Python Asyncio中Coroutines,Tasks,Future可等待对象的关系及作用
目录
- 前记
- 1.Asyncio的入口
- 2.两种Coroutine调用方法的区别
- 3.Task与Future
- 3.1.Future
- 3.2.Task
- 4.总结
前记
上一遍文章《Python中Async语法协程的实现》介绍了Python是如何以生成器来实现协程的以及Python Asyncio通过Future和Task的封装来实现协程的调度,而在Python Asyncio之中Coroutines, Tasks和Future都属于可等待对象,在使用的Asyncio的过程中,经常涉及到三者的转换和调度,开发者容易在概念和作用上犯迷糊,本文主要阐述的是三者之间的关系以及他们的作用。
1.Asyncio的入口
协程是线程中的一种特例,协程的入口和切换都是靠事件循环来调度的,在新版的Python
中协程的入口是Asyncio.run
,当程序运行到Asyncio.run
后,可以简单的理解为程序由线程模式切换为协程模式(只是方便理解,对于计算机而言,并没有这样区分),
以下是一个最小的协程例子代码:
import asyncio async def main(): await asyncio.sleep(0) asyncio.run(main()) |
在这段代码中,main
函数和asyncio.sleep
都属于Coroutine,main
是通过asyncio.run
进行调用的,接下来程序也进入一个协程模式,asyncio.run
的核心调用是Runner.run
,它的代码如下:
class Runner: ... def run(self, coro, *, context=None): """Run a coroutine inside the embedded event loop.""" # 省略代码 ... # 把coroutine转为task task = self._loop.create_task(coro, context=context) # 省略代码 ... try: # 如果传入的是Future或者coroutine,也会专为task return self._loop.run_until_complete(task) except exceptions.CancelledError: # 省略代码 ... |
这段代码中删去了部分其它功能和初始化的代码,可以看到这段函数的主要功能是通过loop.create_task方法把一个Coroutine对象转为一个Task对象,然后通过loop.run_until_complete等待这个Task运行结束。
可以看到,Asycnio
并不会直接去调度Coroutine,而是把它转为Task再进行调度,这是因为在Asyncio
中事件循环的最小调度对象就是Task。不过在Asyncio
中并不是所有的Coroutine的调用都会先被转为Task对象再等待,比如示例代码中的asyncio.sleep
,由于它是在main
函数中直接await的,所以它不会被进行转换,而是直接等待,通过调用工具分析展示的图如下:
在这个图示中,从main
函数到asyncio.sleep
函数中没有明显的loop.create_task
等把Coroutine转为Task调用,这里之所以不用进行转换的原因不是做了一些特殊优化,而是本因如此, 这个await asyncio.sleep
函数实际上还是会被main
这个Coroutine转换成的Task
继续调度到。
2.两种Coroutine调用方法的区别
在了解Task
的调度原理之前,还是先回到最初的调用示例,看看直接用Task调用和直接用Coroutine调用的区别是什么。
如下代码,我们显示的执行一个Coroutine转为Task的操作再等待,那么代码会变成下面这样:
import asyncio async def main(): await asyncio.create_task(asyncio.sleep(0)) asyncio.run(main()) |
这样的代码看起来跟最初的调用示例很像,没啥区别,但是如果进行一些改变,比如增加一些休眠时间和Coroutine的调用,就能看出Task对象的作用了,现在编写两份文件,
他们的代码如下:
# demo_coro.py import asyncio import time async def main(): await asyncio.sleep(1) await asyncio.sleep(2) s_t = time.time() asyncio.run(main()) print(time.time() - s_t) # // Output: 3.0028765201568604 # demo_task.py import asyncio import time async def main(): task_1 = asyncio.create_task(asyncio.sleep(1)) task_2 = asyncio.create_task(asyncio.sleep(2)) await task_1 await task_2 s_t = time.time() asyncio.run(main()) print(time.time() - s_t) # // Output: 2.0027475357055664 |
其中demo_coro.py
进行了两次await
调用,程序的运行总时长为3秒,而demo_task.py
则是先把两个Coroutine对象转为Task对象,然后再进行两次await
调用,程序的运行总时长为2秒。可以发现,demo_task.py
的运行时长近似于其中运行最久的Task对象时长,而demo_coro.py
的运行时长则是近似于两个Coroutine对象的总运行时长。
之所以会是这样的结果,是因为直接await
Coroutine对象时,这段程序会一直等待,直到Coroutine对象执行完毕再继续往下走,而Task对象的不同之处就是在创建的那一刻,就已经把自己注册到事件循环之中等待被安排运行了,然后返回一个task对象供开发者等待,由于asyncio.sleep
是一个纯IO类型的调用,所以在这个程序中,两个asyncio.sleep
Coroutine被转为Task从而实现了并发调用。
3.Task与Future
上述的代码之所以通过Task能实现并发调用,是因为Task中出现了一些与事件循环交互的函数,正是这些函数架起了Coroutine并发调用的可能, 不过Task是Future的一个子对象,所以在了解Task之前,需要先了解Future。
3.1.Future
与Coroutine只有让步和接收结果不同的是Future除了让步和接收结果功能外,它还是一个只会被动进行事件调用且带有状态的容器,它在初始化时就是Pending
状态,这时可以被取消,被设置结果和设置异常。而在被设定对应的操作后,Future会被转化到一个不可逆的对应状态,并通过loop.call_sonn
来调用所有注册到本身上的回调函数,同时它带有__iter__
和__await__
方法使其可以被await
和yield from
调用,它的主要代码如下:
class Future: ... def set_result(self, result): """设置结果,并安排下一个调用""" if self._state != _PENDING: raise exceptions.InvalidStateError(f'{self._state}: {self!r}') self._result = result self._state = _FINISHED self.__schedule_callbacks() def set_exception(self, exception): """设置异常,并安排下一个调用""" if self._state != _PENDING: raise exceptions.InvalidStateError(f'{self._state}: {self!r}') if isinstance(exception, type): exception = exception() if type(exception) is StopIteration: raise TypeError("StopIteration interacts badly with generators " "and cannot be raised into a Future") self._exception = exception self._state = _FINISHED self.__schedule_callbacks() self.__log_traceback = True def __await__(self): """设置为blocking,并接受await或者yield from调用""" if not self.done(): self._asyncio_future_blocking = True yield self # This tells Task to wait for completion. if not self.done(): raise RuntimeError("await wasn't used with future") return self.result() # May raise too. __iter__ = __await__ # make compatible with 'yield from'. |
单看这段代码是很难理解为什么下面这个future被调用set_result
后就能继续往下走:
async def demo(future: asyncio.Future): await future print("aha") |
这是因为Future跟Coroutine一样,没有主动调度的能力,只能通过Task和事件循环联手被调度。
3.2.Task
Task是Future的子类,除了继承了Future的所有方法,它还多了两个重要的方法__step
和__wakeup
,通过这两个方法赋予了Task调度能力,这是Coroutine和Future没有的,Task的涉及到调度的主要代码如下(说明见注释):
class Task(futures._PyFuture): # Inherit Python Task implementation # from a Python Future implementation. _log_destroy_pending = True def __init__(self, coro, *, loop=None, name=None, context=None): super().__init__(loop=loop) # 省略部分初始化代码 ... # 托管的coroutine self._coro = coro if context is None: self._context = contextvars.copy_context() else: self._context = context # 通过loop.call_sonn,在Task初始化后马上就通知事件循环在下次有空的时候执行自己的__step函数 self._loop.call_soon(self.__step, context=self._context) def __step(self, exc=None): coro = self._coro # 方便asyncio自省 _enter_task(self._loop, self) # Call either coro.throw(exc) or coro.send(None). try: if exc is None: # 通过send预激托管的coroutine # 这时候只会得到coroutine yield回来的数据或者收到一个StopIteration的异常 # 对于Future或者Task返回的是Self result = coro.send(None) else: # 发送异常给coroutine result = coro.throw(exc) except StopIteration as exc: # StopIteration代表Coroutine运行完毕 if self._must_cancel: # coroutine在停止之前被执行了取消操作,则需要显示的执行取消操作 self._must_cancel = False super().cancel(msg=self._cancel_message) else: # 把运行完毕的值发送到结果值中 super().set_result(exc.value) # 省略其它异常封装 ... else: # 如果没有异常抛出 blocking = getattr(result, '_asyncio_future_blocking', None) if blocking is not None: # 通过Future代码可以判断,如果带有_asyncio_future_blocking属性,则代表当前result是Future或者是Task # 意味着这个Task里面裹着另外一个的Future或者Task # 省略Future判断 ... if blocking: # 代表这这个Future或者Task处于卡住的状态, # 此时的Task放弃了自己对事件循环的控制权,等待这个卡住的Future或者Task执行完成时唤醒一下自己 result._asyncio_future_blocking = False result.add_done_callback(self.__wakeup, context=self._context) self._fut_waiter = result if self._must_cancel: if self._fut_waiter.cancel(msg=self._cancel_message): self._must_cancel = False else: # 不能被await两次 new_exc = RuntimeError( f'yield was used instead of yield from ' f'in task {self!r} with {result!r}') self._loop.call_soon( self.__step, new_exc, context=self._context) elif result is None: # 放弃了对事件循环的控制权,代表自己托管的coroutine可能有个coroutine在运行,接下来会把控制权交给他和事件循环 # 当前的coroutine里面即使没有Future或者Task,但是子Future可能有 self._loop.call_soon(self.__step, context=self._context) finally: _leave_task(self._loop, self) self = None # Needed to break cycles when an exception occurs. def __wakeup(self, future): # 其它Task和Future完成后会调用到该函数,接下来进行一些处理 try: # 回收Future的状态,如果Future发生了异常,则把异常传回给自己 future.result() except BaseException as exc: # This may also be a cancellation. self.__step(exc) else: # Task并不需要自己托管的Future的结果值,而且如下注释,这样能使调度变得更快 # Don't pass the value of `future.result()` explicitly, # as `Future.__iter__` and `Future.__await__` don't need it. # If we call `_step(value, None)` instead of `_step()`, # Python eval loop would use `.send(value)` method call, # instead of `__next__()`, which is slower for futures # that return non-generator iterators from their `__iter__`. self.__step() self = None # Needed to break cycles when an exception occurs. |
这份源码的Task对象中的__setp
方法比较长,经过精简后可以发现他主要做的工作有三个:
- 1.通过
send
或者throw
来驱动Coroutine进行下一步 - 2.通过给被自己托管的Future或者Task添加回调来获得完成的通知并重新获取控制权
- 3.通过
loop.call_soon
来让步,把控制权交给事件循环
单通过源码分析可能很难明白, 以下是以两种Coroutine
的代码为例子,简单的阐述Task与事件循环调度的过程,首先是demo_coro
,这个例子中只有一个Task:
# demo_coro.py import asyncio import time async def main(): await asyncio.sleep(1) await asyncio.sleep(2) s_t = time.time() asyncio.run(main()) print(time.time() - s_t) # // Output: 3.0028765201568604 |
这个例子中第一步是把main
转为一个Task,然后调用到了对应的__step
方法,这时候__step
方法会会调用main()
这个Coroutine的send(None)
方法。
之后整个程序的逻辑会直接转到main
函数中的await asyncio.sleep(1)
这个Coroutine中,await asyncio.sleep(1)
会先生成一个Future对象,并通过loop.call_at
告诉事件循环在1秒后激活这个Future对象,然后把对象返回。这时候逻辑会重新回到Task的__step
方法中,__step
发现send
调用得到的是一个Future对象,所以就在这个Future添加一个回调,让Future完成的时候来激活自己,然后放弃了对事件循环的控制权。接着就是事件循环在一秒后激活了这个Future对象,这时程序逻辑就会执行到Future的回调,也就是Task的__wakeup
方法,于是Task的__step
又被调用到了,而这次遇到的是后面的await asyncio.sleep(2)
,于是又走了一遍上面的流程。当两个asyncio.sleep
都执行完成后,Task的__step
方法里在对Coroutine发送一个send(None)
后就捕获到了StopIteration
异常,这时候Task就会通过set_result
设置结果,并结束自己的调度流程。
可以看到demo_core.py
中只有一个Task在负责和事件循环一起调度,事件循环的开始一定是一个Task,并通过Task来调起一个Coroutine,通过__step
方法把后续的Future,Task,Coroutine都当成一条链来运行,而demo_task.py
则不一样了,它有两个Task,代码如下:
# demo_task.py import asyncio import time async def main(): task_1 = asyncio.create_task(asyncio.sleep(1)) task_2 = asyncio.create_task(asyncio.sleep(2)) await task_1 await task_2 s_t = time.time() asyncio.run(main()) print(time.time() - s_t) # // Output: 2.0027475357055664 |
这个例子中第一步还是跟demo_coro
一样,但跳转到main
函数后就开始有区别了,首先在这函数中创建了task1和task2两个Task,他们分别都会通过__step
方法中的send
激活对应的asyncio.sleep
Coroutine,然后等待对应的Future来通知自己已经完成了。而对于创建了这两个Task的main Task来说,通过main
函数的awati task_1
和await task_2
来获取到他们的“控制权“。首先是通过await task_1
语句,main Task中的__step
方法里在调用send
后得到的是task_1对应的Future,这时候就可以为这个Future添加一个回调,让他完成时通知自己,自己再走下一步,对于task_2也是如此。 直到最后两个task都执行完成,main Task也捕获到了StopIteration
异常,通过set_result
设置结果,并结束自己的调度流程。
可以看到demo_task.py
与demo_coro.py
有个明显的区别在于main Task在运行的生命周期中创建了两个Task,并通过await
托管了两个Task,同时两个Task又能实现两个协程的并发,所以可以发现事件循环运行期间,当前协程的并发数永远小于事件循环中注册的Task数量。此外,如果在main Task中如果没有显式的进行await
,那么子Task就会逃逸,不受main Task管理,如下:
# demo_task.py import asyncio import time def mutli_task(): task_1 = asyncio.create_task(asyncio.sleep(1)) task_2 = asyncio.create_task(asyncio.sleep(2)) async def main(): mutli_task() await asyncio.sleep(1.5) s_t = time.time() asyncio.run(main()) print(time.time() - s_t) # // Output: 1.5027475357055664 |
在这段代码中,main Task在执行到mutli_task
时,会创建出两个task,但是在__step
中的coro.send(None)
调用得到的结果却是await asyncio.sleep(1.5)
返回的Future,所以main Task只能调用到这个Future的add_don_callback
来装载自己的__wakeup
方法,最终导致到main Task只能托管到await asyncio.sleep(1.5)
的Future,而mutli_task
创建的task则逃逸了,成为另一条链的顶点Task。
不过这个程序的事件循环只管理到了main Task
所以事件循环会一直运行,直到main Task
运行结束的时候才退出,这时程序会跟着一起退出,所以程序的运行时间只有1.5秒左右。
此外由于另外的Task也是注册到这个事件循环上面,所以事件循环会帮忙把task_1执行完毕,而task_2定义的休眠时间是2秒,程序退出之前事件循环会发现有个Task尚未执行完毕,于是会对这个Task进行清理并打印一条警报。
4.总结
在深入了Task,Future的源码了解后,了解了Task和Future在Asyncio
的作用,同时也发现Task和Future都跟loop有一定的耦合,而loop也可以通过一定的方法来创建Task和Future,所以如果要真正的理解到Asyncio
的调度原理,还需要更进入一步,通过Asyncio
的源码来了解整个Asyncio
的设计。
到此这篇关于Python Asyncio中Coroutines,Tasks,Future可等待对象的关系及作用的文章就介绍到这了,更多相关Python Asyncio 内容请搜索我们以前的文章或继续浏览下面的相关文章希望大家以后多多支持我们!