Python 异步: 什么是事件循环 ?(6)

简介: asyncio 程序的核心是事件循环。在本节中,我们将花点时间看一下 asyncio 事件循环。

1. 什么是 Asyncio 事件循环

事件循环是用于在单个线程中执行协程的环境。事件循环是异步程序的核心。

它做了很多事情,例如:

  1. 执行协程。
  2. 执行回调。
  3. 执行网络输入/输出。
  4. 运行子进程。

事件循环是一种常见的设计模式,并且由于在 JavaScript 中的使用而在最近变得非常流行。

事件循环,顾名思义,就是一个循环。它管理一个任务列表(协同程序)并尝试在循环的每次迭代中按顺序推进每个任务,以及执行其他任务,如执行回调和处理 I/O。

“asyncio”模块提供了访问事件循环并与之交互的功能。这不是典型应用程序开发所必需的。

相反,为框架开发人员提供了对事件循环的访问,这些开发人员希望在 asyncio 模块之上构建或为其库启用 asyncio。

asyncio 模块提供了一个用于访问当前事件循环对象的低级 API,以及一套可用于与事件循环交互的方法。

低级 API 适用于将 asyncio 扩展、补充和集成到第三方库中的框架开发人员。我们很少需要与 asyncio 程序中的事件循环交互,而是使用高级 API。

尽管如此,我们还是可以简单地探讨一下如何获取事件循环。

2. 如何启动和获取事件循环

我们在 asyncio 应用程序中创建事件循环的典型方法是通过 asyncio.run() 函数。该函数接受一个协程并将执行它直到完成。我们通常将它传递给我们的主协程并从那里运行我们的程序。有用于创建和访问事件循环的低级函数。asyncio.new_event_loop() 函数将创建一个新的事件循环并返回对它的访问。

...
# create and access a new asyncio event loop
loop = asyncio.new_event_loop()

我们可以用一个有效的例子来证明这一点。

在下面的示例中,我们将创建一个新的事件循环,然后报告其详细信息。

# SuperFastPython.com
# example of creating an event loop
import asyncio
 
# create and access a new asyncio event loop
loop = asyncio.new_event_loop()
# report defaults of the loop
print(loop)

运行示例创建事件循环,然后报告对象的详细信息。我们可以看到,在这种情况下,事件循环的类型为 _UnixSelectorEventLoop 并且没有运行,但也没有关闭。

<_UnixSelectorEventLoop running=False closed=False debug=False>

如果 asyncio 事件循环已经在运行,我们可以通过 asyncio.get_running_loop() 函数访问它。

...
# access he running event loop
loop = asyncio.get_running_loop()

还有一个用于获取或启动事件循环的函数,称为 asyncio.get_event_loop(),但它在 Python 3.10 中已弃用,不应使用。

3. 什么是事件循环对象

事件循环作为 Python 对象实现。事件循环对象定义了事件循环的实现方式,并提供了与循环交互的通用 API,定义在 AbstractEventLoop 类中。不同平台的事件循环有不同的实现。例如,Windows 和基于 Unix 的操作系统将以不同的方式实现事件循环,因为在这些平台上实现非阻塞 I/O 的底层方式不同。

SelectorEventLoop 类型的事件循环是基于 Unix 的操作系统(如 Linux 和 macOS)的默认设置。

ProactorEventLoop 类型的事件循环是 Windows 上的默认设置。

第三方库可能会实现自己的事件循环以针对特定功能进行优化。

4. 为什么要访问事件循环

为什么我们要访问 asyncio 程序之外的事件循环?

我们可能希望从正在运行的 asyncio 程序外部访问事件循环的原因有很多。

  1. 监控任务的进度。
  2. 发布任务并从中获取结果。
  3. 解雇并忘记一次性任务。

asyncio 事件循环可以在程序中用作基于协程任务的线程池的替代方案。事件循环也可以嵌入到普通的 asyncio 程序中并根据需要访问。

相关文章
|
1月前
|
数据采集 Java Python
python并发编程:Python异步IO实现并发爬虫
python并发编程:Python异步IO实现并发爬虫
22 1
|
1月前
|
算法 数据处理 Python
Python并发编程:解密异步IO与多线程
本文将深入探讨Python中的并发编程技术,重点介绍异步IO和多线程两种常见的并发模型。通过对比它们的特点、适用场景和实现方式,帮助读者更好地理解并发编程的核心概念,并掌握在不同场景下选择合适的并发模型的方法。
|
5天前
|
调度 数据库 Python
【专栏】Python中的并发编程与异步IO
【4月更文挑战第27天】本文介绍了Python并发编程和异步IO,包括并发的基本概念(多线程、多进程、协程),线程与进程的实现(threading和multiprocessing模块),协程的使用(asyncio模块),以及异步IO的原理和优势。强调了异步IO在处理IO密集型任务中的高效性,指出应根据任务类型选择合适的并发技术。
|
2月前
|
数据采集 数据挖掘 调度
异步爬虫实践攻略:利用Python Aiohttp框架实现高效数据抓取
本文介绍了如何使用Python的Aiohttp框架构建异步爬虫,以提升数据抓取效率。异步爬虫利用异步IO和协程技术,在等待响应时执行其他任务,提高效率。Aiohttp是一个高效的异步HTTP客户端/服务器框架,适合构建此类爬虫。文中还展示了如何通过代理访问HTTPS网页的示例代码,并以爬取微信公众号文章为例,说明了实际应用中的步骤。
|
4天前
|
并行计算 数据处理 开发者
Python并发编程:解析异步IO与多线程
本文探讨了Python中的并发编程技术,着重比较了异步IO和多线程两种常见的并发模型。通过详细分析它们的特点、优劣势以及适用场景,帮助读者更好地理解并选择适合自己项目需求的并发编程方式。
|
7天前
|
人工智能 算法 调度
uvloop,一个强大的 Python 异步IO编程库!
uvloop,一个强大的 Python 异步IO编程库!
19 2
|
8天前
|
API 调度 开发者
Python中的并发编程:使用asyncio库实现异步IO
传统的Python编程模式中,使用多线程或多进程实现并发操作可能存在性能瓶颈和复杂性问题。而随着Python 3.5引入的asyncio库,开发者可以利用异步IO来更高效地处理并发任务。本文将介绍如何利用asyncio库实现异步IO,提升Python程序的并发性能。
|
14天前
|
数据采集 缓存 算法
使用Python打造爬虫程序之Python中的并发与异步IO:解锁高效数据处理之道
【4月更文挑战第19天】本文探讨了Python中的并发与异步IO,区分了并发(同时处理任务)与并行(同时执行任务)的概念。Python的多线程受限于GIL,适合IO密集型任务,而多进程适用于CPU密集型任务。异步IO通过非阻塞和回调/协程实现高效IO,Python的asyncio库提供了支持。应用场景包括Web开发和网络爬虫等。实践指南包括理解任务类型、使用asyncio、避免阻塞操作、合理设置并发度和优化性能。理解并运用这些技术能提升Python程序的效率和性能。
|
16天前
|
开发者 Python
Python中的并发编程:使用asyncio模块实现异步任务
传统的Python编程中,使用多线程或多进程进行并发操作时,常常会面临性能瓶颈和资源竞争的问题。而随着Python 3.5版本的引入,asyncio模块为开发者提供了一种基于协程的异步编程方式。本文将介绍如何使用asyncio模块实现异步任务,提高Python程序的并发处理能力。
|
16天前
|
监控 NoSQL 测试技术
python使用Flask,Redis和Celery的异步任务
python使用Flask,Redis和Celery的异步任务
25 0