Tornado异步化
预备知识
并发编程
所谓并发编程就是让程序中有多个部分能够并发或同时执行，并发编程带来的好处不言而喻，其中最为关键的两点是提升了执行效率和改善了用户体验。下面简单阐述一下Python中实现并发编程的三种方式：
-
多线程：Python中通过
threading模块的Thread类并辅以Lock、Condition、Event、Semaphore和Barrier等类来支持多线程编程。Python解释器通过GIL（全局解释器锁）来防止多个线程同时执行本地字节码，这个锁对于CPython（Python解释器的官方实现）是必须的，因为CPython的内存管理并不是线程安全的。因为GIL的存在，Python的多线程并不能利用CPU的多核特性。 -
多进程：使用多进程可以有效的解决GIL的问题，Python中的
multiprocessing模块提供了Process类来实现多进程，其他的辅助类跟threading模块中的类类似，由于进程间的内存是相互隔离的（操作系统对进程的保护），进程间通信（共享数据）必须使用管道、套接字等方式，这一点从编程的角度来讲是比较麻烦的，为此，Python的multiprocessing模块提供了一个名为Queue的类，它基于管道和锁机制提供了多个进程共享的队列。import multiprocessing import time def fun1(name): print(multiprocessing.current_process().name) time.sleep(5) print(name, '进程结束') if __name__ == '__main__': print('主进程开始', multiprocessing.current_process().name) p_list = [] for i in range(5): p = multiprocessing.Process(target=fun1,args=['ccav %d' %i]) p_list.append(p) p.start() print('主进程结束') -
异步编程（异步I/O）：所谓异步编程是通过调度程序从任务队列中挑选任务，调度程序以交叉的形式执行这些任务，我们并不能保证任务将以某种顺序去执行，因为执行顺序取决于队列中的一项任务是否愿意将CPU处理时间让位给另一项任务。异步编程通常通过多任务协作处理的方式来实现，由于执行时间和顺序的不确定，因此需要通过钩子函数（回调函数）或者
Future对象来获取任务执行的结果。目前我们使用的Python 3通过asyncio模块以及await和async关键字（Python 3.5中引入，Python 3.7中正式成为关键字）提供了对异步I/O的支持。import asyncio async def fetch(host): """从指定的站点抓取信息(协程函数)""" print(f'Start fetching {host}\n') # 跟服务器建立连接 reader, writer = await asyncio.open_connection(host, 80) # 构造请求行和请求头 writer.write(b'GET / HTTP/1.1\r\n') writer.write(f'Host: {host}\r\n'.encode()) writer.write(b'\r\n') # 清空缓存区(发送请求) await writer.drain() # 接收服务器的响应(读取响应行和响应头) line = await reader.readline() while line != b'\r\n': print(line.decode().rstrip()) line = await reader.readline() print('\n') writer.close() def main(): """主函数""" urls = ('www.sohu.com', 'www.douban.com', 'www.163.com') # 获取系统默认的事件循环 loop = asyncio.get_event_loop() # 用生成式语法构造一个包含多个协程对象的列表 tasks = [fetch(url) for url in urls] # 通过asyncio模块的wait函数将协程列表包装成Task（Future子类）并等待其执行完成 # 通过事件循环的run_until_complete方法运行任务直到Future完成并返回它的结果 loop.run_until_complete(asyncio.wait(tasks)) loop.close() if __name__ == '__main__': main()说明：目前大多数网站都要求基于HTTPS通信，因此上面例子中的网络请求不一定能收到正常的响应，也就是说响应状态码不一定是200，有可能是3xx或者4xx。当然我们这里的重点不在于获得网站响应的内容，而是帮助大家理解
asyncio模块以及async和await两个关键字的使用。
我们对三种方式的使用场景做一个简单的总结。
以下情况需要使用多线程：
- 程序需要维护许多共享的状态（尤其是可变状态），Python中的列表、字典、集合都是线程安全的，所以使用线程而不是进程维护共享状态的代价相对较小。
- 程序会花费大量时间在I/O操作上，没有太多并行计算的需求且不需占用太多的内存。
以下情况需要使用多进程：
- 程序执行计算密集型任务（如：字节码操作、数据处理、科学计算）。
- 程序的输入可以并行的分成块，并且可以将运算结果合并。
- 程序在内存使用方面没有任何限制且不强依赖于I/O操作（如：读写文件、套接字等）。
最后，如果程序不需要真正的并发性或并行性，而是更多的依赖于异步处理和回调时，异步I/O就是一种很好的选择。另一方面，当程序中有大量的等待与休眠时，也应该考虑使用异步I/O。
扩展：关于进程，还需要做一些补充说明。首先，为了控制进程的执行，操作系统内核必须有能力挂起正在CPU上运行的进程，并恢复以前挂起的某个进程使之继续执行，这种行为被称为进程切换（也叫调度）。进程切换是比较耗费资源的操作，因为在进行切换时首先要保存当前进程的上下文（内核再次唤醒该进程时所需要的状态，包括：程序计数器、状态寄存器、数据栈等），然后还要恢复准备执行的进程的上下文。正在执行的进程由于期待的某些事件未发生，如请求系统资源失败、等待某个操作完成、新数据尚未到达等原因会主动由运行状态变为阻塞状态，当进程进入阻塞状态，是不占用CPU资源的。这些知识对于理解到底选择哪种方式进行并发编程也是很重要的。
I/O模式和事件驱动
对于一次I/O操作（以读操作为例），数据会先被拷贝到操作系统内核的缓冲区中，然后从操作系统内核的缓冲区拷贝到应用程序的缓冲区（这种方式称为标准I/O或缓存I/O，大多数文件系统的默认I/O都是这种方式），最后交给进程。所以说，当一个读操作发生时（写操作与之类似），它会经历两个阶段：(1)等待数据准备就绪；(2)将数据从内核拷贝到进程中。
由于存在这两个阶段，因此产生了以下几种I/O模式：
- 阻塞 I/O（blocking I/O）：进程发起读操作，如果内核数据尚未就绪，进程会阻塞等待数据直到内核数据就绪并拷贝到进程的内存中。
- 非阻塞 I/O（non-blocking I/O）：进程发起读操作，如果内核数据尚未就绪，进程不阻塞而是收到内核返回的错误信息，进程收到错误信息可以再次发起读操作，一旦内核数据准备就绪，就立即将数据拷贝到了用户内存中，然后返回。
- 多路I/O复用（ I/O multiplexing）：监听多个I/O对象，当I/O对象有变化（数据就绪）的时候就通知用户进程。多路I/O复用的优势并不在于单个I/O操作能处理得更快，而是在于能处理更多的I/O操作。
- 异步 I/O（asynchronous I/O）：进程发起读操作后就可以去做别的事情了，内核收到异步读操作后会立即返回，所以用户进程不阻塞，当内核数据准备就绪时，内核发送一个信号给用户进程，告诉它读操作完成了。
通常，我们编写一个处理用户请求的服务器程序时，有以下三种方式可供选择：
- 每收到一个请求，创建一个新的进程，来处理该请求；
- 每收到一个请求，创建一个新的线程，来处理该请求；
- 每收到一个请求，放入一个事件列表，让主进程通过非阻塞I/O方式来处理请求
第1种方式实现比较简单，但由于创建进程开销比较大，会导致服务器性能比较差；第2种方式，由于要涉及到线程的同步，有可能会面临竞争、死锁等问题；第3种方式，就是所谓事件驱动的方式，它利用了多路I/O复用和异步I/O的优点，虽然代码逻辑比前面两种都复杂，但能达到最好的性能，这也是目前大多数网络服务器采用的方式。
说明：因为在Python基础阶段讲解过并发编程的知识，但是这部分对学生来说是盲点也是难点，所以此处这里可以根据授课班级学生具体的情况决定讲解的深浅。如果不对这部分知识进行适当的铺垫，后面讲解Tornado框架的设计理念是很难展开的；如果学生完全不理解这些东西，只是能照葫芦画瓢的使用框架，对面试和实际开发也是没有实质性帮助的。
Tornado
Python的Web框架种类繁多（比Python语言的关键字还要多），但在众多优秀的Web框架中，Tornado框架最适合用来开发需要处理长连接和应对高并发的Web应用。Tornado框架在设计之初就考虑到性能问题，通过对非阻塞I/O和epoll（Linux 2.5.44内核引入的一种多路I/O复用方式，旨在实现高性能网络服务，在BSD和macOS中是kqueue）的运用，Tornado可以处理大量的并发连接，更轻松的应对C10K（万级并发）问题，是非常理想的实时通信Web框架。
扩展：基于线程的Web服务器产品（如：Apache）会维护一个线程池来处理用户请求，当用户请求到达时就为该请求分配一个线程，如果线程池中没有空闲线程了，那么可以通过创建新的线程来应付新的请求，但前提是系统尚有空闲的内存空间，显然这种方式很容易将服务器的空闲内存耗尽（大多数Linux发行版本中，默认的线程栈大小为8M）。想象一下，如果我们要开发一个社交类应用，这类应用中，通常需要显示实时更新的消息、对象状态的变化和各种类型的通知，那也就意味着客户端需要保持请求连接来接收服务器的各种响应，在这种情况下，服务器上的工作线程很容易被耗尽，这也就意味着新的请求很有可能无法得到响应。
Tornado框架源于FriendFeed网站，在FriendFeed网站被Facebook收购之后得以开源，正式发布的日期是2009年9月10日。Tornado能让你能够快速开发高速的Web应用，如果你想编写一个可扩展的社交应用、实时分析引擎，或RESTful API，那么Tornado框架就是很好的选择。Tornado其实不仅仅是一个Web开发的框架，它还是一个高性能的事件驱动网络访问引擎，内置了高性能的HTTP服务器和客户端（支持同步和异步请求），同时还对WebSocket提供了完美的支持。
异步化
在前面的例子中，我们并没有对RequestHandler中的get或post方法进行异步处理，这就意味着，一旦在get或post方法中出现了耗时间的操作，不仅仅是当前请求被阻塞，按照Tornado框架的工作模式，其他的请求也会被阻塞，所以我们需要对耗时间的操作进行异步化处理。
在Tornado稍早一些的版本中，可以用装饰器实现请求方法的异步化或协程化来解决这个问题。
import tornado.web
import asyncio
class MainHandler(tornado.web.RequestHandler):
async def get(self):
await asyncio.sleep(10)
self.render('index.html')
或，老的方法
import tornado.web
import asyncio
import tornado.gen
class MainHandler(tornado.web.RequestHandler):
@tornado.gen.coroutine
def get(self):
yield from asyncio.sleep(10)
self.render('index.html')
去baidu异步获取内容
class GetUrlHandler(tornado.web.RequestHandler):
async def get(self):
wd = self.get_argument('wd')
client = AsyncHTTPClient()
response = await client.fetch('http://www.baidu.com/s?wd=%s' %wd)
self.write(response.body)
同步获取内容
class GetUrlHandler(tornado.web.RequestHandler):
def get(self):
wd = self.get_argument('wd')
http_client = HTTPClient()
response = http_client.fetch('http://www.baidu.com/s?wd=%s' %wd)
self.write(response.body)
可以用ab来测试服务器的性能
sudo apt install apache2-utils
文件链接
链接：https://pan.baidu.com/s/1Nc7vSayfM9WFIhOn7spSVA
提取码：120m
1633
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
