深入理解Python中的并发与异步的结合使用

在上一篇文章中，我们讨论了异步编程中的性能优化技巧，并简单介绍了`trio`和`curio`库。今天，我们将深入探讨如何将并发编程与异步编程结合使用，并详细讲解如何利用`trio`和`curio`库优化异步编程中的性能。 [TOC] #### 并发与异步编程的区别与联系并发编程和异步编程都是处理多任务的有效手段，但它们的实现方式和适用场景有所不同： - **并发编程**：通过线程或进程来同时执行多个任务，适用于CPU密集型任务； - **异步编程**：通过事件循环和协程来调度任务，适用于I/O密集型任务。结合使用并发和异步编程，可以同时处理CPU密集型和I/O密集型任务，提升程序整体性能。 #### 并发编程与异步编程的优缺点 ##### 并发编程 - **优点**： - 可以充分利用多核CPU的优势，提高程序的执行效率； - 适用于需要大量计算的任务，例如数据处理、图像处理等。 - **缺点**： - 线程和进程的管理和调度较为复杂，需要处理同步、锁等问题； - 创建和销毁线程或进程会有一定的开销。 ##### 异步编程 - **优点**： - 适用于I/O密集型任务，可以在等待I/O操作完成时执行其他任务，提高资源利用率； - 代码更加简洁，逻辑清晰。 - **缺点**： - 仅能在单线程中运行，不能利用多核CPU的优势； - 对于CPU密集型任务效果不佳。 #### 如何在同一个程序中同时使用 `threading`、`multiprocessing` 和 `asyncio` 在同一个程序中，我们可以利用 `threading` 和 `multiprocessing` 提供并发能力，同时使用 `asyncio` 实现异步I/O操作： ##### 使用 `threading` 和 `asyncio` ```python import asyncio import threading async def async_task(): print("Starting async task") await asyncio.sleep(2) print("Async task completed") def sync_task(loop): print("Starting sync task") loop.run_until_complete(async_task()) print("Sync task completed") loop = asyncio.get_event_loop() thread = threading.Thread(target=sync_task, args=(loop,)) thread.start() thread.join() ``` **使用 `multiprocessing` 和 `asyncio`** ```python import asyncio import multiprocessing async def async_task(): print("Starting async task") await asyncio.sleep(2) print("Async task completed") def sync_task(): loop = asyncio.new_event_loop() asyncio.set_event_loop(loop) loop.run_until_complete(async_task()) if __name__ == "__main__": process = multiprocessing.Process(target=sync_task) process.start() process.join() ``` #### 深入使用 `trio` 库 `trio`对异步编程提供了更友好的API，以及更加健壮的错误处理机制；它简化了异步编程的许多复杂性，特别是对于需要多个并发任务的场景： ##### 基本使用 ```python import trio import asks async def fetch(url): response = await asks.get(url) return response.text async def main(): urls = ['http://example.com', 'http://example.org', 'http://example.net'] async with trio.open_nursery() as nursery: for url in urls: nursery.start_soon(fetch, url) trio.run(main) ``` ##### 高级功能：取消与超时在`trio`中，可以轻松地对任务进行取消和超时操作： ```python import trio async def long_running_task(): try: print("Task started") await trio.sleep(10) print("Task completed") except trio.Cancelled: print("Task was cancelled") async def main(): async with trio.open_nursery() as nursery: nursery.start_soon(long_running_task) await trio.sleep(5) nursery.cancel_scope.cancel() trio.run(main) ``` **异常处理与重试机制** ```python import trio import asks async def fetch_with_retry(url, retries=3): for attempt in range(retries): try: response = await asks.get(url) return response.text except Exception as e: print(f"Attempt {attempt + 1} failed: {e}") await trio.sleep(2) raise Exception(f"Failed to fetch {url} after {retries} attempts") async def main(): urls = ['http://example.com', 'http://example.org', 'http://example.net'] async with trio.open_nursery() as nursery: for url in urls: nursery.start_soon(fetch_with_retry, url) trio.run(main) ``` #### 深入使用 `curio` 库 `curio` 是另一个异步编程库，主要强调简单性和高性能，适用于需要低延迟和高吞吐量的场景： ##### 基本使用 ```python import curio import httpx async def fetch(url): async with httpx.AsyncClient() as client: response = await client.get(url) return response.text async def main(): urls = ['http://example.com', 'http://example.org', 'http://example.net'] tasks = [fetch(url) for url in urls] results = await curio.gather(tasks) for result in results: print(result[:100]) if __name__ == "__main__": curio.run(main) ``` ##### 高级功能：任务取消与超时 `curio` 和trio一样提供了强大的任务管理功能，其中也包括对任务取消和超时操作的处理： ```python import curio async def long_running_task(): try: print("Task started") await curio.sleep(10) print("Task completed") except curio.CancelledError: print("Task was cancelled") async def main(): task = await curio.spawn(long_running_task) await curio.sleep(5) await task.cancel() if __name__ == "__main__": curio.run(main) ``` **使用信号与事件进行任务同步** ```python import curio![](https://files.mdnice.com/user/68804/a9f7fe95-2fc1-4c87-963a-cdbf8c34108b.jpg) async def producer(event): print("Producer sleeping") await curio.sleep(5) print("Producer setting event") await event.set() async def consumer(event): print("Consumer waiting for event") await event.wait() print("Consumer got event") async def main(): event = curio.Event() await curio.gather(producer(event), consumer(event)) if __name__ == "__main__": curio.run(main) ``` ### 性能优化技巧通过结合并发和异步编程技术，以及使用`trio`和`curio`库，我们可以在处理大量I/O密集型任务时获得显著的性能提升，以下是我在工作中常用的一些性能优化技巧： 1. **限制并发请求数量**：使用信号量（semaphore）限制同时进行的请求数量，防止过多的请求导致系统资源枯竭； 2. **分块处理任务**：将任务划分为多个块，分别进行处理，避免一次性处理大量任务导致的性能问题； 3. **使用连接池**：复用连接，减少连接建立和销毁的开销； 4. **合理设置超时时间**：为每个请求设置合理的超时时间，防止由于某些请求超时导致整个任务的延迟； 5. **异步I/O操作**：尽量使用异步I/O操作，避免阻塞主线程。 ### 结语通过本文的介绍，我们深入学习了如何将并发编程与异步编程结合使用，以最大化程序的性能和效率。结合使用 `threading`、`multiprocessing` 和 `asyncio` 可以同时处理CPU密集型和I/O密集型任务，提升程序整体性能，希望这些技巧能帮助你在实际项目中编写出高效、稳定的代码！ **如果你对计算机相关技术有更多的兴趣，想要持续的探索，请关注我的公众号哟！** ![](https://upload-images.jianshu.io/upload_images/27440471-049d8d799827a4a4.png) 本文由[mdnice](https://mdnice.com/?platform=6)多平台发布

深入理解Python中的并发与异步的结合使用

推荐阅读更多精彩内容