快來學學Python非同步IO，輕鬆管理10k＋並發連接

非同步操作在計算機軟硬體體系中是一個普遍概念，根源在於參與協作的各實體處理速度上有明顯差異。軟體開發中遇到的多數情況是CPU與IO的速度不匹配，所以非同步IO存在於各種編程框架中，客戶端比如瀏覽器，服務端比如node.js。本文主要分析Python非同步IO。

Python 3.4標準庫有一個新模塊asyncio，用來支持非同步IO，不過目前API狀態是provisional，意味著不保證向後兼容性，甚至可能從標準庫中移除（可能性極低）。如果關注PEP和Python-Dev會發現該模塊醞釀了很長時間，可能後續有API和實現上的調整，但毋庸置疑asyncio非常實用且功能強大，值得學習和深究。

示例

asyncio主要應對TCP/UDP socket通信，從容管理大量連接，而無需創建大量線程，提高系統運行效率。此處將官方文檔的一個示例做簡單改造，實現一個HTTP長連接benchmark工具，用於診斷WEB伺服器長連接處理能力。

功能概述：

每隔10毫秒創建10個連接，直到目標連接數（比如10k），同時每個連接都會規律性的向伺服器發送HEAD請求，以維持HTTP keepavlie。

代碼如下：

測試與分析

硬體：CPU 2.3GHz / 2 cores，RAM 2GB

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

參數設置：ulimit -n 10240；nginx worker的連接數改為10240

啟動WEB伺服器，只需一個worker進程：

啟動benchmark工具, 發起10k個連接，目標URL是nginx的默認測試頁面:

$ python asyncli.py

nginx日誌統計平均每秒請求數：

top部分輸出：

總結：

1. Python實現簡潔明了。不到80行代碼，只用到標準庫，邏輯直觀，想像下C/C++標準庫實現這些功能，頓覺「人生苦短，我用Python」。

2. Python運行效率不理想。當連接建立後，客戶端和服務端的數據收發邏輯差不多，看上面top輸出，Python的CPU和RAM佔用基本都是nginx的10倍，意味著效率相差100倍（CPU x RAM），側面說明了Python與C的效率差距。這個對比雖然有些極端，畢竟nginx不僅用C且為CPU/RAM佔用做了深度優化，但相似任務效率相差兩個數量級，除非是BUG，說明架構設計的出發點就是不同的，Python優先可讀易用而性能次之，nginx就是一個高度優化的WEB伺服器，開發一個module都比較麻煩，要復用它的非同步框架，簡直難上加難。開發效率與運行效率的權衡，永遠都存在。

3. 單線程非同步IO v.s. 多線程同步IO。上面的例子是單線程非同步IO，其實不寫demo就知道多線程同步IO效率低得多，每個線程一個連接？10k個線程，僅線程棧就佔用600+MB（64KB * 10000）內存，加上線程上下文切換和GIL，基本就是噩夢。

ayncio核心概念

以下是學習asyncio時需要理解的四個核心概念，更多細節請看

1. event loop。單線程實現非同步的關鍵就在於這個高層事件循環，它是同步執行的。

2. future。非同步IO有很多非同步任務構成，而每個非同步任務都由一個future控制。

3. coroutine。每個非同步任務具體的執行邏輯由一個coroutine來體現。

4. generator(yield & yield from) 。在asyncio中大量使用，是不可忽視的語法細節。

如您也是萬千世界裡的「攻城獅」，想學習更多IT知識來增長IT技術，您可留言你喜歡的技術文章或前往51Testing軟體測試網 ，了解更多IT類文章~

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！