如何使用Python Asyncio
作为一个开发者，你希望你编写的API尽可能快。那么，如果我告诉你，通过一个技巧，你可能会将你的API的速度提高2倍、3倍，甚至4倍呢？在这篇文章中，你将学习如何利用Pythonasyncio、HTTPX库和Flask微框架来优化你的API的某些部分。
在本教程中，你将：
请抓紧时间，因为你即将使用Pythonasyncio 来加速你的Flask API端点 !
目录
一个应用，两个端点
为了开始这项壮举，你将写一个简单的Flask应用，有两个端点。一个将是异步的，另一个则不是。
注意：为了获得最大的兼容性，请确保你使用的是Python3.8或更新版本。
首先，创建一个目录来存放你的代码，并在其中创建一个虚拟环境。
mkdir asyncapi
cd asyncapi
python3 -m venv env/
激活虚拟环境并安装支持async的Flask。
source env/bin/activate
python -m pip install "Flask[async]"
接下来，将以下代码放在一个名为app.py 的文件中。
from flask import Flask
app = Flask(__name__)
@app.route('/get_data')
def get_data():
return 'ok'
@app.route('/async_get_data')
async def async_get_data():
return 'ok'
现在你已经有了一个完全工作的Flask API，有两个端点。
请注意，第二个端点，/async_get_data ，使用async def 语法来定义它的方法。不过，这个端点的功能与普通的/get_data 端点完全相同，只是你可以在其中运行异步代码。然而，按照现在的写法，它的速度并不快。你可以通过运行我们的API并使用cURL进行一些调用来证明这一点。
启动Flask开发服务器。
flask run
在你的开发服务器启动并运行后，你可以在一个新的终端中使用time ，以显示
，向两个端点发出的cURL请求的执行时间是差不多的。
注意：根据你使用的操作系统和shell，下面的命令输出可能看起来有所不同。只要你有
time命令，你就应该能看到这个结果。
首先，测量同步端点。
time curl "http://localhost:5000/get_data"
ok
________________________________________________________
Executed in 7.28 millis fish external
usr time 5.86 millis 248.00 micros 5.61 millis
sys time 0.03 millis 32.00 micros 0.00 millis
注意那行写着 "在7.28毫秒内执行"。那是相当快的。
现在再次使用time 来测量异步端点。
time curl "http://localhost:5000/async_get_data"
ok
________________________________________________________
Executed in 21.77 millis fish external
usr time 2.48 millis 0.00 micros 2.48 millis
sys time 2.77 millis 293.00 micros 2.48 millis
你是否惊讶地发现，异步版本的速度更慢？
异步请求比同步请求多花了大约3倍的时间！7毫秒和21毫秒之间的差异对人的眼睛来说并不明显。这仍然是一个很好的证明，使用Pythonasyncio，可能会有开销，所以并不是在所有情况下都更快。
两个端点，一个快，一个慢
为了看到async_get_data 端点变得比它的同步端点快，你必须让端点实际做一些工作。API的一个常见情况是，它们需要调用其他API，例如，从第三方服务中获取特定地点的天气信息。
你可以使用httpx 和Flash的组合向你的API添加HTTP请求，这是一种故意返回缓慢HTTP响应的服务。为什么慢？因为你希望能够模拟大型和或缓慢的外部API，这将有助于夸大使用asyncio 的效果。
首先，安装httpx 库。
python -m pip install httpx
修改app.py ，使其看起来像这样。
from flask import Flask
import asyncio
import httpx
app = Flask(__name__)
@app.route('/get_data')
def get_data():
response_1 = httpx.get('https://flash.siwalik.in/delay/1000/')
response_2 = httpx.get('https://flash.siwalik.in/delay/1000/')
return {
'response_1': response_1.status_code,
'response_2': response_2.status_code
}
@app.route('/async_get_data')
async def async_get_data():
async with httpx.AsyncClient() as client:
coroutine_1 = client.get('https://flash.siwalik.in/delay/1000/')
coroutine_2 = client.get('https://flash.siwalik.in/delay/1000/')
results = await asyncio.gather(coroutine_1, coroutine_2)
return {
'response_1': results[0].status_code,
'response_2': results[1].status_code
}
现在两个端点都向flash.siwalik.in/delay/1000/ 发出两个GET请求，一秒钟后返回一个简单的响应。第一个函数get_data() 对于使用过Pythonrequests 库的人来说应该很熟悉。response_1 包含第一次API调用的结果，response_2 包含第二次API调用的结果。然后该方法返回每个响应的状态代码。
第二个函数，async_get_data() ，看起来有点不同，尽管最终结果是一样的。按部就班，这就是正在发生的事情。
async with httpx.AsyncClient() as client:
该代码创建了一个异步上下文管理器，使client 对象可用。这和普通的上下文管理器是一样的，只是它允许执行异步代码。client 是进行实际的HTTP调用。
接下来，你将两个变量分配给调用client.get() 对Flash API的两个API调用的结果。
coroutine_1 = client.get('https://flash.siwalik.in/delay/1000/')
coroutine_2 = client.get('https://flash.siwalik.in/delay/1000/')
起初你可能会认为API调用的结果会被存储在这些变量中，但实际上coroutine_1 和coroutine_2 是联合程序，而不是HTTP响应。
results = await asyncio.gather(coroutine_1, coroutine_2)
现在，神奇的异步发生了。在这里，asyncio.gather() 的返回值被分配到result 变量中，并被等待着。当你看到await 关键字时，这意味着代码将在这里阻塞执行，直到对一个联合程序的调用完成。.gather() 方法本身就是一个联合程序，它将同时执行其他联合程序的序列（如[coroutine_1, coroutine_2] ），然后返回一个结果列表。
最后，该方法通过访问结果数组中的每个HTTP响应的状态代码来返回。
return {
'response_1': results[0].status_code,
'response_2': results[1].status_code
}
调用get_data() 和async_get_data() 应该会得到完全相同的结果，但async_get_data() 会完成得更快。你认为它的完成速度会快多少？
对结果进行计时
现在你有一个API，有两个做同样事情的端点，只是一个是异步的，一个不是，你应该回到使用cURL来计时。
**注意：**在这一点上，你可能需要重新启动Flask开发服务器来接收你的变化。
从get_data 。
time curl "http://localhost:5000/get_data"
{"response_1":200,"response_2":200}
________________________________________________________
Executed in 3.56 secs fish external
usr time 0.29 millis 295.00 micros 0.00 millis
sys time 5.00 millis 48.00 micros 4.96 millis
你可以看到，两个响应都返回了HTTP 200，而你的端点总共花了大约3.5秒来返回。这是有道理的：Flash提供的外部端点每个暂停了一秒钟，额外的1.5秒的其他开销可以在DNS查询、TCP连接、缓慢的Comcast互联网和其他互联网相关的面条中计算出来。
接下来，尝试对async_get_data 终端进行计时。
time curl "http://localhost:5000/async_get_data"
{"response_1":200,"response_2":200}
________________________________________________________
Executed in 1.81 secs fish external
usr time 6.21 millis 342.00 micros 5.87 millis
sys time 0.06 millis 59.00 micros 0.00 millis
如果在上一节中，你猜测异步版本的速度大约是两倍，你是正确的！为什么？为什么呢？因为Flask并发地运行了对外部API的调用。这意味着，在这种情况下，从Flash API中检索结果的整个行为只和最慢的调用一样慢。
事实上，你可以尝试给每个方法添加第三个调用。第一个端点将花费大约1.5秒的时间，而异步版本仍将在大约1.8秒内执行。你可以继续向异步版本添加HTTP调用，它应该继续以大致相同的时间返回，直到你开始遇到各种硬件、网络和操作系统层面的限制。
Python Asyncio的一个真实用例
HTTP调用并不是Python asyncio能够发挥作用的唯一地方。事实上，你可以在Python模块的名称中看到其他的用例：asyncio 代表异步输入/输出。
许多API是由数据库支持的，从数据库服务器获取SQL查询的结果往往受到I/O的约束。你可以把我们应用中对Flash API的调用改为对数据库的调用。想象一下，这个数据库调用需要500毫秒的时间来返回。
同步端点，get_data ，大约需要1.5秒来返回结果：
-
1秒的HTTP调用
-
0.5秒的数据库调用异步端点，
async_get_data，大约需要1秒来返回结果。 -
HTTP调用1秒
-
0.5秒的数据库调用
尽管单个调用花费的时间相同，但它们都是并发执行的。这意味着总的时间只相当于最慢的操作返回结果的时间。你刚刚通过使用asyncio ，节省了0.5秒！
请记住，如果你需要一个异步调用的结果用于下一个异步调用，这将没有什么帮助。在这种情况下，你只能在第一个调用完成后开始运行第二个调用，这将使你的总时间回到同步执行时间。
总结
在这篇文章中，你学到了Pythonasyncio 如何在你的代码等待多个输入/输出实例的情况下大大加快你的应用程序。你还了解到asyncio 是如何有效和容易地与Flask网络框架和HTTPX库一起使用的。
asyncio 这并不总是能让你的API更快，但在某些情况下，它能带来巨大的变化，就像本教程中所展示的那样。在未来编写代码时，请记住你在这里学到的东西，你可能会轻松获得一些性能上的胜利!
