前言:
眼前大家对“python如何处理高并发问题”大体比较关切,我们都需要知道一些“python如何处理高并发问题”的相关文章。那么小编也在网上搜集了一些有关“python如何处理高并发问题””的相关文章,希望看官们能喜欢,咱们一起来学习一下吧!python由于GIL(全局锁)的存在,不能发挥多核的优势,在IO密集型的网络编程里,异步处理比同步处理能提升成百上千倍的效率,弥补了python性能方面的短板。
python3.4版本引入asyncio到标准库,python2x没有加这个库,python3.5又加入了async/await特性。
同步/异步的概念
同步是指完成事务的逻辑,先执行第一个事务,如果阻塞了,会一直等待,直到这个事务完成,再执行第二个事务,顺序执行。。。
异步是和同步相对的,异步是指在处理调用这个事务的之后,不会等待这个事务的处理结果,直接处理第二个事务去了,通过状态、通知、回调来通知调用者处理结果。
asyncio
对比同步代码和异步代码编写方面的差异,其次看下两者性能上的差距,使用sleep(1)模拟耗时1秒的io操作。
同步代码
import timedef hello(): time.sleep(1)def run(): for i in range(5): hello() print(time.time())if __name__ == '__main__': run()# 结果# 间隔约是1s# 1549956123.908849# 1549956124.9128718# 1549956125.9164648# 1549956126.91946# 1549956127.922292
异步代码
import asyncioimport time# 定义异步函数async def hello(): asyncio.sleep(1) print(time.time())def run(): for i in range(5): loop.run_until_complete(hello())loop = asyncio.get_event_loop()if __name__ == '__main__': run()# 结果# 1549956258.2929049# 1549956258.293014# 1549956258.293063# 1549956258.2931032# 1549956258.293142# async def 用来定义异步函数,其内部有异步操作。每个线程有一个事件循环,主线程调用asyncio.get_event_loop()时会创建事件循环,# 你需要把异步的任务丢给这个循环的run_until_complete()方法,事件循环会安排协同程序的执行。aiohttp
需要并发http请求怎么办呢,通常是用requests,但requests是同步的库,如果想异步的话需要引入aiohttp。这里引入一个类,from aiohttp import ClientSession,首先要建立一个session对象,然后用session对象去打开网页。session可以进行多项操作,比如post, get, put, head等。
基本用法
async with ClientSession() as session: async with session.get(url=';) as response:
首先async def 关键字定义了这是个异步函数,await 关键字加在需要等待的操作前面,response.read()等待request响应,是个好IO操作。然后使用ClientSession类发起http请求。
多链接异步访问
我们需要请求多个URL该怎么办呢,同步的做法访问多个URL只需要加个for循环就可以了。但异步的实现方式并没那么容易,在之前的基础上需要将hello()包装在asyncio的Future对象中,然后将Future对象列表作为任务传递给事件循环。
#!/usr/bin/env python# -*- coding: utf-8 -*-import asynciofrom aiohttp import ClientSessiontasks = []async def request_run(i): async with ClientSession() as session: async with session.get(url=';) as response: response = await response.read() # 返回报文 print(i)def run(): for i in range(5): task = asyncio.ensure_future(request_run(i)) tasks.append(task)if __name__ == '__main__': loop = asyncio.get_event_loop() run() loop.run_until_complete(asyncio.wait(tasks))# 输出# 0# 1# 3# 4# 2
收集http响应
要把响应一一收集到一个列表中,最后保存到本地或者打印出来要怎么实现呢,可通过asyncio.gather(*tasks)将响应全部收集起来,具体通过下面实例来演示。
#!/usr/bin/env python# -*- coding: utf-8 -*-import asynciofrom aiohttp import ClientSessiontasks = []async def request_run(i): async with ClientSession() as session: async with session.get(url=';) as response: response = await response.read() print(i) print(response) return responsedef run(): for i in range(5): task = asyncio.ensure_future(request_run(i)) tasks.append(task) result = loop.run_until_complete(asyncio.gather(*tasks)) print(result)if __name__ == '__main__': loop = asyncio.get_event_loop() run()
关于ValueError: too many file descriptors in select()异常解决办法
假如你的并发达到2000个,程序会报错:ValueError: too many file descriptors in select()。报错的原因字面上看是 Python 调取的 select 对打开的文件有最大数量的限制,这个其实是操作系统的限制,linux打开文件的最大数默认是1024,windows默认是509,超过了这个值,程序就开始报错。这里我们有三种方法解决这个问题:
1.限制并发数量。(一次不要塞那么多任务,或者限制最大并发数量)
2.使用回调的方式。
3.修改操作系统打开文件数的最大限制,在系统里有个配置文件可以修改默认值,具体步骤不再说明了。
不修改系统默认配置的话,个人推荐限制并发数的方法,设置并发数为500,处理速度更快。
#!/usr/bin/env python# -*- coding: utf-8 -*-import asyncioimport timefrom aiohttp import ClientSessiontasks = []a = time.time()async def request_run(i, semaphore): async with semaphore: async with ClientSession() as session: async with session.get(url=';) as response: response = await response.read() tasks.append(i) # 可以存储返回结果async def run(): semaphore = asyncio.Semaphore(500) to_get = [request_run(i, semaphore) for i in range(1000)] # 总共1000任务 await asyncio.wait(to_get)if __name__ == '__main__': loop = asyncio.get_event_loop() loop.run_until_complete(run()) loop.close() print(tasks) b = time.time() print(b-a)
#计算机##python##Python基础##软件开发##科技新星创作营#
标签: #python如何处理高并发问题