[[316039]]

一、概述

本文起源于我在 Twitter 上發(fā)布的關(guān)于 Python 經(jīng)歷的一系列話題。

出于某些原因，想記錄一下我過(guò)去數(shù)年使用 Python 的經(jīng)驗(yàn)和一些感悟。畢竟算是一門把我?guī)牖ヂ?lián)網(wǎng)行業(yè)的語(yǔ)言，而我近期已經(jīng)幾乎不再寫 Py 代碼， 做一個(gè)記錄，也許會(huì)對(duì)他人起到些微的幫助，也算是紀(jì)念與感恩了。

二、摘錄

推文地址：https://twitter.com/ppcelery/status/1159620182089728000

最早接觸 py 是 2010 年左右，那之前主要是使用 c、fortran 和 matlab 做數(shù)值運(yùn)算。當(dāng)時(shí)在做一些文件文本處理時(shí)覺得很麻煩，后來(lái)看到 NASA 說(shuō)要用 py 取代 matlab，就去接觸了 py。

python 那極為簡(jiǎn)潔與優(yōu)美的語(yǔ)法給了當(dāng)時(shí)的我極大的震撼，時(shí)至今日，寫 py 代碼對(duì)我而言依然是一種帶有藝術(shù)意味的享受。

首先開宗明義的說(shuō)一句：python 并不慢，至少不夠慢。拿一個(gè) web 后端來(lái)說(shuō)，一臺(tái)垃圾 4 核虛機(jī)，跑 4 個(gè)同步阻塞的 django，假設(shè) django 上合理利用線程分擔(dān)了阻塞操作，假設(shè)每節(jié)點(diǎn)每秒可以處理 50 個(gè)請(qǐng)求（超低估），在白天的 10 小時(shí)內(nèi)就可以處理 720 萬(wàn)請(qǐng)求。而這種機(jī)器跑一天僅需要 20 塊錢。

在學(xué)習(xí) Python 以前需要強(qiáng)調(diào)的是：基礎(chǔ)語(yǔ)法非常重要。雖然我們都不推崇過(guò)多的死記硬背，但是少量必要的死背是以后所有復(fù)雜思維活動(dòng)的基礎(chǔ)，就像五十音對(duì)于日語(yǔ)，通假字和常用動(dòng)名詞對(duì)于文言文，你不會(huì)就是不行。

一般認(rèn)為，這包括數(shù)據(jù)類型（值/引用）、作用域（scope）、keyword、builtin 函數(shù)等

關(guān)于 Python 版本的選擇，很多公司老項(xiàng)目依然在用 2.6、2.7，新項(xiàng)目的話建議至少選擇 3.6（擁有穩(wěn)定的 asyncio）。

• 從 2.7 到 3.4 https://blog.laisky.com/p/whats-new-in-python3-4/

• 從 3.4 到 3.5 https://blog.laisky.com/p/whats-new-in-python3-5/

• 從 3.5 到 3.6 https://blog.laisky.com/p/whats-new-in-python3-6/

• 從 3.6 到 3.7 https://docs.python.org/zh-cn/3/whatsnew/3.7.html

關(guān)于版本最后在說(shuō)幾點(diǎn)，建議在本地和服務(wù)器上都通過(guò) pyenv 來(lái)管理版本，而不要去動(dòng)系統(tǒng)自帶的 python（以免引起額外的麻煩） https://blog.laisky.com/p/pyenv/

另外一點(diǎn)就是，如果你想寫一個(gè)兼容 2、3 的工具包，你可以考慮使用 future http://python-future.org/compatible_idioms.html

最后提醒一下，2to3 這個(gè)腳本是有可能出錯(cuò)的。

學(xué)完基礎(chǔ)就可以開始動(dòng)手寫代碼了，這時(shí)候應(yīng)該謹(jǐn)記遵守一些“通行規(guī)范”，幾年前給公司內(nèi)分享時(shí)做過(guò)一個(gè)摘要：

• 風(fēng)格指引 https://laisky.github.io/style-guide-cn/style-guides/source-code-style-guides/

• 一些注意事項(xiàng) https://laisky.github.io/style-guide-cn/style-guides/consensuses/

有了一定的實(shí)踐經(jīng)驗(yàn)后，你應(yīng)該學(xué)習(xí)更多的包來(lái)提高自己的代碼水平。

• 值得學(xué)習(xí)的內(nèi)建包 https://pymotw.com/3/

• 值得了解的第三方包 https://github.com/vinta/awesome-python

因?yàn)?py 的哲學(xué)（import this）建議應(yīng)該有且僅有一個(gè)完美的方式做一件事，所以建議優(yōu)先采用且完善既有項(xiàng)目而不建議過(guò)多的造輪子。

一個(gè)小插曲，寫這段的 Tim Peters 就是發(fā)明 timsort 的那位。

https://en.wikipedia.org/wiki/Tim_Peters_(software_engineer)

有空時(shí)候，建議盡可能的完整讀教材和文檔，建立系統(tǒng)性的知識(shí)體系，這可以極大的提升你的眼界和思維能力。我自己讀過(guò)且覺得值得推薦的針對(duì) py 的書籍有：

• https://docs.python.org/3/

• learning python

• 核心編程

• 改進(jìn)Python的91個(gè)建議

• Python高手之路

• Python源碼剖析

• 數(shù)據(jù)結(jié)構(gòu)與算法：Python語(yǔ)言描述

如果你真的很喜歡 Python 的話，那我覺得你應(yīng)該也會(huì)喜歡閱讀 PEP，記得幾年前我只要有空就會(huì)去翻閱 PEP，這相當(dāng)于是 Py 的 RFC，里面記錄了幾乎每一項(xiàng)語(yǔ)法的設(shè)計(jì)理念與目的。我特別喜歡的 PEP 有：

• 8

• 3148

• 380

• 484 & 3107

• 492: async

• 440

• 3132

• 495 你甚至能學(xué)到歷史知識(shí)

以前聽別人講過(guò)一個(gè)比喻，靜態(tài)語(yǔ)言是吃冒菜，一次性燙好。而動(dòng)態(tài)語(yǔ)言是涮火鍋，吃一點(diǎn)涮一點(diǎn)。

那么我覺得，GIL 就是僅有一雙筷子的火鍋，即使你菜很多，一次也只能涮一個(gè)。

但是，對(duì)于 I/O bound 的操作，你不必一直夾著菜，而是可以?shī)A一些扔到鍋里，這樣就可以同時(shí)涮很多，提高并行效率。

GIL 在一個(gè)進(jìn)程內(nèi)，解釋器僅能同時(shí)解釋執(zhí)行一條語(yǔ)句，這為 py 提供了天然的語(yǔ)句級(jí)線程安全，從很多意義上說(shuō)，這都極大的簡(jiǎn)化了并行編程的難度。對(duì)于 I/O 型應(yīng)用，多線程并不會(huì)受到多大影響。對(duì)于 CPU 型應(yīng)用，編寫一個(gè)基于 Queue 的多進(jìn)程 worker 其實(shí)也就是幾行的事。

(訂正：應(yīng)為偽指令級(jí)的線程安全)

from time import sleep 
from concurrent.futures import ProcessPoolExecutor, wait 
from multiprocessing import Manager, Queue 
 
 
N_PARALLEL = 5 
 
 
def worker(i: int, q: Queue) -> None: 
print(f'worker {i} start') 
while 1: 
data = q.get 
if data is None: # 采用毒丸（poison pill）方式來(lái)結(jié)束進(jìn)程池 
q.put(data) 
print(f'worker {i} exit') 
return 
 
print(f'dealing with data {data}...') 
sleep(1) 
 
 
 
 
def main: 
executor = ProcessPoolExecutor(max_workers=N_PARALLEL) # 控制并發(fā)量 
with Manager as manager: 
queue = manager.Queue(maxsize=50) # 控制緩存量 
 
workers = [executor.submit(worker, i, queue) for i in range(N_PARALLEL)] 
for i in range(50): 
queue.put(i) 
 
print('all task data submitted') 
 
queue.put(None) 
wait(workers) 
print('all done') 
 
 
main 

我經(jīng)常給新人講，是否能謹(jǐn)慎的對(duì)待并行編程，是一個(gè)區(qū)分初級(jí)和資深后端開發(fā)的分水嶺。業(yè)界有一句老話：“沒有正確的并行程序，只有不夠量的并行度”，由此可見并行開發(fā)的復(fù)雜程度。

我個(gè)人認(rèn)為思考并行時(shí)主要是在考慮兩個(gè)問題：同步控制和資源用量。

對(duì)于同步控制，你在 thread, multiprocessing, asyncio 幾個(gè)包里都會(huì)發(fā)現(xiàn)一系列的工具：

• Lock 互斥鎖

• RLock 可重入鎖

• Queue 隊(duì)列

• Condition 條件鎖

• Event 事件鎖

• Semaphore 信號(hào)量

這個(gè)就不展開細(xì)談了，屬于另一個(gè)語(yǔ)言無(wú)關(guān)的大領(lǐng)域。（以前寫過(guò)一個(gè)很簡(jiǎn)略的簡(jiǎn)介：并行編程中的各種鎖(https://blog.laisky.com/p/concurrency-lock/)）

對(duì)于資源控制，一般來(lái)說(shuō)主要就是兩個(gè)地方：

• 緩存區(qū)有多大（Queue 長(zhǎng)度）

• 并發(fā)量有多大（workers 數(shù)量）

一般來(lái)說(shuō)，前者直接確定了你內(nèi)存的消耗量，最好選擇一個(gè)恰好或略高于消費(fèi)量的數(shù)。后者一般直接決定了你的 CPU 使用率，過(guò)高的并發(fā)量會(huì)增加切換開銷，得不償失。

既然提到了 workers，稍微簡(jiǎn)單展開一下“池”這個(gè)概念。我們經(jīng)常提到線程池、進(jìn)程池、連接池。說(shuō)白了就是對(duì)于一些可重用的資源，不必每次都創(chuàng)建新的，而是使用完畢后回收留待下一個(gè)數(shù)據(jù)繼續(xù)使用。比如你可以選擇不斷地開子線程，也可以選擇預(yù)先開好一批線程，然后通過(guò) queue 來(lái)不斷的獲取和處理數(shù)據(jù)。

所以說(shuō)使用“池”的主要目的就是減少資源的消耗。另一個(gè)優(yōu)點(diǎn)是，使用池可以非常方便的控制并發(fā)度（很多新人以為 Queue 是用來(lái)控制并發(fā)度的，這是錯(cuò)誤的，Queue 控制的是緩存量）。

對(duì)于連接池，還有另一層好處，那就是端口資源是有限的，而且回收端口的速度很慢，你不斷的創(chuàng)建連接會(huì)導(dǎo)致端口迅速耗盡。

這里做一個(gè)用語(yǔ)的訂正。Queue 控制的應(yīng)該是緩沖量（buffer），而不是緩存量（cache）。一般來(lái)說(shuō)，我們習(xí)慣上將寫入隊(duì)列稱為緩沖，將讀取隊(duì)列稱為緩存（有源）。

對(duì)前面介紹的 python 中進(jìn)程／線程做一個(gè)小結(jié)，線程池可以用來(lái)解決 I/O 的阻塞，而進(jìn)程可以用來(lái)解決 GIL 對(duì) CPU 的限制（因?yàn)槊恳粋€(gè)進(jìn)程內(nèi)都有一個(gè) GIL）。所以你可以開 N 個(gè)（小于等于核數(shù)）進(jìn)程池，然后在每一個(gè)進(jìn)程中啟動(dòng)一個(gè)線程池，所有的線程池都可以訂閱同一個(gè) Queue，來(lái)實(shí)現(xiàn)真正的多核并行。

非常簡(jiǎn)單的描述一下進(jìn)程／線程，對(duì)于操作系統(tǒng)而言，可以認(rèn)為進(jìn)程是資源的最小單位（在 PCB 內(nèi)保存如圖 1 的數(shù)據(jù)）。而線程是調(diào)度的最小單位。同一個(gè)進(jìn)程內(nèi)的線程共享除棧和寄存器外的所有數(shù)據(jù)。

所以在開發(fā)時(shí)候，要小心進(jìn)程內(nèi)多線程數(shù)據(jù)的沖突，也要注意多進(jìn)程數(shù)據(jù)間的隔離（需要特別使用進(jìn)程間通信）

• 操作系統(tǒng)筆記：進(jìn)程(https://blog.laisky.com/p/os-process/)

• 操作系統(tǒng)筆記：調(diào)度(https://blog.laisky.com/p/os-scheduler/)

再簡(jiǎn)單的補(bǔ)充一下，進(jìn)程間通信的手段有：管道、信號(hào)、消息隊(duì)列、信號(hào)量、共享內(nèi)存和套接字。不過(guò)在 Py 里，單機(jī)上最常用的進(jìn)程間通信就是 multiprocessing 里的 Queue 和 sharedctypes。

順帶一提，因?yàn)?CPython 的 refcnt 機(jī)制，所以 COW（copy on write）并不可靠。

人們?cè)谝姷絼e人的“錯(cuò)誤寫法”時(shí)，傾向于無(wú)視或吐槽諷刺。但是這個(gè)行為除了讓自己爽一下外沒有任何意義，不懂的還是不懂，最后真正發(fā)揮影響的還是那些能夠描繪一整條學(xué)習(xí)路徑的方法。

我一直希望能看到一個(gè)“樸素誠(chéng)懇”的切合工程實(shí)踐的教程，而不是網(wǎng)上流傳的入門大全和網(wǎng)課兜售騙錢的框架調(diào)參速成。

關(guān)于進(jìn)程間的內(nèi)存隔離，補(bǔ)充一個(gè)簡(jiǎn)單直觀的例子?？梢钥吹狡胀ㄗ兞?nbsp;normal_v在兩個(gè)子進(jìn)程內(nèi)變成了兩個(gè)獨(dú)立的變量（都輸出 1），而共享內(nèi)存的shared_v仍然是同一個(gè)變量，分別輸出了 1 和 2。

from time import sleep 
from concurrent.futures import ProcessPoolExecutor, wait 
from multiprocessing import Manager, Queue 
from ctypes import c_int64 
 
 
def worker(i, normal_v, shared_v): 
normal_v += 1 # 因?yàn)檫M(jìn)程間內(nèi)存隔離，所以每個(gè)進(jìn)程都會(huì)得到 1 
shared_v.value += 1 # 因?yàn)槭褂昧斯蚕韮?nèi)存，所以會(huì)分別得到 1 和 2 
 
print(f'worker[{i}] got normal_v {normal_v}, shared_v {shared_v.value}') 
 
 
def main: 
executor = ProcessPoolExecutor(max_workers=2) 
with Manager as manager: 
lock = manager.Lock 
shared_v = manager.Value(c_int64, 0, lock=lock) 
normal_v = 0 
 
workers = [executor.submit(worker, i, normal_v, shared_v) for i in range(2)] 
wait(workers) 
print('all done') 
 
 
main 

從過(guò)去的工作經(jīng)驗(yàn)中，我總結(jié)了一個(gè)簡(jiǎn)單粗暴的規(guī)矩：如果你要使用多進(jìn)程，那么在程序啟動(dòng)的時(shí)候就把進(jìn)程池啟動(dòng)起來(lái)，然后需要任何資源都請(qǐng)?jiān)谶M(jìn)程內(nèi)自行創(chuàng)建使用。如果有數(shù)據(jù)需要共享，一定要顯式的采用共享內(nèi)存或 queue 的方式進(jìn)行傳遞。

見過(guò)太多在進(jìn)程間共享不該共享的東西而導(dǎo)致的極為詭異的數(shù)據(jù)行為。

最早，一臺(tái)機(jī)器從頭到尾只能干一件事情。

后來(lái)，有了分時(shí)系統(tǒng)，我們可以開很多進(jìn)程，同時(shí)干很多事。

但是進(jìn)程的上下文切換開銷太大，所以又有了線程，這樣一個(gè)核可以一直跑一個(gè)進(jìn)程，而僅需要切換進(jìn)程內(nèi)子線程的棧和寄存器。

直到遇到了 C10K 問題，人們發(fā)覺切換幾萬(wàn)個(gè)線程還是挺重的，是否能更輕？

這里簡(jiǎn)單的展開一下，內(nèi)存在操作系統(tǒng)中會(huì)被劃分為內(nèi)核態(tài)和用戶態(tài)兩部分，內(nèi)核態(tài)供內(nèi)核運(yùn)行，用戶態(tài)供普通的程序用。

應(yīng)用程序通過(guò)系統(tǒng) API（俗稱 syscall）和內(nèi)核發(fā)生交互。拿常見的 HTTP 請(qǐng)求來(lái)說(shuō)，其實(shí)就是一次同步阻塞的 socket 調(diào)用，每次調(diào)用都會(huì)導(dǎo)致線程阻塞等待內(nèi)核響應(yīng)（內(nèi)核陷入）。

而被阻塞的線程就會(huì)導(dǎo)致切換的發(fā)生。所以自然會(huì)問，能不能減少這種切換開銷？換句話說(shuō)，能不能在一個(gè)地方把事情做完，而不要切來(lái)切去的。

這個(gè)問題有兩個(gè)解決思路，一是把所有的工作放進(jìn)內(nèi)核去做（略）。

另一個(gè)思路就是把盡可能多的工作放到用戶態(tài)來(lái)做。這需要內(nèi)核接口提供額外的支持：異步系統(tǒng)調(diào)用。

如 socket 這樣的調(diào)用就支持非阻塞調(diào)用，調(diào)用后會(huì)拿到一個(gè)未就緒的 fp，將這個(gè) fp 交給負(fù)責(zé)管理 I/O 多路復(fù)用的 selector，再注冊(cè)好需要監(jiān)聽的事件和回調(diào)函數(shù)（或者像 tornado 一樣采用定時(shí) poll），就可以在事件就緒（如 HTTP 請(qǐng)求的返回已就緒）時(shí)執(zhí)行相關(guān)函數(shù)。

https://github.com/tornadoweb/tornado/blob/f1824029db933d822f5b0d02583e4e6137f2bfd2/tornado/ioloop.py#L746

這樣就可以實(shí)現(xiàn)在一個(gè)線程內(nèi)，啟動(dòng)多個(gè)曾經(jīng)會(huì)導(dǎo)致線程被切換的系統(tǒng)調(diào)用，然后在一個(gè)線程內(nèi)監(jiān)聽這些調(diào)用的事件，誰(shuí)先就緒就處理誰(shuí)，將切換的開銷降到了最小。

有一個(gè)需要特別注意的要點(diǎn)，你會(huì)發(fā)現(xiàn)主線程其實(shí)就是一個(gè)死循環(huán)，所有的調(diào)用都發(fā)生在這個(gè)循環(huán)之內(nèi)。所以，你寫的代碼一定要避免任何阻塞。

聽上去很美好，這是個(gè)萬(wàn)能方案嗎？

很可惜不是的，最直接的一個(gè)問題是，并不是所有的 syscall 都提供了異步方法，對(duì)于這種調(diào)用，可以用線程池進(jìn)行封裝。對(duì)于 CPU 密集型調(diào)用，可以用進(jìn)程池進(jìn)行封裝，asyncio 里提供了 executor 和協(xié)程進(jìn)行聯(lián)動(dòng)的方法，這里提供一個(gè)線程池的簡(jiǎn)單例子，進(jìn)程池其實(shí)同理。

from time import sleep 
from asyncio import get_event_loop, sleep as asleep, gather, ensure_future 
from concurrent.futures import ThreadPoolExecutor, wait, Future 
from functools import wraps 
 
 
executor = ThreadPoolExecutor(max_workers=10) 
ioloop = get_event_loop 
 
 
def nonblocking(func) -> Future: 
@wraps(func) 
def wrapper(*args): 
return ioloop.run_in_executor(executor, func, *args) 
return wrapper 
 
 
@nonblocking # 用線程池封裝沒法協(xié)程化的普通阻塞程序 
def foo(n: int): 
"""假裝我是個(gè)很耗時(shí)的阻塞調(diào)用""" 
print('start blocking task...') 
sleep(n) 
print('end blocking task') 
 
 
async def coroutine_demo(n: int): 
"""我就是個(gè)普通的協(xié)程""" 
 
# 協(xié)程內(nèi)不能出現(xiàn)任何的阻塞調(diào)用，所謂一朝協(xié)程，永世協(xié)程 
# 那我偏要調(diào)一個(gè)普通的阻塞函數(shù)怎么辦？ 
# 最簡(jiǎn)單的辦法，套一個(gè)線程池… 
await foo(n) 
 
 
async def coroutine_demo_2: 
print('start coroutine task...') 
await asleep(1) 
print('end coroutine task') 
 
 
async def coroutine_main: 
"""一般我們會(huì)寫一個(gè) coroutine 的 main 函數(shù)，專門負(fù)責(zé)管理協(xié)程""" 
await gather( 
coroutine_demo(1), 
coroutine_demo_2 
) 
 
 
def main: 
ioloop.run_until_complete(coroutine_main) 
print('all done') 
 
 
main 

• Python3 asyncio 簡(jiǎn)介(https://blog.laisky.com/p/asyncio/)

上面的例子全部都基于 3.7，如果你還在使用 Py2，那么你也可以通過(guò) gevent、tornado 用上協(xié)程。

我個(gè)人傾向于 tornado，因?yàn)楦鼮榘缀?，而且寫法?3 接近，如果你也贊同，那么可以試試我以前給公司寫的 kipp 庫(kù)，基于 tornado 封裝了更多的工具。

https://github.com/Laisky/kipp/blob/2bc5bda6e7f593f89be662f46fed350c9daabded/kipp/aio/__init__.py

Gevent Demo:

#!/usr/bin/env python 
# -*- coding: utf-8 -*- 
 
""" 
Gevent Pool & Child Tasks 
========================= 
 
You can use gevent.pool.Pool to limit the concurrency of coroutines. 
 
And you can create unlimit subtasks in each coroutine. 
 
 
Benchmark 
========= 
 
cost 2.675039052963257s for url http://httpbin.org/ 
cost 2.66813588142395s for url http://httpbin.org/ip 
cost 2.674264907836914s for url http://httpbin.org/user-agent 
cost 2.6776888370513916s for url http://httpbin.org/get 
cost 3.97711181640625s for url http://httpbin.org/headers 
total cost 3.9886841773986816s 
""" 
import time 
 
import gevent 
from gevent.pool import Pool 
import gevent.monkey 
 
 
pool = Pool(10) # set the concurrency limit 
gevent.monkey.patch_socket 
 
try: 
import urllib2 
except ImportError: 
import urllib.request as urllib2 
 
 
TARGET_URLS = ( 
'http://httpbin.org/', 
'http://httpbin.org/ip', 
'http://httpbin.org/user-agent', 
'http://httpbin.org/headers', 
'http://httpbin.org/get', 
) 
 
 
def demo_child_task: 
"""Sub coroutine task""" 
gevent.sleep(2) 
 
 
def demo_task(url): 
"""Main coroutine 
 
You should wrap your each task into one entry coroutine, 
then spawn its own sub coroutine tasks. 
""" 
start_ts = time.time 
r = urllib2.urlopen(url) 
demo_child_task 
print('cost {}s for url {}'.format(time.time - start_ts, url)) 
 
 
def main: 
start_ts = time.time 
pool.map(demo_task, TARGET_URLS) 
print('total cost {}s'.format(time.time - start_ts)) 
 
 
if __name__ == '__main__': 
main 

tornado demo:

#!/usr/bin/env python 
# -*- coding: utf-8 -*- 
 
""" 
cost 0.5578329563140869s, get http://httpbin.org/get 
cost 0.5621621608734131s, get http://httpbin.org/ip 
cost 0.5613000392913818s, get http://httpbin.org/user-agent 
cost 0.5709919929504395s, get http://httpbin.org/ 
cost 0.572376012802124s, get http://httpbin.org/headers 
total cost 0.5809519290924072s 
""" 
import time 
 
import tornado 
import tornado.web 
import tornado.httpclient 
 
 
TARGET_URLS = [ 
'http://httpbin.org/', 
'http://httpbin.org/ip', 
'http://httpbin.org/user-agent', 
'http://httpbin.org/headers', 
'http://httpbin.org/get', 
] 
 
 
@tornado.gen.coroutine 
def demo_hanlder(ioloop): 
for i, url in enumerate(TARGET_URLS): 
demo_task(url, ioloop=ioloop) 
 
 
@tornado.gen.coroutine 
def demo_task(url, ioloop=None): 
start_ts = time.time 
http_client = tornado.httpclient.AsyncHTTPClient 
r = yield http_client.fetch(url) 
# r is the response object 
end_ts = time.time 
print('cost {}s, get {}'.format(end_ts - start_ts, url)) 
TARGET_URLS.remove(url) 
if not TARGET_URLS: 
ioloop.stop 
 
 
def main: 
start_ts = time.time 
ioloop = tornado.ioloop.IOLoop.instance 
ioloop.add_future(demo_hanlder(ioloop), lambda f: None) 
ioloop.start 
 
# total cost will equal to the longest task 
print('total cost {}s'.format(time.time - start_ts)) 
 
 
if __name__ == '__main__': 
main 

kipp demo:

from time import sleep 
 
from kipp.aio import coroutine2, run_until_complete, sleep, return_in_coroutine 
from kipp.utils import ThreadPoolExecutor, get_logger 
 
 
executor = ThreadPoolExecutor(10) 
logger = get_logger 
 
 
@coroutine2 
def coroutine_demo: 
logger.info('start coroutine_demo') 
yield sleep(1) 
logger.info('coroutine_demo done') 
yield executor.submit(blocking_func) 
return_in_coroutine('yeo') 
 
 
def blocking_func: 
logger.info('start blocking task...') 
sleep(1) 
logger.info('blocking task return') 
return 'hard' 
 
 
@coroutine2 
def coroutine_main: 
logger.info('start coroutine_main') 
r = yield coroutine_demo 
logger.info('coroutine_demo return: {}'.format(r)) 
 
yield sleep(1) 
return_in_coroutine('coroutine_main yo') 
 
 
def main: 
f = coroutine_main 
run_until_complete(f) 
logger.info('coroutine_main return: {}'.format(f.result)) 
 
 
if __name__ == '__main__': 
main 

使用 tornado 時(shí)需要注意，因?yàn)樗蕾?generator 來(lái)模擬協(xié)程，所以函數(shù)無(wú)法返回，只能用 raise gen.Return 來(lái)模擬。3.4 里引入了 yield from 到 3.6 的 async/await 才算徹底解決了這個(gè)問題。還有就是小心 tornado 里的 Future 不是線程安全的。

至于 gevent，容我吐個(gè)槽，求別再提 monkey_patch 了…

https://docs.python.org/3/library/asyncio-task.html 官方文檔對(duì)于 asyncio 的描述很清晰易懂，推薦一讀。一個(gè)小提示，async 函數(shù)被調(diào)用后會(huì)創(chuàng)建一個(gè) coroutine，這時(shí)候該協(xié)程并不會(huì)運(yùn)行，需要通過(guò) ensure_future 或 create_task 方法生成 Task 后才會(huì)被調(diào)度執(zhí)行。

另外，一個(gè)進(jìn)程內(nèi)不要?jiǎng)?chuàng)建多個(gè) ioloop。

做一個(gè)小結(jié)，一個(gè)簡(jiǎn)單的做法是，啟動(dòng)程序后，分別創(chuàng)建一個(gè)進(jìn)程池（進(jìn)程數(shù)小于等于可用核數(shù)）、線程池和 ioloop，ioloop 負(fù)責(zé)調(diào)度一切的協(xié)程，遇到阻塞的調(diào)用時(shí)，I/O 型的扔進(jìn)線程池，CPU 型的扔進(jìn)進(jìn)程池，這樣代碼邏輯簡(jiǎn)單，還能盡可能的利用機(jī)器性能。一個(gè)簡(jiǎn)單的完整示例：

""" 
✗ python process_thread_coroutine.py 
 
[2019-08-11 09:09:37,670Z - INFO - kipp] - main running... 
[2019-08-11 09:09:37,671Z - INFO - kipp] - coroutine_main running... 
[2019-08-11 09:09:37,671Z - INFO - kipp] - io_blocking_task running... 
[2019-08-11 09:09:37,690Z - INFO - kipp] - coroutine_task running... 
[2019-08-11 09:09:37,691Z - INFO - kipp] - coroutine_error running... 
[2019-08-11 09:09:37,691Z - INFO - kipp] - coroutine_error end, cost 0.00s 
[2019-08-11 09:09:37,693Z - INFO - kipp] - cpu_blocking_task running... 
[2019-08-11 09:09:38,674Z - INFO - kipp] - io_blocking_task end, cost 1.00s 
[2019-08-11 09:09:38,695Z - INFO - kipp] - coroutine_task end, cost 1.00s 
[2019-08-11 09:09:39,580Z - INFO - kipp] - cpu_blocking_task end, cost 1.89s 
[2019-08-11 09:09:39,582Z - INFO - kipp] - coroutine_main got [None, AttributeError('yo'), None, None] 
[2019-08-11 09:09:39,582Z - INFO - kipp] - coroutine_main end, cost 1.91s 
[2019-08-11 09:09:39,582Z - INFO - kipp] - main end, cost 1.91s 
""" 
 
 
from time import sleep, time 
from asyncio import get_event_loop, sleep as asleep, gather, ensure_future, iscoroutine 
from concurrent.futures import ProcessPoolExecutor, ThreadPoolExecutor, wait 
from functools import wraps 
 
from kipp.utils import get_logger 
 
 
logger = get_logger 
 
 
N_FORK = 4 
N_THREADS = 10 
 
thread_executor = ThreadPoolExecutor(max_workers=N_THREADS) 
process_executor = ProcessPoolExecutor(max_workers=N_FORK) 
ioloop = get_event_loop 
 
 
def timer(func): 
@wraps(func) 
def wrapper(*args, **kw): 
logger.info(f"{func.__name__} running...") 
start_at = time 
try: 
r = func(*args, **kw) 
finally: 
logger.info(f"{func.__name__} end, cost {time - start_at:.2f}s") 
 
return wrapper 
 
 
def async_timer(func): 
@wraps(func) 
async def wrapper(*args, **kw): 
logger.info(f"{func.__name__} running...") 
start_at = time 
try: 
return await func(*args, **kw) 
finally: 
logger.info(f"{func.__name__} end, cost {time - start_at:.2f}s") 
 
return wrapper 
 
 
@timer 
def io_blocking_task: 
"""I/O 型阻塞調(diào)用""" 
sleep(1) 
 
 
@timer 
def cpu_blocking_task: 
"""CPU 型阻塞調(diào)用""" 
for _ in range(1 << 26): 
pass 
 
 
@async_timer 
async def coroutine_task: 
"""異步協(xié)程調(diào)用""" 
await asleep(1) 
 
 
@async_timer 
async def coroutine_error: 
"""會(huì)拋出異常的協(xié)程調(diào)用""" 
raise AttributeError("yo") 
 
 
@async_timer 
async def coroutine_main: 
ioloop = get_event_loop 
r = await gather( 
coroutine_task, 
coroutine_error, 
ioloop.run_in_executor(thread_executor, io_blocking_task), 
ioloop.run_in_executor(process_executor, cpu_blocking_task), 
return_exceptions=True, 
) 
logger.info(f"coroutine_main got {r}") 
 
 
@timer 
def main: 
get_event_loop.run_until_complete(coroutine_main) 
 
 
if __name__ == "__main__": 
main 

學(xué)到這一步，你已經(jīng)能夠熟練的運(yùn)用協(xié)程、線程、進(jìn)程處理不同類型的任務(wù)。接著拿上面提到的垃圾 4 核虛機(jī)舉例，你現(xiàn)在應(yīng)該可以比較輕松的實(shí)現(xiàn)達(dá)到 1k QPS 的服務(wù)，在白天十小時(shí)里可以處理超過(guò)一億請(qǐng)求，費(fèi)用依然僅 20元/天。你還有什么借口說(shuō)是因?yàn)?Python 慢呢？

人們?cè)诹牡秸Z(yǔ)言／框架／工具性能時(shí)，考慮的是“當(dāng)程序員盡可能的優(yōu)化后，工具性能會(huì)成為最終的瓶頸，所以我們一定要選一個(gè)最快的”。

但事實(shí)上是，程序員本身才是性能的最大瓶頸，而工具真正體現(xiàn)出來(lái)的價(jià)值，是在程序員很爛時(shí)，所能提供的兜底性能。

如果你覺得自己并不是那個(gè)瓶頸，那也沒必要來(lái)聽我講了

在性能優(yōu)化上有兩句老話：

• 一定要針對(duì)瓶頸做優(yōu)化

• 過(guò)早優(yōu)化是萬(wàn)惡之源

所以我覺得要開放、冷靜地看待工具的性能。在一套完整的業(yè)務(wù)系統(tǒng)中，框架工具往往是耗時(shí)占比最低的那個(gè)，在擴(kuò)容、緩存技術(shù)如此發(fā)達(dá)的今天，你已經(jīng)很難說(shuō)出工具性能不夠這樣的話了。

成長(zhǎng)的空間很大，多在自己身上找原因。

一個(gè)經(jīng)驗(yàn)觀察，即使在工作中不斷的實(shí)際練習(xí)，對(duì)于異步協(xié)程這種全新的思維模式，從學(xué)會(huì)到能在工作中熟練運(yùn)用且不犯大錯(cuò)，比較聰明的人也需要一個(gè)月。

換成 go 也不會(huì)好很多，await 也能實(shí)現(xiàn)同步寫法，而且你依然需要面對(duì)我前文提到過(guò)的同步控制和資源用量?jī)蓚€(gè)核心問題。

簡(jiǎn)單提一下性能分析，py 可以利用 cProfile、line_profiler、memory_profiler、vprof、objgraph 等工具生成耗時(shí)、內(nèi)存占用、調(diào)用關(guān)系圖、火焰圖等。

關(guān)于性能分析領(lǐng)域的更多方法論和理念，推薦閱讀《性能之巔》（過(guò)去做的關(guān)于性能之巔的部分摘抄 https://twitter.com/ppcelery/status/1051832271001382912）。

必須強(qiáng)調(diào)：優(yōu)化必須要有足夠的數(shù)據(jù)支撐，包括優(yōu)化前和優(yōu)化后。

性能優(yōu)化其實(shí)是一個(gè)非常復(fù)雜的領(lǐng)域，雖然上面提到的工具可以生成各式各樣的看上去就很厲害的圖，但是優(yōu)化不是簡(jiǎn)單的你看哪慢就去改哪，而是需要有極其扎實(shí)的基礎(chǔ)知識(shí)和全局思維的。

而且，上述工具得出的指標(biāo)，在性能尚未逼近極限時(shí)，可能會(huì)有相當(dāng)大的誤導(dǎo)性，使用的時(shí)候也要小心。

有一些較為普適的經(jīng)驗(yàn)：

• I/O 越少越好，盡量在內(nèi)存里完成

• 內(nèi)存分配越少越好，盡量復(fù)用

• 變量盡可能少，gc 友好

• 盡量提高局部性

• 盡量用內(nèi)建函數(shù)，不要輕率造輪子

下列方法如非瓶頸不要輕易用：

• 循環(huán)展開

• 內(nèi)存對(duì)齊

• zero copy（mmap、sendfile）

測(cè)試是開發(fā)人員很容易忽視的一個(gè)環(huán)節(jié)，很多人認(rèn)為交給 QA 即可，但其實(shí)測(cè)試也是開發(fā)過(guò)程中的一個(gè)重要組成部分，不但可以提高軟件的交付質(zhì)量，還可以增進(jìn)你的代碼組織能力。

最常見的劃分可以稱之為黑盒 & 白盒，前者是只針對(duì)接口行為的測(cè)試，后者是深入了解實(shí)現(xiàn)細(xì)節(jié)，針對(duì)實(shí)現(xiàn)方式進(jìn)行的針對(duì)性測(cè)試。

對(duì) Py 開發(fā)者而言，最簡(jiǎn)單實(shí)用的工具就是 unitest.TestCase 和 pytest，在包內(nèi)任何以 test*.py 命名的文件，內(nèi)含 TestCase 類的以 test* 命名的方法都會(huì)被執(zhí)行。

測(cè)試方法也很簡(jiǎn)單，你給定入?yún)?，然后調(diào)用想要測(cè)試的函數(shù)，然后檢查其返回是否符合需求，不符合就拋出異常。

https://docs.pytest.org/en/latest/

""" 
test_demo.py 
""" 
 
from unittest import TestCase 
from typing import List 
 
def demo(l: List[int]) -> int: 
return l[0] 
 
class DemoTestCase(TestCase): 
 
def setUp(self): 
print("first run") 
 
def tearDown(self): 
print("last run") 
 
def test_demo(self): 
data =  
self.assertRaises(IndexError, demo, data) 

開始寫測(cè)試后，你才會(huì)意識(shí)到你的很多函數(shù)非常難以測(cè)試。因?yàn)樗鼈兛赡苡星短渍{(diào)用，可能有內(nèi)含狀態(tài)，可能有外部依賴等等。

但是需要強(qiáng)調(diào)的是，這不但不是不寫測(cè)試的理由，這其實(shí)正是寫測(cè)試的目的！

通過(guò)努力地寫測(cè)試，會(huì)強(qiáng)迫你開始編寫精簡(jiǎn)、功能單一、無(wú)狀態(tài)、依賴注入、避免鏈?zhǔn)秸{(diào)用的函數(shù)。

一個(gè)簡(jiǎn)單直觀的“好壞對(duì)比”，鏈?zhǔn)秸{(diào)用的函數(shù)很難測(cè)試，它內(nèi)含了太多其他函數(shù)的調(diào)用，一旦測(cè)試就變成了一個(gè)“集成測(cè)試”。而將其按照步驟一一拆分后，就可以對(duì)其進(jìn)行精細(xì)化的“單元測(cè)試”，這可以契合你開發(fā)的步伐，步步為營(yíng)穩(wěn)步推進(jìn)。

""" 
這是很糟糕的鏈?zhǔn)秸{(diào)用 
""" 
 
def main: 
func1 
 
 
def func1: 
return func2 
 
def func2: 
return func3 
 
def func3: 
return "shit" 
 
 
 
""" 
這樣寫會(huì)好很多 
""" 
def step1: 
return "yoo" 
 
 
def step2(v): 
return f"hello, {v}" 
 
 
def step3(v): 
return f"you know nothing, {v}" 
 
 
def main: 
r1 = step1 
r2 = step2(r1) 
step3(r2) 

順帶一提，對(duì)于一些無(wú)法繞開的外部調(diào)用，如網(wǎng)絡(luò)請(qǐng)求、數(shù)據(jù)庫(kù)請(qǐng)求。單元測(cè)試的準(zhǔn)則之一就是“排除一切外部因素”，你不應(yīng)該發(fā)起任何真正的外部調(diào)用的，因?yàn)檫@會(huì)引入不可控的數(shù)據(jù)。正確做法是通過(guò)依賴注入 Mock 對(duì)象，或者通過(guò) patch 去改寫調(diào)用的接口對(duì)象。

以前寫過(guò)一篇簡(jiǎn)介：https://blog.laisky.com/p/unittest-mock/

單元測(cè)試應(yīng)該兼顧黑盒、白盒。你既應(yīng)該編寫面對(duì)接口的案例，也應(yīng)該盡可能的試探內(nèi)部的實(shí)現(xiàn)路徑（增加覆蓋率）。

你還可以逐漸地把線上遇到的各種 bug 都編寫為案例，這些案例會(huì)成為項(xiàng)目寶貴的財(cái)富，為回歸測(cè)試提供強(qiáng)有力的支持。而且有這么多測(cè)試案例提供保護(hù)，coding 的時(shí)候也會(huì)安心很多。

在單元測(cè)試的基礎(chǔ)上，人們發(fā)展出了 TDD，但是在實(shí)踐的過(guò)程中，發(fā)現(xiàn)有些“狡猾的”開發(fā)會(huì)針對(duì)案例的特例進(jìn)行編程。為此，人們決定應(yīng)該拋棄形式，回歸本源，從方法論的高度來(lái)探尋測(cè)試的道路。其中光明一方，就是 PBT，試圖通過(guò)描述問題的實(shí)質(zhì)，來(lái)自動(dòng)生成測(cè)試案例。

一篇簡(jiǎn)介：https://blog.laisky.com/p/pbt-hypothesis/

另一個(gè)黑暗的方向就是 Fuzzing，它干脆完全忽略函數(shù)的實(shí)現(xiàn)，貫徹黑盒到底，通過(guò)遺傳算法，隨機(jī)的生成入?yún)ⅲ?i class="chrome-extension-mutihighlight chrome-extension-mutihighlight-style-4">測(cè)試到宇宙盡頭的決心，對(duì)函數(shù)進(jìn)行死纏爛打，發(fā)掘出正常人根本想不到猜不著的犄角旮旯里的 bug。