Python全栈应用开发利器Dash 3.x新版本介绍（3）

更多Dash应用开发干货知识、案例，欢迎关注“玩转Dash”微信公众号

大家好我是费老师，在前两期文章中，我们针对Python生态中强大且灵活的全栈应用开发框架Dash，介绍了其3.x新版本中的部分更新内容：

而今天的文章中，我们将继续介绍Dash3.x新版本中的其他重磅新功能，今天要介绍的是新版本中对异步编程的新增支持。

Dash应用开发新增异步编程支持

从3.1.0版本开始，得益于底层依赖的Flask当前对异步编程较为稳定的支持，在Dash中我们可以编写异步函数形式的服务端回调函数。终端执行下面的命令，即可完成额外异步依赖的安装：

pip install dash[async] -U

对于了解Python异步编程的朋友，可以将应用中相关的计算场景轻松改造为异步形式，从而大幅度降低计算耗时，下面我们举例演示：

异步形式的回调函数

针对服务端回调函数场景，为了进行直观对比，我们先来看一个同步写法下的示例应用：

import time

import dash

import random

from dash import html

import feffery_antd_components as fac

from dash.dependencies import Input, Output

from feffery_dash_utils.style_utils import style

app = dash.Dash(__name__)

app.layout = html.Div(

    [

        fac.AntdSpace(

            [

                fac.AntdButton(

                    "执行计算",

                    id="execute",

                    type="primary",

                    loadingChildren="计算中",

                ),

                fac.AntdText(id="result"),

            ]

        )

    ],

    style=style(padding=50),

)

def job():

    time.sleep(1)

    return random.randint(0, 100)

@app.callback(

    Output("result", "children"),

    Input("execute", "nClicks"),

    running=[[Input("execute", "loading"), True, False]],

    prevent_initial_call=True,

)

def sync_callback_demo(nClicks):

    start = time.time()

    # 模拟耗时计算任务过程

    results = [job() for _ in range(5)]

    return f"本次计算结果：{results}, 计算耗时：{round(time.time() - start, 2)} 秒"

if __name__ == "__main__":

    app.run(debug=True)

在对应的回调函数sync_callback_demo()中，我们调用了5次具有一定模拟计算耗时的job()函数，因此每次点击按钮执行计算后，都要耗时约5秒：

而在3.1.0版本之后的Dash中，我们可以使用Python中的异步编程相关写法，编写异步形式的回调函数，与前面同步形式示例做对比，异步形式示例代码如下：

import time

import dash

import random

import asyncio

from dash import html

import feffery_antd_components as fac

from dash.dependencies import Input, Output

from feffery_dash_utils.style_utils import style

app = dash.Dash(__name__)

app.layout = html.Div(

    [

        fac.AntdSpace(

            [

                fac.AntdButton(

                    "执行计算",

                    id="execute",

                    type="primary",

                    loadingChildren="计算中",

                ),

                fac.AntdText(id="result"),

            ]

        )

    ],

    style=style(padding=50),

)

async def async_job():

    await asyncio.sleep(1)

    return random.randint(0, 100)

@app.callback(

    Output("result", "children"),

    Input("execute", "nClicks"),

    running=[[Input("execute", "loading"), True, False]],

    prevent_initial_call=True,

)

async def async_callback_demo(nClicks):

    start = time.time()

    # 模拟耗时计算任务过程

    coros = [async_job() for _ in range(5)]

    results = await asyncio.gather(*coros)

    return f"本次计算结果：{results}, 计算耗时：{round(time.time() - start, 2)} 秒"

if __name__ == "__main__":

    app.run(debug=True)

因为利用asyncio.gather()进行多个异步函数的整合执行，所以同样的计算操作，耗时得到有效降低，只需要约1秒：

基于这项新特性，我们就可以在相关场景下进行有效的异步改造，从而提升计算效率。

篇幅有限，更多新版本Dash更新相关内容，接下来的数篇文章我们继续为大家盘点，敬请期待~

以上就是本文的全部内容，对Dash应用开发感兴趣的朋友，欢迎添加微信号CNFeffery，备注“dash学习”加入我们的技术交流群，一起成长一起进步。