Python异步IO分析

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。

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：

importargparse

importasyncio

importfunctools

importlogging

importrandom

importurllib.parse

loop=asyncio.get_event_loop()

@asyncio.coroutine

defprint_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=yieldfromwait_for(asyncio.open_connection(url.hostname,80))

whileTrue:

wr.write(query)

whileTrue:

line=yieldfromwait_for(rd.readline())

ifnotline:# end of connection

wr.close()

returnno

line=line.decode('utf-8').rstrip()

ifnotline:# end of header

break

logging.debug('(%d) HTTP header> %s'%(no,line))

yieldfromasyncio.sleep(random.randint(1,keepalive//2))

@asyncio.coroutine

defdo_requests(args):

conn_pool=set()

waiter=asyncio.Future()

def_on_complete(fut):

conn_pool.remove(fut)

exc,res=fut.exception(),fut.result()

ifexcisnotNone:

logging.info('conn#{} exception'.format(exc))

else:

logging.info('conn#{} result'.format(res))

ifnotconn_pool:

waiter.set_result('event loop is done')

foriinrange(args.connections):

fut=asyncio.async(print_http_headers(i,args.url,args.keepalive))

fut.add_done_callback(_on_complete)

conn_pool.add(fut)

ifi%10==0:

yieldfromasyncio.sleep(0.01)

logging.info((yieldfromwaiter))

defmain():

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。