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

Python 3.4標準庫有一個新模塊asyncio，用來支持異步IO，不過目前API狀態是provisional，意味著不保證向后兼容性，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，可能后續有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，用于診斷WEB服務器長連接處理能力。

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服務器發送HEAD請求，以維持HTTP keepavlie。

代碼如下：

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()

測試與分析

硬件：CPU 2.3GHz / 2 cores，RAM 2GB

軟件：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服務器，只需一個worker進程：

# ../sbin/nginx

# ps ax | grep nginx

2007 ? Ss 0:00 nginx: master process ../sbin/nginx

2008 ? S 0:00 nginx: worker process

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 http://10.211.55.8/ -c 10000

nginx日志統計平均每秒請求數：

# 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部分輸出：

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

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，想象下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。當連接建立后，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占用基本都是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占用做了深度優化，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服務器，開發一個module都比較麻煩，要復用它的異步框架，簡直難上加難。開發效率與運行效率的權衡，永遠都存在。

3. 單線程異步IO v.s. 多線程同步IO。上面的例子是單線程異步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，僅線程棧就占用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<參考資料>

1. event loop。單線程實現異步的關鍵就在于這個高層事件循環，它是同步執行的。

2. future。異步IO有很多異步任務構成，而每個異步任務都由一個future控制。

3. coroutine。每個異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。