python 协程和异步的关系_python协程与异步协程

在前面几个博客中我们一一对应解决了消费者消费的速度跟不上生产者,浪费我们大量的时间去等待的问题,在这里,针对业务逻辑比较耗时间的问题,我们还有除了多进程之外更优的解决方式,那就是协程和异步协程。在引入这个概念之前我们先看 看这个图:

70

从这个图片我们可以看出来,假如来了9个任务,即使我们开了多进程,在业务的执行过程中我们依旧是同步操作,所以执行完这一波任务我们一共需要9s,虽然比单进程快了3倍,但是在机器条件可以(肯定可以)的情况下,我们如何更加合理的利用给我们的资源呢?于是异步协程的优势就来了:

70

根据这张图我们可以看出来,在任务1执行完业务逻辑1的时候,任务2就可以开始执行,这样当任务2执行完业务逻辑1的时候,任务3就开始执行了,这样我们3个进程,总共耗时只需要5s,比上面同步的方式快了足足4s,省去了等待的时间,让模块之间衔接和调用更加充分。

在python中,我们先介绍一下2.0的协程:gevent的使用,在python3.4之后添加了syncoio的使用,这篇博客我们就专门针对业务逻辑部分进行深度的优化:

gevent是第三方库,通过greenlet实现协程,其基本思想是:

当一个greenlet遇到IO操作时,比如访问网络,就自动切换到其他的greenlet,等到IO操作完成,再在适当的时候切换回来继续执行。由于IO操作非常耗时,经常使程序处于等待状态,有了gevent为我们自动切换协程,就保证总有greenlet在运行,而不是等待IO(引用)。

比如下面代码:

from gevent import monkey

monkey.patch_all()

import gevent

import time

# TODO 此处是业务逻辑操作

def logicDel(data):

time.sleep(2)

print('im running',data)

if __name__ == '__main__':

# 在这里我们声明几个任务,把任务放到一个list中去做分配调度

tasks=[gevent.spawn(logicDel,data) for data in range(9)]

gevent.joinall(tasks)

我们可以看到我们在一个tasks里面9个任务,每个任务执行都要sleep2秒,如果是阻塞式运行就需要18s,但是我们加入了协程,所有的任务完成只需要2s,其中原理和上图(异步加载图)一样,这里就不赘述了。

然而有时候我们代码业务逻辑中一个业务执行不只有一个任务,其中每个任务之间还有调度依赖的关系,这时候我们的gevent就显得有点力不从心了,这里就引进了python3.4之后的一个自带的包asyncio——异步协程。

asyncio的编程模型就是一个消息循环。我们从asyncio模块中直接获取一个EventLoop的引用,然后把需要执行的协程扔到EventLoop中执行,就实现了异步IO。用asyncio实现Hello world代码如下:

import threading

import asyncio

@asyncio.coroutine

def hello():

print('Hello world11111111 (%s)' % threading.currentThread())

yield from asyncio.sleep(1)

print('Hello again22222222 (%s)' % threading.currentThread())

loop = asyncio.get_event_loop()

tasks = [hello(), hello()]

loop.run_until_complete(asyncio.wait(tasks))

loop.close()

其中每个tasks都是非阻塞式的,当然这个还是没有解决一个业务有多个任务且每个任务之间存在依赖关系应当怎么解决的问题,因为我们还没有引用async await:

import asyncio

import time

# Borrowed from http://curio.readthedocs.org/en/latest/tutorial.html.

# @asyncio.coroutine

async def myslep(n):

print(n)

time.sleep(10)

asyncio.sleep(5)

async def countdown(number, n):

while n > 0:

print('T-minus', n, '({})'.format(number))

# await myslep(n)

tasks2=[]

await asyncio.ensure_future(myslep(n))

# time.sleep(2)

n -= 1

loop = asyncio.get_event_loop()

tasks = [

asyncio.ensure_future(countdown("A", 2)),

asyncio.ensure_future(countdown("B", 3)),

asyncio.ensure_future(countdown("C", 3)),

]

loop.run_until_complete(asyncio.wait(tasks))

loop.close()

以下是对提供的参考资料的总结,按照要求结构化多个要点分条输出: 4G/5G无线网络优化与网规案例分析: NSA站点下终端掉4G问题:部分用户反馈NSA终端频繁掉4G,主要因终端主动发起SCGfail导致。分析显示,在信号较好的环境下,终端可能因节能、过热保护等原因主动释放连接。解决方案建议终端侧进行分析处理,尝试关闭节电开关等。 RSSI算法识别天馈遮挡:通过计算RSSI平均值及差值识别天馈遮挡,差值大于3dB则认定有遮挡。不同设备分组规则不同,如64T和32T。此方法可有效帮助现场人员识别因环境变化引起的网络问题。 5G 160M组网小区CA不生效:某5G站点开启100M+60M CA功能后,测试发现UE无法正常使用CA功能。问题原因在于CA频点集标识配置错误,修正后测试正常。 5G网络优化与策略: CCE映射方式优化:针对诺基亚站点覆盖农村区域,通过优化CCE资源映射方式(交织、非交织),提升RRC连接建立成功率和无线接通率。非交织方式相比交织方式有显著提升。 5G AAU两扇区组网:与三扇区组网相比,AAU两扇区组网在RSRP、SINR、下载速率和上传速率上表现不同,需根据具体场景选择适合的组网方式。 5G语音解决方案:包括沿用4G语音解决方案、EPS Fallback方案和VoNR方案。不同方案适用于不同的5G组网策略,如NSA和SA,并影响语音连续性和网络覆盖。 4G网络优化与资源利用: 4G室分设备利旧:面对4G网络投资压减与资源需求矛盾,提出利旧多维度调优策略,包括资源整合、统筹调配既有资源,以满足新增需求和提质增效。 宏站RRU设备1托N射灯:针对5G深度覆盖需求,研究使用宏站AAU结合1托N射灯方案,快速便捷地开通5G站点,提升深度覆盖能力。 基站与流程管理: 爱立信LTE基站邻区添加流程:未提供具体内容,但通常涉及邻区规划、参数配置、测试验证等步骤,以确保基站间顺畅切换和覆盖连续性。 网络规划与策略: 新高铁跨海大桥覆盖方案试点:虽未提供详细内容,但可推测涉及高铁跨海大桥区域的4G/5G网络覆盖规划,需考虑信号穿透、移动性管理、网络容量等因素。 总结: 提供的参考资料涵盖了4G/5G无线网络优化、网规案例分析、网络优化策略、资源利用、基站管理等多个方面。 通过具体案例分析,展示了无线网络优化中的常见问题及解决方案,如NSA终端掉4G、RSSI识别天馈遮挡、CA不生效等。 强调了5G网络优化与策略的重要性,包括CCE映射方式优化、5G语音解决方案、AAU扇区组网选择等。 提出了4G网络优化与资源利用的策略,如室分设备利旧、宏站RRU设备1托N射灯等。 基站与流程管理方面,提到了爱立信LTE基站邻区添加流程,但未给出具体细节。 新高铁跨海大桥覆盖方案试点展示了特殊场景下的网络规划需求。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值