Python同步與異步有何不同？

文章來源于公眾號：架構(gòu)頭條 作者：Miguel

你是否有別人說過，異步 Python 代碼比“普通（或同步）Python 代碼更快？那么事實真的是這樣嗎？

“同步”和“異步”是什么意思？

Web 應(yīng)用程序通常要處理許多請求，這些請求在短時間內(nèi)來自不同的客戶端。為避免處理延遲，必須考慮并行處理多個請求，這通常稱為“并發(fā)”。

在本文中，我將繼續(xù)使用 Web 應(yīng)用程序作為例子，但還有其它類型的應(yīng)用程序也從并發(fā)中獲益。因此，這個討論并不僅僅是針對 Web 應(yīng)用程序的。

術(shù)語“同步”和“異步”指的是編寫并發(fā)應(yīng)用程序的兩種方式。所謂的“同步”服務(wù)器使用底層操作系統(tǒng)支持的線程和進程來實現(xiàn)這種并發(fā)性。下面是同步部署的一個示意圖：

在這種情況下，我們有 5 臺客戶端，都向應(yīng)用程序發(fā)送請求。這個應(yīng)用程序的訪問入口是一個 Web 服務(wù)器，通過將服務(wù)分配給一個服務(wù)器 worker 池來充當負載均衡器，這些 worker 可以實現(xiàn)為進程、線程或者兩者的結(jié)合。這些 worker 執(zhí)行負載均衡器分配給他們的請求。你使用 Web 應(yīng)用程序框架（例如 Flask 或 Django）編寫的應(yīng)用程序邏輯運行在這些 worker 中。

這種類型的方案對于有多個 CPU 的服務(wù)器比較好，因為你可以將 worker 的數(shù)量設(shè)置為 CPU 的數(shù)量，這樣你就能均衡地利用你的處理器核心，而單個 Python 進程由于全局解釋器鎖（GIL）的限制無法實現(xiàn)這一點。

在缺點上，上面的示意圖也清楚展示了這種方案的主要局限。我們有 5 個客戶端，卻只有 4 個 worker。如果這 5 個客戶端在同一時間都發(fā)送請求，那么負載均衡器會將某一個客戶端之外的所有請求發(fā)送到 worker 池，而剩下的請求不得不保留在一個隊列中，等待有 worker 變得可用。因此，五分之四的請求會立即響應(yīng)，而剩下的五分之一需要等一會兒。服務(wù)器優(yōu)化的一個關(guān)鍵就在于選擇適當數(shù)量的 worker 來防止或最小化給定預(yù)期負載的請求阻塞。

一個異步服務(wù)器的配置很難畫，但是我盡力而為：

這種類型的服務(wù)器運行在單個進程中，通過循環(huán)控制。這個循環(huán)是一個非常有效率的任務(wù)管理器和調(diào)度器，創(chuàng)建任務(wù)來執(zhí)行由客戶端發(fā)送的請求。與長期存在的服務(wù)器 worker 不同，異步任務(wù)是由循環(huán)創(chuàng)建，用來處理某個特定的請求，當那個請求完成時，該任務(wù)也會被銷毀。任何時候，一臺異步服務(wù)器都會有上百或上千個活躍的任務(wù)，它們都在循環(huán)的管理下執(zhí)行自己的工作。

你可能想知道異步任務(wù)之間的并行是如何實現(xiàn)的。這就是有趣的部分，因為一個異步應(yīng)用程序通過唯一的協(xié)同多任務(wù)處理來實現(xiàn)這點。這意味著什么？當一個任務(wù)需要等待一個外部事件（例如，一個數(shù)據(jù)庫服務(wù)器的響應(yīng)）時，不會像一個同步的 worker 那樣等待，而是會告訴循環(huán)，它需要等待什么，然后將控制權(quán)返回給它。循環(huán)就能夠在這個任務(wù)被數(shù)據(jù)庫阻塞的時候發(fā)現(xiàn)另外一個準備就緒的任務(wù)。最終，數(shù)據(jù)庫將發(fā)送一個響應(yīng)，而那時循環(huán)會認為第一個的任務(wù)已經(jīng)準備好再次運行，并將盡快恢復它。

異步任務(wù)暫停和恢復執(zhí)行的這種能力可能在抽象上很難理解。為了幫你應(yīng)用到你已經(jīng)知道的東西，可以考慮在 Python 中使用await或yield關(guān)鍵字這一方法來實現(xiàn)，但你之后會發(fā)現(xiàn)，這并不是唯一實現(xiàn)異步任務(wù)的方法。

一個異步應(yīng)用程序完全運行在單個進程或線程中，這可以說是令人吃驚的。當然，這種類型的并發(fā)需要遵循一些規(guī)則，因此，你不能讓一個任務(wù)占用 CPU 太長時間，否則，剩余的任務(wù)會被阻塞。為了異步執(zhí)行，所有的任務(wù)需要定時主動暫停并將控制權(quán)返還給循環(huán)。為了從異步方式獲益，一個應(yīng)用程序需要有經(jīng)常被 I/O 阻塞的任務(wù)，并且沒有太多 CPU 工作。Web 應(yīng)用程序通常非常適合，特別是當它們需要處理大量客戶端請求時。

在使用一個異步服務(wù)器時，為了最大化多 CPU 的利用率，通常需要創(chuàng)建一個混合方案，增加一個負載均衡器并在每個 CPU 上運行一個異步服務(wù)器，如下圖所示：

Python 中實現(xiàn)異步的 2 種方法

我敢肯定，你知道要在 Python 中寫一個異步應(yīng)用程序，你可以使用 asyncio package，這個包是在協(xié)程的基礎(chǔ)上實現(xiàn)了所有異步應(yīng)用程序都需要的暫停和恢復特性。其中yield關(guān)鍵字，以及更新的async和await都是asyncio構(gòu)建異步能力的基礎(chǔ)。

https://docs.python.org/3/library/asyncio.html

Python 生態(tài)系統(tǒng)中還有其它基于協(xié)程的異步方案，例如 Trio 和 Curio。還有 Twisted，它是所有協(xié)程框架中最古老的，甚至出現(xiàn)得比asyncio都要早。

如果你對編寫異步 Web 應(yīng)用程序感興趣，有許多基于協(xié)程的異步框架可以選擇，包括 aiohttp、sanic、FastAPI 和 Tornado。

很多人不知道的是，協(xié)程只是 Python 中編寫異步代碼的兩種方法之一。第二種方法是基于一個叫做 greenlet 的庫，你可以用 pip 安裝它。Greenlets 和協(xié)程類似，它們也允許一個 Python 函數(shù)暫停執(zhí)行并稍后恢復，但是它們實現(xiàn)這點的方式完全不同，這意味著 Python 中的異步生態(tài)系統(tǒng)分成兩大類。

協(xié)程與 greenlets 之間針對異步開發(fā)最有意思的區(qū)別是，前者需要 Python 語言特定的關(guān)鍵字和特性才能工作，而后者并不需要。我的意思是，基于協(xié)程的應(yīng)用程序需要使用一種特定的語法來書寫，而基于 greenlet 的應(yīng)用程序看起來幾乎和普通 Python 代碼一樣。這非常酷，因為在某些情況下，這讓同步代碼可以被異步執(zhí)行，這是諸如asyncio之類的基于協(xié)程的方案做不到的。

那么在 greenlet 方面，跟asyncio對等的庫有哪些？我知道 3 個基于 greenlet 的異步包：Gevent、Eventlet 和 Meinheld，盡管最后一個更像是一個 Web 服務(wù)器而不是一個通用的異步庫。它們都有自己的異步循環(huán)實現(xiàn)，而且它們都提供了一個有趣的“monkey-patching”功能，取代了 Python 標準庫中的阻塞函數(shù)，例如那些執(zhí)行網(wǎng)絡(luò)和線程的函數(shù)，并基于 greenlets 實現(xiàn)了等效的非阻塞版本。如果你有一些同步代碼想要異步運行，這些包會對你有所幫助。

據(jù)我所知，唯一明確支持 greenlet 的 Web 框架只有 Flask。這個框架會自動監(jiān)測，當你想要運行在一個 greenlet Web 服務(wù)器上時，它會自我進行相應(yīng)調(diào)整，而無需進行任何配置。這么做時，你需要注意不要調(diào)用阻塞函數(shù)，或者，如果你要調(diào)用阻塞函數(shù)，最好用猴子補丁來“修復”那些阻塞函數(shù)。

但是，F(xiàn)lask 并不是唯一受益于 greenlets 的框架。其它 Web 框架，例如 Django 和 Bottle]，雖然沒有 greenlets，但也可以通過結(jié)合一個 greenlet Web 服務(wù)器并使用 monkey-patching 修復阻塞函數(shù)的方式來異步運行。

異步比同步更快嗎？

對于同步和異步應(yīng)用程序的性能，存在著一個廣泛的誤解——異步應(yīng)用程序比同步應(yīng)用程序快得多。

對此，我需要澄清一下。無論是用同步方式寫，還是用異步方式寫，Python 代碼運行速度是幾乎相同的。除了代碼，有兩個因素能夠影響一個并發(fā)應(yīng)用程序的性能：上下文切換和可擴展性。

上下文切換

在所有運行的任務(wù)間公平地共享 CPU 所需的工作，稱為上下文切換，能夠影響應(yīng)用程序的性能。對同步應(yīng)用程序來說，這項工作是由操作系統(tǒng)完成的，而且基本上是一個黑箱，不需要配置或微調(diào)選項。對異步應(yīng)用程序來說，上下文切換是由循環(huán)完成的。

默認的循環(huán)實現(xiàn)由asyncio提供，是用 Python 編寫的，效率不是很高。而 uvloop 包提供了一個備選的循環(huán)方案，其中部分代碼是用 C 編寫的來實現(xiàn)更好的性能。Gevent 和 Meinheld 所使用的事件循環(huán)也是用 C 編寫的。Eventlet 用的是 Python 編寫的循環(huán)。

高度優(yōu)化的異步循環(huán)比操作系統(tǒng)在進行上下文切換方面更有效率，但根據(jù)我的經(jīng)驗，要想看到實際的效率提升，你運行的并發(fā)量必須非常大。對于大部分應(yīng)用程序，我不認為同步和異步上下文切換之間的性能差距有多明顯。

擴展性

我認為異步更快這個神話的來源是，異步應(yīng)用程序通常會更有效地使用 CPU、能更好地進行擴展并且擴展方式比同步更靈活。

如果上面示意圖中的同步服務(wù)器同時收到 100 個請求，想一下會發(fā)生什么。這個服務(wù)器同時最多只能處理 4 個請求，因此大部分請求會停留在一個隊列中等待，直到它們被分配一個 worker。

與之形成對比的是，異步服務(wù)器會立即創(chuàng)建 100 個任務(wù)（或者使用混合模式的話，在 4 個異步 worker 上每個創(chuàng)建 25 個任務(wù)）。使用異步服務(wù)器，所有請求都會立即開始處理而不用等待（盡管公平地說，這種方案也還會有其它瓶頸會減慢速度，例如對活躍的數(shù)據(jù)庫連接的限制）。

如果這 100 個任務(wù)主要使用 CPU，那么同步和異步方案會有相似的性能，因為每個 CPU 運行的速度是固定的，Python 執(zhí)行代碼的速度總是相同的，應(yīng)用程序要完成的工作也是相同的。但是，如果這些任務(wù)需要做很多 I/O 操作，那么同步服務(wù)器只能處理 4 個并發(fā)請求而不能實現(xiàn) CPU 的高利用率。而另一方面，異步服務(wù)器會更好地保持 CPU 繁忙，因為它是并行地運行所有這 100 個請求。

你可能會想，為什么你不能運行 100 個同步 worker，那樣，這兩個服務(wù)器就會有相同的并發(fā)能力。要注意，每個 worker 需要自己的 Python 解釋器以及與之相關(guān)聯(lián)的所有資源，再加上一份單獨的應(yīng)用程序拷貝及其資源。你的服務(wù)器和應(yīng)用程序的大小將決定你可以運行多少個 worker 實例，但通常這個數(shù)字不會很大。另一方面，異步任務(wù)非常輕量，都運行在單個 worker 進程的上下文中，因此具有明顯優(yōu)勢。

綜上所述，只有如下場景時，我們可以說異步可能比同步快：

• 存在高負載（沒有高負載，訪問的高并發(fā)性就沒有優(yōu)勢）
• 任務(wù)是 I/O 綁定的（如果任務(wù)是 CPU 綁定的，那么超過 CPU 數(shù)目的并發(fā)并沒有幫助）
• 你查看單位時間內(nèi)的平均請求處理數(shù)。如果你查看單個請求的處理時間，你不會看到有很大差別，甚至異步可能更慢，因為異步有更多并發(fā)的任務(wù)在爭奪 CPU。

結(jié)論

希望本文能解答異步代碼的一些困惑和誤解。我希望你能記住以下兩個關(guān)鍵點：

• 異步應(yīng)用程序只有在高負載下才會比同步應(yīng)用程序做得更好
• 多虧了 greenlets，即使你用一般方式寫代碼并使用 Flask 或 Django 之類的傳統(tǒng)框架，也能從異步中受益。

以上就是W3Cschool編程獅關(guān)于Python同步與異步有何不同？的相關(guān)介紹了，希望對大家有所幫助。