一日一技:使用 Asyncio 如何限制协程的并发数

时间:2022-09-16 17:36:21

一日一技:使用 Asyncio 如何限制协程的并发数

在昨天的直播中,有同学问道,如果使用 asyncio + httpx 实现并发请求,怎么限制请求的频率呢?怎么限制最多只能有 x 个请求同时发出呢?我们今天给出两种方案。

提出问题

 

假设如果我们同时发起12个请求,每个请求的时间不同,那么总共的请求时间大概跟最长耗时的请求差不多。我们先来写一个用于测试的例子:

  1. import asyncio 
  2. import httpx 
  3. import time 
  4.  
  5.  
  6. async def req(delay): 
  7.     print(f'请求一个延迟为{delay}秒的接口'
  8.     async with httpx.AsyncClient(timeout=20) as client: 
  9.         resp = await client.get(f'http://127.0.0.1:8000/sleep/{delay}'
  10.         result = resp.json() 
  11.         print(result) 
  12.  
  13.  
  14. async def main(): 
  15.     start = time.time() 
  16.     delay_list = [3, 6, 1, 8, 2, 4, 5, 2, 7, 3, 9, 8] 
  17.     task_list = [] 
  18.     for delay in delay_list: 
  19.         task = asyncio.create_task(req(delay)) 
  20.         task_list.append(task) 
  21.     await asyncio.gather(*task_list) 
  22.     end = time.time() 
  23.     print(f'一共耗时:{end - start}'
  24.  
  25. asyncio.run(main()) 

这段代码,使用 for 循环创建了12个协程任务,这些任务几乎同时运行,于是,请求完成所有的接口,总共耗时如下图所示:

一日一技:使用 Asyncio 如何限制协程的并发数

现在的问题是,由于网站有反爬虫机制,最多只能同时发起3个请求。那么我们怎么确保同一时间最多只有3个协程在请求网络呢?

限制协程任务数

 

第一个方案跟以前限制多线程的线程数的方案相同。我们创建一个列表,确保列表里面最多只有3个任务,然后持续循环检查,发现有任务完成了,就移除这个完成的任务,并加入一个新的任务,直到待爬的列表为空,这个任务列表也为空。代码如下:

  1. import asyncio 
  2. import httpx 
  3. import time 
  4.  
  5.  
  6. async def req(delay): 
  7.     print(f'请求一个延迟为{delay}秒的接口'
  8.     async with httpx.AsyncClient(timeout=20) as client: 
  9.         resp = await client.get(f'http://127.0.0.1:8000/sleep/{delay}'
  10.         result = resp.json() 
  11.         print(result) 
  12.  
  13.  
  14. async def main(): 
  15.     start = time.time() 
  16.     delay_list = [3, 6, 1, 8, 2, 4, 5, 2, 7, 3, 9, 8] 
  17.     task_list = [] 
  18.     while True
  19.         if not delay_list and not task_list: 
  20.             break 
  21.         while len(task_list) < 3: 
  22.             if delay_list: 
  23.                 delay = delay_list.pop() 
  24.                 task = asyncio.create_task(req(delay)) 
  25.                 task_list.append(task) 
  26.             else
  27.                 break 
  28.         task_list = [task for task in task_list if not task.done()] 
  29.         await asyncio.sleep(1) 
  30.     end = time.time() 
  31.     print(f'一共耗时:{end - start}'
  32.  
  33. asyncio.run(main()) 

运行效果如下图所示:

一日一技:使用 Asyncio 如何限制协程的并发数

总共耗时大概28秒左右。比串行需要的58秒快了一半,但比全部同时并发多了一倍。

使用 Semaphore

 

asyncio 实际上自带了一个限制协程数量的类,叫做Semaphore。我们只需要初始化它,传入最大允许的协程数量,然后就可以通过上下文管理器来使用。我们看一下代码:

  1. import asyncio 
  2. import httpx 
  3. import time 
  4.  
  5.  
  6. async def req(delay, sem): 
  7.     print(f'请求一个延迟为{delay}秒的接口'
  8.     async with sem: 
  9.         async with httpx.AsyncClient(timeout=20) as client: 
  10.             resp = await client.get(f'http://127.0.0.1:8000/sleep/{delay}'
  11.             result = resp.json() 
  12.             print(result) 
  13.  
  14.  
  15. async def main(): 
  16.     start = time.time() 
  17.     delay_list = [3, 6, 1, 8, 2, 4, 5, 2, 7, 3, 9, 8] 
  18.     task_list = [] 
  19.     sem = asyncio.Semaphore(3) 
  20.     for delay in delay_list: 
  21.         task = asyncio.create_task(req(delay, sem)) 
  22.         task_list.append(task) 
  23.     await asyncio.gather(*task_list) 
  24.  
  25.     end = time.time() 
  26.     print(f'一共耗时:{end - start}'
  27.  
  28. asyncio.run(main()) 

运行效果如下图所示:

一日一技:使用 Asyncio 如何限制协程的并发数

耗时为22秒,比第一个方案更快。

我们来看看Semaphore的用法,它的格式为:

  1. sem = asyncio.Semaphore(同时运行的协程数量) 
  2.  
  3. async def func(sem): 
  4.     async with sem: 
  5.         这里是并发执行的代码 
  6.  
  7. task_list = [] 
  8. for _ in range(总共需要执行的任务数): 
  9.     task = asyncio.create_task(func(sem)) 
  10.     task_list.append(task) 
  11. await asyncio.gather(*task_list) 

当我们要限制一个协程的并发数的时候,可以在调用协程之前,先初始化一个Semaphore对象。然后把这个对象传到需要限制并发的协程里面,在协程里面,使用异步上下文管理器包住你的正式代码:

  1. async with sem: 
  2.     正式代码 

这样一来,如果并发数没有达到限制,那么async with sem会瞬间执行完成,进入里面的正式代码中。如果并发数已经达到了限制,那么其他的协程会阻塞在async with sem这个地方,直到正在运行的某个协程完成了,退出了,才会放行一个新的协程去替换掉这个已经完成的协程。

这个写法其实跟多线程的加锁很像。只不过锁是确保同一个时间只有一个线程在运行,而Semaphore可以人为指定能有多少个协程同时运行。

如何限制1分钟内能够运行的协程数

 

可能同学看了上面的例子以后,只知道如何限制同时运行的协程数。但是怎么限制在一段时间里同时运行的协程数呢?

其实非常简单,在并发的协程里面加个 asyncio.sleep 就可以了。例如上面的例子,我想限制每分钟只能有3个协程,那么可以把代码改为:

  1. async def req(delay, sem): 
  2.     print(f'请求一个延迟为{delay}秒的接口'
  3.     async with sem: 
  4.         async with httpx.AsyncClient(timeout=20) as client: 
  5.             resp = await client.get(f'http://127.0.0.1:8000/sleep/{delay}'
  6.             result = resp.json() 
  7.             print(result) 
  8.     await asyncio.sleep(60) 

总结

 

如果大家要限制协程的并发数,那么最简单的办法就是使用asyncio.Semaphore。但需要注意的是,只能在启动协程之前初始化它,然后传给协程。要确保所有并发协程拿到的是同一个Semaphore对象。

当然,你的程序里面,可能有多个不同的部分,有些部分限制并发数为 a,有些部分限制并发数为 b。那么你可以初始化多个Semaphore对象,分别传给不同的协程。

原文链接:https://mp.weixin.qq.com/s/zs319rzFDE5y7v4egbZOUQ