得不到执行。
综上所述，在使用python的高并发场景下，python多进程+协程是最优的解决方案。
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
