


Seit meinem letzten IoP-Update ist eine Weile vergangen. Lasst uns aufholen!
Der IoP-Befehlszeilenschnittstelle wurden wesentliche Verbesserungen hinzugefügt:
-
Namensänderung: Das Modul
grongier.pex
wurde iniop
umbenannt, um es an das neue Branding des Projekts anzupassen. - Asynchrone Unterstützung: IoP unterstützt jetzt vollständig asynchrone Funktionen und Coroutinen.
Projektumbenennung
Das grongier.pex
-Modul bleibt aus Gründen der Abwärtskompatibilität zugänglich, wird jedoch in einer zukünftigen Version entfernt. Nutzen Sie das Modul iop
für Neuentwicklungen.
Asynchrone Funktionalitäten
Während IoP seit langem asynchrone Aufrufe unterstützt, war die direkte Nutzung asynchroner Funktionen und Coroutinen bisher nicht verfügbar. Bevor wir uns mit dieser neuen Funktion befassen, werfen wir einen Blick auf die Funktionsweise asynchroner Aufrufe in InterSystems IRIS und untersuchen zwei Beispiele.
Alte asynchrone Aufrufe
Dies veranschaulicht den traditionellen Ansatz:
from iop import BusinessProcess from msg import MyMessage class MyBP(BusinessProcess): def on_message(self, request): msg_one = MyMessage(message="Message1") msg_two = MyMessage(message="Message2") self.send_request_async("Python.MyBO", msg_one, completion_key="1") self.send_request_async("Python.MyBO", msg_two, completion_key="2") def on_response(self, request, response, call_request, call_response, completion_key): if completion_key == "1": self.response_one = call_response elif completion_key == "2": self.response_two = call_response def on_complete(self, request, response): self.log_info(f"Received response one: {self.response_one.message}") self.log_info(f"Received response two: {self.response_two.message}")
Dies spiegelt das asynchrone Anrufverhalten in IRIS wider. send_request_async
sendet eine Anfrage an einen Geschäftsbetrieb und on_response
verarbeitet die empfangene Antwort. completion_key
differenziert Antworten.
Synchronisierte Multi-Request-Funktionalität
Die Möglichkeit, mehrere synchrone Anfragen gleichzeitig zu senden, ist zwar nicht ganz neu, aber bemerkenswert:
from iop import BusinessProcess from msg import MyMessage class MyMultiBP(BusinessProcess): def on_message(self, request): msg_one = MyMessage(message="Message1") msg_two = MyMessage(message="Message2") tuple_responses = self.send_multi_request_sync([("Python.MyMultiBO", msg_one), ("Python.MyMultiBO", msg_two)]) self.log_info("All requests have been processed") for target, request, response, status in tuple_responses: self.log_info(f"Received response: {response.message}")
In diesem Beispiel werden zwei Anfragen gleichzeitig an denselben Geschäftsvorgang gesendet. Die Antwort ist ein Tupel, das Ziel, Anfrage, Antwort und Status für jeden Aufruf enthält. Dies ist besonders nützlich, wenn die Reihenfolge der Anfragen unwichtig ist.
Asynchrone Funktionen und Coroutinen
So nutzen Sie asynchrone Funktionen und Coroutinen in IoP:
import asyncio from iop import BusinessProcess from msg import MyMessage class MyAsyncNGBP(BusinessProcess): def on_message(self, request): results = asyncio.run(self.await_response(request)) for result in results: print(f"Received response: {result.message}") async def await_response(self, request): msg_one = MyMessage(message="Message1") msg_two = MyMessage(message="Message2") tasks = [self.send_request_async_ng("Python.MyAsyncNGBO", msg_one), self.send_request_async_ng("Python.MyAsyncNGBO", msg_two)] return await asyncio.gather(*tasks)
Dadurch werden mehrere Anfragen gleichzeitig mit send_request_async_ng
gesendet. asyncio.gather
stellt sicher, dass alle Antworten gleichzeitig erwartet werden.
Wenn Sie bis hierher mitverfolgt haben, kommentieren Sie bitte „Boomerang“! Es würde viel bedeuten. Danke!
await_response
ist eine Coroutine, die mehrere Anfragen sendet und auf alle Antworten wartet.
Zu den Vorteilen der Verwendung von asynchronen Funktionen und Coroutinen gehören eine verbesserte Leistung durch parallele Anforderungen, eine verbesserte Lesbarkeit und Wartbarkeit, eine erhöhte Flexibilität durch die Verwendung des asyncio
-Moduls sowie eine bessere Ausnahme- und Timeout-Behandlung.
Vergleich asynchroner Methoden
Was sind die Hauptunterschiede zwischen send_request_async
, send_multi_request_sync
und send_request_async_ng
?
-
send_request_async
: Sendet nur dann eine Anfrage und wartet auf eine Antwort, wennon_response
implementiert ist undcompletion_key
verwendet wird. Einfach, aber für parallele Anfragen weniger skalierbar. -
send_multi_request_sync
: Sendet mehrere Anfragen gleichzeitig und wartet auf alle Antworten. Einfach zu verwenden, aber die Reihenfolge der Antworten ist nicht garantiert. -
send_request_async_ng
: Sendet mehrere Anfragen gleichzeitig und wartet auf alle Antworten, wobei die Antwortreihenfolge beibehalten wird. Erfordert asynchrone Funktionen und Coroutinen.
Viel Spaß beim Multithreading!
Das obige ist der detaillierte Inhalt vonInteroperabilität: Asynchrone Unterstützung für Python-Updates. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

ToAppendElementStoapythonList, UsTheAppend () methodForsingleElelements, Extend () FormultipleElements, und INSERSt () FORSPECIFIFICEPosition.1) UseAppend () ForaddingOneElementattheend.2) usextend () toaddmultiElementsefficction.3) useInsert () toaddanelementataspeci

TocreateApythonList, usequarebrackets [] andsparateItemswithcommas.1) ListaredynamicandcanholdmixedDatatypes.2) UseAppend (), REME () und SSLICINGFORMIPLUMILATION.3) LISTCOMPRAUMENS

In den Bereichen Finanzen, wissenschaftliche Forschung, medizinische Versorgung und KI ist es entscheidend, numerische Daten effizient zu speichern und zu verarbeiten. 1) In der Finanzierung kann die Verwendung von Speicherzuordnungsdateien und Numpy -Bibliotheken die Datenverarbeitungsgeschwindigkeit erheblich verbessern. 2) Im Bereich der wissenschaftlichen Forschung sind HDF5 -Dateien für die Datenspeicherung und -abnahme optimiert. 3) In der medizinischen Versorgung verbessern die Datenbankoptimierungstechnologien wie die Indexierung und die Partitionierung die Leistung der Datenabfrage. 4) In AI beschleunigen Daten, die Sharding und das verteilte Training beschleunigen, Modelltraining. Die Systemleistung und Skalierbarkeit können erheblich verbessert werden, indem die richtigen Tools und Technologien ausgewählt und Kompromisse zwischen Speicher- und Verarbeitungsgeschwindigkeiten abgewogen werden.

PythonarraysSureScreeatedusedhearrayModule, nicht gebaute Inlikelisten.1) ImportThearrayModule.2) Spezifizieren Sie die THETYPECODE, z.

Zusätzlich zur Shebang -Linie gibt es viele Möglichkeiten, einen Python -Interpreter anzugeben: 1. Verwenden Sie Python -Befehle direkt aus der Befehlszeile; 2. Verwenden Sie Stapeldateien oder Shell -Skripte. 3.. Verwenden Sie Build -Tools wie Make oder CMake; 4. Verwenden Sie Aufgabenläufer wie Invoke. Jede Methode hat ihre Vor- und Nachteile, und es ist wichtig, die Methode auszuwählen, die den Anforderungen des Projekts entspricht.

ForHandlinglargedatasetsinpython, Usenumpyarraysforbetterperformance.1) Numpyarraysarememory-Effiction und FasterFornumericaloperations.2) meidenunnötiger Anbieter.3) HebelVectorisationFecedTimeComplexity.4) ManagemememoryusageSageWithEffizienceDeffictureWitheseffizienz

Inpython, listEUSUutsynamicMemoryAllocationWithover-Accocation, whilenumpyarraysalcodeFixedMemory.1) ListSallocatemoremoryThanneded intellig, vereitelte, dass die sterbliche Größe von Zeitpunkte, OfferingPredictableSageStoageStloseflexeflexibilität.

Inpython, youcansspecthedatatypeyFelemeremodelerernspant.1) Usenpynernrump.1) Usenpynerp.dloatp.Ploatm64, Formor -Präzise -Preciscontrolatatypen.


Heiße KI -Werkzeuge

Undresser.AI Undress
KI-gestützte App zum Erstellen realistischer Aktfotos

AI Clothes Remover
Online-KI-Tool zum Entfernen von Kleidung aus Fotos.

Undress AI Tool
Ausziehbilder kostenlos

Clothoff.io
KI-Kleiderentferner

Video Face Swap
Tauschen Sie Gesichter in jedem Video mühelos mit unserem völlig kostenlosen KI-Gesichtstausch-Tool aus!

Heißer Artikel

Heiße Werkzeuge

SublimeText3 Linux neue Version
SublimeText3 Linux neueste Version

Sicherer Prüfungsbrowser
Safe Exam Browser ist eine sichere Browserumgebung für die sichere Teilnahme an Online-Prüfungen. Diese Software verwandelt jeden Computer in einen sicheren Arbeitsplatz. Es kontrolliert den Zugriff auf alle Dienstprogramme und verhindert, dass Schüler nicht autorisierte Ressourcen nutzen.

WebStorm-Mac-Version
Nützliche JavaScript-Entwicklungstools

VSCode Windows 64-Bit-Download
Ein kostenloser und leistungsstarker IDE-Editor von Microsoft

Senden Sie Studio 13.0.1
Leistungsstarke integrierte PHP-Entwicklungsumgebung
