快来学学Python异步IO，轻松管理10k+并发连接

异步操作在计算机软硬件体系中是一个普遍概念，根源在于参与协作的各实体处理速度上有明显差异。软件开发中遇到的多数情况是CPU与IO的速度不匹配，所以异步IO存在于各种编程框架中，客户端比如浏览器，服务端比如node.js。本文主要分析Python异步IO。

成都地区优秀IDC服务器托管提供商(创新互联建站).为客户提供专业的四川联通机房服务器托管,四川各地服务器托管,四川联通机房服务器托管、多线服务器托管.托管咨询专线：13518219792

Python 3.4标准库有一个新模块asyncio，用来支持异步IO，不过目前API状态是provisional，意味着不保证向后兼容性，甚至可能从标准库中移除（可能性极低）。如果关注PEP和Python-Dev会发现该模块酝酿了很长时间，可能后续有API和实现上的调整，但毋庸置疑asyncio非常实用且功能强大，值得学习和深究。

示例

asyncio主要应对TCP/UDP socket通信，从容管理大量连接，而无需创建大量线程，提高系统运行效率。此处将官方文档的一个示例做简单改造，实现一个HTTP长连接benchmark工具，用于诊断WEB服务器长连接处理能力。

功能概述：

每隔10毫秒创建10个连接，直到目标连接数（比如10k），同时每个连接都会规律性的向服务器发送HEAD请求，以维持HTTP keepavlie。

代码如下：

 
 
 
 
  
  
  
  import argparse 
  
  
  
  import asyncio 
  
  
  
  import functools 
  
  
  
  import logging 
  
  
  
  import random 
  
  
  
  import urllib.parse 
  
  
  
  loop = asyncio.get_event_loop() 
  
  
  
  @asyncio.coroutine 
  
  
  
  def print_http_headers(no, url, keepalive): 
  
  
  
      url = urllib.parse.urlsplit(url) 
  
  
  
      wait_for = functools.partial(asyncio.wait_for, timeout=3, loop=loop) 
  
  
  
      query = ('HEAD {url.path} HTTP/1.1\r\n' 
  
  
  
               'Host: {url.hostname}\r\n' 
  
  
  
               '\r\n').format(url=url).encode('utf-8') 
  
  
  
      rd, wr = yield from wait_for(asyncio.open_connection(url.hostname, 80)) 
  
  
  
      while True: 
  
  
  
          wr.write(query) 
  
  
  
          while True: 
  
  
  
              line = yield from wait_for(rd.readline()) 
  
  
  
              if not line: # end of connection 
  
  
  
                  wr.close() 
  
  
  
                  return no 
  
  
  
              line = line.decode('utf-8').rstrip() 
  
  
  
              if not line: # end of header 
  
  
  
                  break 
  
  
  
              logging.debug('(%d) HTTP header> %s' % (no, line)) 
  
  
  
          yield from asyncio.sleep(random.randint(1, keepalive//2)) 
  
  
  
  @asyncio.coroutine 
  
  
  
  def do_requests(args): 
  
  
  
      conn_pool = set() 
  
  
  
      waiter = asyncio.Future() 
  
  
  
      def _on_complete(fut): 
  
  
  
          conn_pool.remove(fut) 
  
  
  
          exc, res = fut.exception(), fut.result() 
  
  
  
          if exc is not None: 
  
  
  
              logging.info('conn#{} exception'.format(exc)) 
  
  
  
          else: 
  
  
  
              logging.info('conn#{} result'.format(res)) 
  
  
  
          if not conn_pool: 
  
  
  
              waiter.set_result('event loop is done') 
  
  
  
      for i in range(args.connections): 
  
  
  
          fut = asyncio.async(print_http_headers(i, args.url, args.keepalive)) 
  
  
  
          fut.add_done_callback(_on_complete) 
  
  
  
          conn_pool.add(fut) 
  
  
  
          if i % 10 == 0: 
  
  
  
              yield from asyncio.sleep(0.01) 
  
  
  
      logging.info((yield from waiter)) 
  
  
  
  def main(): 
  
  
  
      parser = argparse.ArgumentParser(description='asyncli') 
  
  
  
      parser.add_argument('url', help='page address') 
  
  
  
      parser.add_argument('-c', '--connections', type=int, default=1, 
  
  
  
                          help='number of connections simultaneously') 
  
  
  
      parser.add_argument('-k', '--keepalive', type=int, default=60, 
  
  
  
                          help='HTTP keepalive timeout') 
  
  
  
      args = parser.parse_args() 
  
  
  
      logging.basicConfig(level=logging.INFO, format='%(asctime)s %(message)s') 
  
  
  
      loop.run_until_complete(do_requests(args)) 
  
  
  
      loop.close() 
  
  
  
  if __name__ == '__main__': 
  
  
  
      main()

测试与分析

硬件：CPU 2.3GHz / 2 cores，RAM 2GB

软件：CentOS 6.5(kernel 2.6.32), Python 3.3 (pip install asyncio), nginx 1.4.7

参数设置：ulimit -n 10240；nginx worker的连接数改为10240

启动WEB服务器，只需一个worker进程：

 
 
 
 
  
  
  
  # ../sbin/nginx 
  
  
  
  # ps ax | grep nginx 
  
  
  
  2007 ? Ss 0:00 nginx: master process ../sbin/nginx 
  
  
  
  2008 ? S 0:00 nginx: worker process

启动benchmark工具, 发起10k个连接，目标URL是nginx的默认测试页面:

 
 
 
 
  
  
  
  $ python asyncli.py http://10.211.55.8/ -c 10000

nginx日志统计平均每秒请求数：

 
 
 
 
  
  
  
  # tail -1000000 access.log | awk '{ print $4 }' | sort | uniq -c | awk '{ cnt+=1; sum+=$1 } END { printf "avg = %d\n", sum/cnt }' 
  
  
  
  avg = 548

top部分输出：

 
 
 
 
  
  
  
  VIRT   RES   SHR  S %CPU  %MEM   TIME+  COMMAND 
  
  
  
  657m   115m  3860 R 60.2  6.2   4:30.02  python 
  
  
  
  54208  10m   848  R 7.0   0.6   0:30.79  nginx

总结：

1. Python实现简洁明了。不到80行代码，只用到标准库，逻辑直观，想象下C/C++标准库实现这些功能，顿觉“人生苦短，我用Python”。

2. Python运行效率不理想。当连接建立后，客户端和服务端的数据收发逻辑差不多，看上面top输出，Python的CPU和RAM占用基本都是nginx的10倍，意味着效率相差100倍（CPU x RAM），侧面说明了Python与C的效率差距。这个对比虽然有些极端，毕竟nginx不仅用C且为CPU/RAM占用做了深度优化，但相似任务效率相差两个数量级，除非是BUG，说明架构设计的出发点就是不同的，Python优先可读易用而性能次之，nginx就是一个高度优化的WEB服务器，开发一个module都比较麻烦，要复用它的异步框架，简直难上加难。开发效率与运行效率的权衡，永远都存在。

3. 单线程异步IO v.s. 多线程同步IO。上面的例子是单线程异步IO，其实不写demo就知道多线程同步IO效率低得多，每个线程一个连接？10k个线程，仅线程栈就占用600+MB（64KB * 10000）内存，加上线程上下文切换和GIL，基本就是噩梦。

ayncio核心概念

以下是学习asyncio时需要理解的四个核心概念，更多细节请看<参考资料>

1. event loop。单线程实现异步的关键就在于这个高层事件循环，它是同步执行的。

2. future。异步IO有很多异步任务构成，而每个异步任务都由一个future控制。

3. coroutine。每个异步任务具体的执行逻辑由一个coroutine来体现。

4. generator(yield & yield from) 。在asyncio中大量使用，是不可忽视的语法细节。

参考资料

1. asyncio – Asynchronous I/O, event loop, coroutines and tasks, https://docs.python.org/3/library/asyncio.html

2. PEP 3156, Asynchronous IO Support Rebooted: the "asyncio” Module, http://legacy.python.org/dev/peps/pep-3156/

3. PEP 380, Syntax for Delegating to a Subgenerator, http://legacy.python.org/dev/peps/pep-0380/

4. PEP 342, Coroutines via Enhanced Generators, http://legacy.python.org/dev/peps/pep-0342/

5. PEP 255, Simple Generators, http://legacy.python.org/dev/peps/pep-0255/

6. asyncio source code, http://hg.python.org/cpython/file/3.4/Lib/asyncio/

当前名称：快来学学Python异步IO，轻松管理10k+并发连接
新闻来源：http://www.mswzjz.cn/qtweb/news16/305516.html

攀枝花网站建设、攀枝花网站运维推广公司-贝锐智能，是专注品牌与效果的网络营销公司；服务项目有等

声明：本网站发布的内容（图片、视频和文字）以用户投稿、用户转载内容为主，如果涉及侵权请尽快告知，我们将会在第一时间删除。文章观点不代表本网站立场，如需处理请联系客服。电话：028-86922220；邮箱：631063699@qq.com。内容未经允许不得转载，或转载时需注明来源：贝锐智能

贝锐智能技术为您推荐以下文章