Python也能高并發

前言

這里先引用一下百度百科的定義.

并發，在操作系統中，是指一個時間段中有幾個程序都處于已啟動運行到運行完畢之間，且這幾個程序都是在同一個處理機上運行，但任一個時刻點上只有一個程序在處理機上運行

里面的一個時間段內說明非常重要,這里假設這個時間段是一秒,所以本文指的并發是指服務器在一秒中處理的請求數量,即rps,那么rps高,本文就認為高并發.

啥?這不是你認為的高并發, 出門左轉。

操作系統到底在干啥?

如果由筆者來概括，操作系統大概做了兩件事情，計算與IO，任何具體數學計算或者邏輯判斷，或者業務邏輯都是計算，而網絡交互，磁盤交互，人機之間的交互都是IO。

高并發的瓶頸在哪?

根據筆者經驗，大多數時候在IO上面。注意，這里說得是大多數，不是說絕對。

因為大多數時候業務本質上都是從數據庫或者其他存儲上讀取內容，然后根據一定的邏輯，將數據返回給用戶，比如大多數web內容。而大多數邏輯的交互都算不上計算量多大的邏輯，CPU的速度要遠遠高于內存IO,磁盤IO,網絡IO, 而這些IO中網絡IO最慢。

在根據上面的筆者對操作系統的概述，當并發高到一定的程度，根據業務的不同，比如計算密集，IO密集，或兩者皆有，因此瓶頸可能出在計算上面或者IO上面，又或兩者兼有。

而本文解決的高并發，是指IO密集的高并發瓶頸，因此，計算密集的高并發并不在本文的討論范圍內。

為了使本文歧義更少，這里的IO主要指網絡IO.

Python怎么處理高并發？

使用協程, 事件循環, 高效IO模型(比如多路復用，比如epoll), 三者缺一不可。

很多時候，筆者看過的文章都是說協程如何如何，最后告訴我一些協程庫或者asyncio用來說明協程的威力，最終我看懂了協程，卻還是不知道它為啥能高并發，這也是筆者寫本文的目的。

但是一切還是得從生成器說起，因為asyncio或者大多數協程庫內部也是通過生成器實現的。

注意上面的三者缺一不可。
如果只懂其中一個，那么你懂了三分之一，以此類推，只有都會了，你才知道為啥協程能高并發。

生成器

生成器的定義很抽象，現在不懂沒關系，但是當你懂了之后回過頭再看，會覺得定義的沒錯，并且準確。下面是定義

摘自百度百科: 生成器是一次生成一個值的特殊類型函數。可以將其視為可恢復函數。

關于生成器的內容，本文著重于生成器實現了哪些功能，而不是生成器的原理及內部實現。

yield

簡單例子如下

def gen_func():
    yield 1
    yield 2
    yield 3

if __name__ == '__main__':
    gen = gen_func()
    for i in gen:
        print(i)

output:
1
2
3

上面的例子沒有什么稀奇的不是嗎？yield像一個特殊的關鍵字，將函數變成了一個類似于迭代器的對象，可以使用for循環取值。

send, next

協程自然不會這么簡單，python協程的目標是星辰大海，從上面的例之所以get不到它的野心，是因為你沒有試過send, next兩個函數。

首先說next

def gen_func():
    yield 1
    yield 2
    yield 3

if __name__ == '__main__':
    gen = gen_func()
    print(next(gen))
    print(next(gen))
    print(next(gen))

output:
1
2
3

next的操作有點像for循環，每調用一次next，就會從中取出一個yield出來的值，其實還是沒啥特別的，感覺還沒有for循環好用。

不過，不知道你有沒有想過，如果你只需要一個值，你next一次就可以了，然后你可以去做其他事情，等到需要的時候才回來再次next取值。

就這一部分而言，你也許知道為啥說生成器是可以暫停的了，不過，這似乎也沒什么用，那是因為你不知到時，生成器除了可以拋出值，還能將值傳遞進去。

接下來我們看send的例子。

def gen_func():
    a = yield 1
    print("a: ", a)
    b = yield 2
    print("b: ", b)
    c = yield 3
    print("c: ", c)
    return "finish"

if __name__ == '__main__':
    gen = gen_func()
    for i in range(4):
        if i == 0:
            print(gen.send(None))
        else:
            # 因為gen生成器里面只有三個yield，那么只能循環三次。
            # 第四次循環的時候,生成器會拋出StopIteration異常,并且return語句里面內容放在StopIteration異常里面
            try:
                print(gen.send(i))
            except StopIteration as e:
                print("e: ", e)

output:
1
a:  1
2
b:  2
3
c:  3
e:  finish

send有著next差不多的功能，不過send在傳遞一個值給生成器的同時，還能獲取到生成器yield拋出的值，在上面的代碼中，send分別將None,1,2,3四個值傳遞給了生成器，之所以第一需要傳遞None給生成器，是因為規定，之所以規定，因為第一次傳遞過去的值沒有特定的變量或者說對象能接收，所以規定只能傳遞None, 如果你傳遞一個非None的值進去，會拋出一下錯誤

TypeError: can't send non-None value to a just-started generator

從上面的例子我們也發現，生成器里面的變量a,b,c獲得了，send函數發送將來的1, 2, 3.

如果你有事件循環或者說多路復用的經驗，你也許能夠隱隱察覺到微妙的感覺。

這個微妙的感覺是，是否可以將IO操作yield出來？由事件循環調度, 如果你能get到這個微妙的感覺,那么你已經知道協程高并發的秘密了.

但是還差一點點.嗯, 還差一點點了.

yield from

下面是yield from的例子

def gen_func():
    a = yield 1
    print("a: ", a)
    b = yield 2
    print("b: ", b)
    c = yield 3
    print("c: ", c)
    return 4

def middle():
    gen = gen_func()
    ret = yield from gen
    print("ret: ", ret)
    return "middle Exception"

def main():
    mid = middle()
    for i in range(4):
        if i == 0:
            print(mid.send(None))
        else:
            try:
                print(mid.send(i))
            except StopIteration as e:
                print("e: ", e)

if __name__ == '__main__':
    main()

output: 
1
a:  1
2
b:  2
3
c:  3
ret:  4
e:  middle Exception

從上面的代碼我們發現,main函數調用的middle函數的send,但是gen_func函數卻能接收到main函數傳遞的值.有一種透傳的感覺,這就是yield from的作用, 這很關鍵。

而yield from最終傳遞出來的值是StopIteration異常，異常里面的內容是最終接收生成器(本示例是gen_func)return出來的值，所以ret獲得了gen_func函數return的4.但是ret將異常里面的值取出之后會繼續將接收到的異常往上拋，所以main函數里面需要使用try語句捕獲異常。而gen_func拋出的異常里面的值已經被middle函數接收，所以middle函數會將拋出的異常里面的值設為自身return的值，

至此生成器的全部內容講解完畢，如果，你get到了這些功能，那么你已經會使用生成器了。

小結

再次強調,本小結只是說明生成器的功能,至于具體生成器內部怎么實現的,你可以去看其他文章,或者閱讀源代碼.

io模型

Linux平臺一共有五大IO模型，每個模型有自己的優點與確定。根據應用場景的不同可以使用不同的IO模型。

不過本文主要的考慮場景是高并發，所以會針對高并發的場景做出評價。

同步IO

同步模型自然是效率最低的模型了，每次只能處理完一個連接才能處理下一個,如果只有一個線程的話, 如果有一個連接一直占用，那么后來者只能傻傻的等了。所以不適合高并發，不過最簡單，符合慣性思維。

非阻塞式IO

不會阻塞后面的代碼，但是需要不停的顯式詢問內核數據是否準備好，一般通過while循環，而while循環會耗費大量的CPU。所以也不適合高并發。

多路復用

當前最流行，使用最廣泛的高并發方案。

而多路復用又有三種實現方式, 分別是select, poll, epoll。

select, poll, epoll

select,poll由于設計的問題，當處理連接過多會造成性能線性下降，而epoll是在前人的經驗上做過改進的解決方案。不會有此問題。

不過select, poll并不是一無是處，假設場景是連接數不多，并且每個連接非常活躍，select，poll是要性能高于epoll的。

至于為啥，查看小結參考鏈接, 或者自行查詢資料。

但是本文講解的高并發可是指的連接數非常多的。

信號驅動式IO

很偏門的一個IO模型，不曾遇見過使用案例。看模型也不見得比多路復用好用。

異步非阻塞IO

用得不是很多，理論上比多路復用更快，因為少了一次調用，但是實際使用并沒有比多路復用快非常多，所以為啥不使用廣泛使用的多路復用。

小結

使用最廣泛多路復用epoll, 可以使得IO操作更有效率。但是使用上有一定的難度。

至此，如果你理解了多路復用的IO模型，那么你了解python為什么能夠通過協程實現高并發的三分之二了。

IO模型參考: https://www.jianshu.com/p/486b0965c296
select,poll,epoll區別參考: https://www.cnblogs.com/Anker/p/3265058.html

事件循環

上面的IO模型能夠解決IO的效率問題，但是實際使用起來需要一個事件循環驅動協程去處理IO。

簡單實現

下面引用官方的一個簡單例子。

import selectors
import socket

# 創建一個selctor對象
# 在不同的平臺會使用不同的IO模型,比如Linux使用epoll, windows使用select(不確定)
# 使用select調度IO
sel = selectors.DefaultSelector()

# 回調函數,用于接收新連接
def accept(sock, mask):
    conn, addr = sock.accept()  # Should be ready
    print('accepted', conn, 'from', addr)
    conn.setblocking(False)
    sel.register(conn, selectors.EVENT_READ, read)

# 回調函數,用戶讀取client用戶數據
def read(conn, mask):
    data = conn.recv(1000)  # Should be ready
    if data:
        print('echoing', repr(data), 'to', conn)
        conn.send(data)  # Hope it won't block
    else:
        print('closing', conn)
        sel.unregister(conn)
        conn.close()

# 創建一個非堵塞的socket
sock = socket.socket()
sock.bind(('localhost', 1234))
sock.listen(100)
sock.setblocking(False)
sel.register(sock, selectors.EVENT_READ, accept)

# 一個事件循環,用于IO調度
# 當IO可讀或者可寫的時候, 執行事件所對應的回調函數
def loop():
    while True:
        events = sel.select()
        for key, mask in events:
            callback = key.data
            callback(key.fileobj, mask)

if __name__ == '__main__':
    loop()

上面代碼中loop函數對應事件循環,它要做的就是一遍一遍的等待IO,然后調用事件的回調函數.

但是作為事件循環遠遠不夠,比如怎么停止,怎么在事件循環中加入其他邏輯.

小結

如果就功能而言,上面的代碼似乎已經完成了高并發的影子,但是如你所見,直接使用select的編碼難度比較大, 再者回調函數素來有"回調地獄"的惡名.

實際生活中的問題要復雜的多，作為一個調庫狂魔，怎么可能會自己去實現這些，所以python官方實現了一個跨平臺的事件循環，至于IO模型具體選擇，官方會做適配處理。

不過官方實現是在Python3.5及以后了，3.5之前的版本只能使用第三方實現的高并發異步IO解決方案, 比如tornado,gevent,twisted。

至此你需要get到python高并發的必要條件了.

asyncio

在本文開頭,筆者就說過,python要完成高并發需要協程,事件循環,高效IO模型.而Python自帶的asyncio模塊已經全部完成了.盡情使用吧.

下面是有引用官方的一個例子

import asyncio

# 通過async聲明一個協程
async def handle_echo(reader, writer):
    # 將需要io的函數使用await等待, 那么此函數就會停止
    # 當IO操作完成會喚醒這個協程
    # 可以將await理解為yield from
    data = await reader.read(100)
    message = data.decode()
    addr = writer.get_extra_info('peername')
    print("Received %r from %r" % (message, addr))

    print("Send: %r" % message)
    writer.write(data)
    await writer.drain()

    print("Close the client socket")
    writer.close()

# 創建事件循環
loop = asyncio.get_event_loop()
# 通過asyncio.start_server方法創建一個協程
coro = asyncio.start_server(handle_echo, '127.0.0.1', 8888, loop=loop)
server = loop.run_until_complete(coro)

# Serve requests until Ctrl+C is pressed
print('Serving on {}'.format(server.sockets[0].getsockname()))
try:
    loop.run_forever()
except KeyboardInterrupt:
    pass

# Close the server
server.close()
loop.run_until_complete(server.wait_closed())
loop.close()

總的來說python3.5明確了什么是協程，什么是生成器，雖然原理差不多，但是這樣會使得不會讓生成器即可以作為生成器使用(比如迭代數據)又可以作為協程。

所以引入了async,await使得協程的語義更加明確。

asyncio生態

asyncio官方只實現了比較底層的協議，比如TCP，UDP。所以諸如HTTP協議之類都需要借助第三方庫，比如aiohttp。

雖然異步編程的生態不夠同步編程的生態那么強大，但是如果又高并發的需求不妨試試，下面說一下比較成熟的異步庫

aiohttp

異步http client/server框架

github地址: https://github.com/aio-libs/aiohttp

sanic

速度更快的類flask web框架。

github地址:
https://github.com/channelcat/sanic

uvloop

快速，內嵌于asyncio事件循環的庫，使用cython基于libuv實現。

官方性能測試:
nodejs的兩倍，追平golang

github地址: https://github.com/MagicStack/uvloop

為了減少歧義，這里的性能測試應該只是網絡IO高并發方面不是說任何方面追平golang。

總結

Python之所以能夠處理網絡IO高并發，是因為借助了高效的IO模型，能夠最大限度的調度IO，然后事件循環使用協程處理IO，協程遇到IO操作就將控制權拋出，那么在IO準備好之前的這段事件，事件循環就可以使用其他的協程處理其他事情，然后協程在用戶空間，并且是單線程的，所以不會像多線程，多進程那樣頻繁的上下文切換，因而能夠節省大量的不必要性能損失。

注: 不要再協程里面使用time.sleep之類的同步操作，因為協程再單線程里面，所以會使得整個線程停下來等待，也就沒有協程的優勢了

本文主要講解Python為什么能夠處理高并發,不是為了講解某個庫怎么使用,所以使用細節請查閱官方文檔或者執行。

無論什么編程語言，高性能框架，一般由事件循環 + 高性能IO模型(也許是epoll)組成。