Python异步IO --- 轻松管理10k+并发连接

前言

 

异步操作在计算机软硬件体系中是一个普遍概念，根源在于参与协作的各实体处理速度上有明显差异。软件开发中遇到的多数情况是CPU与IO的速度不匹配，所以异步IO存在于各种编程框架中，客户端比如浏览器，服务端比如node.js。本文主要分析Python异步IO。

 

Python 3.4标准库有一个新模块asyncio，用来支持异步IO，不过目前API状态是provisional，意味着不保证向后兼容性，甚至可能从标准库中移除（可能性极低）。如果关注PEP和Python-Dev会发现该模块酝酿了很长时间，可能后续有API和实现上的调整，但毋庸置疑asyncio非常实用且功能强大，值得学习和深究。

 

示例

 

asyncio主要应对TCP/UDP socket通信，从容管理大量连接，而无需创建大量线程，提高系统运行效率。此处将官方文档的一个示例做简单改造，实现一个HTTP长连接benchmark工具，用于诊断WEB服务器长连接处理能力。

 

功能概述：

每隔10毫秒创建10个连接，直到目标连接数（比如10k），同时每个连接都会规律性的向服务器发送HEAD请求，以维持HTTP keepavlie。

 

代码如下：

点击(此处)折叠或打开

1. import argparse
2. import asyncio
3. import functools
4. import logging
5. import random
6. import urllib.parse
7. loop = asyncio.get_event_loop()
8. @asyncio.coroutine
9. def print_http_headers(no, url, keepalive):
10. url = urllib.parse.urlsplit(url)
11. wait_for = functools.partial(asyncio.wait_for, timeout=3, loop=loop)
12. query = ('HEAD {url.path} HTTP/1.1\r\n'
13. 'Host: {url.hostname}\r\n'
14. '\r\n').format(url=url).encode('utf-8')
15. rd, wr = yield from wait_for(asyncio.open_connection(url.hostname, 80))
16. while True:
17. wr.write(query)
18. while True:
19. line = yield from wait_for(rd.readline())
20. if not line: # end of connection
21. wr.close()
22. return no
23. line = line.decode('utf-8').rstrip()
24. if not line: # end of header
25. break
26. logging.debug('(%d) HTTP header> %s' % (no, line))
27. yield from asyncio.sleep(random.randint(1, keepalive//2))
28. @asyncio.coroutine
29. def do_requests(args):
30. conn_pool = set()
31. waiter = asyncio.Future()
32. def _on_complete(fut):
33. conn_pool.remove(fut)
34. exc, res = fut.exception(), fut.result()
35. if exc is not None:
36. logging.info('conn#{} exception'.format(exc))
37. else:
38. logging.info('conn#{} result'.format(res))
39. if not conn_pool:
40. waiter.set_result('event loop is done')
41. for i in range(args.connections):
42. fut = asyncio.async(print_http_headers(i, args.url, args.keepalive))
43. fut.add_done_callback(_on_complete)
44. conn_pool.add(fut)
45. if i % 10 == 0:
46. yield from asyncio.sleep(0.01)
47. logging.info((yield from waiter))
48. def main():
49. parser = argparse.ArgumentParser(description='asyncli')
50. parser.add_argument('url', help='page address')
51. parser.add_argument('-c', '--connections', type=int, default=1,
52. help='number of connections simultaneously')
53. parser.add_argument('-k', '--keepalive', type=int, default=60,
54. help='HTTP keepalive timeout')
55. args = parser.parse_args()
56. logging.basicConfig(level=logging.INFO, format='%(asctime)s %(message)s')
57. loop.run_until_complete(do_requests(args))
58. loop.close()
59. if __name__ == '__main__':
60. main()

测试与分析

 

硬件：CPU 2.3GHz / 2 cores，RAM 2GB

软件：CentOS 6.5(kernel 2.6.32), Python 3.3 (pip install asyncio), nginx 1.4.7

参数设置：ulimit -n 10240；nginx worker的连接数改为10240

 

启动WEB服务器，只需一个worker进程：

1. # ../sbin/nginx
2. # ps ax | grep nginx
3. 2007 ? Ss 0:00 nginx: master process ../sbin/nginx
4. 2008 ? S 0:00 nginx: worker process

 

启动benchmark工具, 发起10k个连接，目标URL是nginx的默认测试页面:

1. $ python asyncli.py http://10.211.55.8/ -c 10000

 

nginx日志统计平均每秒请求数：

1. # tail -1000000 access.log | awk '{ print $4 }' | sort | uniq -c | awk '{ cnt+=1; sum+=$1 } END { printf "avg = %d\n", sum/cnt }'
2. avg = 548

 

top部分输出：

1. VIRT   RES   SHR  S %CPU  %MEM   TIME+  COMMAND
2. 657m   115m  3860 R 60.2  6.2   4:30.02  python
3. 54208  10m   848  R 7.0   0.6   0:30.79  nginx

 

总结：

1. Python实现简洁明了。不到80行代码，只用到标准库，逻辑直观，想象下C/C++标准库实现这些功能，顿觉“人生苦短，我用Python”。

 

2. Python运行效率不理想。当连接建立后，客户端和服务端的数据收发逻辑差不多，看上面top输出，Python的CPU和RAM占用基本都是nginx的10倍，意味着效率相差100倍（CPU x RAM），侧面说明了Python与C的效率差距。这个对比虽然有些极端，毕竟nginx不仅用C且为CPU/RAM占用做了深度优化，但相似任务效率相差两个数量级，除非是BUG，说明架构设计的出发点就是不同的，Python优先可读易用而性能次之，nginx就是一个高度优化的WEB服务器，开发一个module都比较麻烦，要复用它的异步框架，简直难上加难。开发效率与运行效率的权衡，永远都存在。

 

3. 单线程异步IO v.s. 多线程同步IO。上面的例子是单线程异步IO，其实不写demo就知道多线程同步IO效率低得多，每个线程一个连接？10k个线程，仅线程栈就占用600+MB（64KB * 10000）内存，加上线程上下文切换和GIL，基本就是噩梦。

 

ayncio核心概念

 

以下是学习asyncio时需要理解的四个核心概念，更多细节请看<参考资料>

1. event loop。单线程实现异步的关键就在于这个高层事件循环，它是同步执行的。

2. future。异步IO有很多异步任务构成，而每个异步任务都由一个future控制。

3. coroutine。每个异步任务具体的执行逻辑由一个coroutine来体现。

4. generator(yield & yield from) 。在asyncio中大量使用，是不可忽视的语法细节。

 

参考资料

 

1. asyncio – Asynchronous I/O, event loop, coroutines and tasks, https://docs.python.org/3/library/asyncio.html

2. PEP 3156, Asynchronous IO Support Rebooted: the "asyncio” Module, http://legacy.python.org/dev/peps/pep-3156/

3. PEP 380, Syntax for Delegating to a Subgenerator, http://legacy.python.org/dev/peps/pep-0380/

4. PEP 342, Coroutines via Enhanced Generators, http://legacy.python.org/dev/peps/pep-0342/

5. PEP 255, Simple Generators, http://legacy.python.org/dev/peps/pep-0255/

6. asyncio source code, http://hg.python.org/cpython/file/3.4/Lib/asyncio/