Puisque Python est un langage interprété, lorsqu'il est utilisé pour le développement back-end, comme dans la combinaison de Python Django, par rapport à Java Spring, son temps de réponse sera un peu plus long. Toutefois, tant que le code est raisonnable, la différence n’est pas trop significative. Même lorsque Django utilise le mode multi-processus, sa capacité de traitement simultané reste bien plus faible. Python propose des solutions pour améliorer les capacités de traitement simultané. Par exemple, en utilisant le framework asynchrone FastAPI, avec ses capacités asynchrones, la capacité de traitement simultané des tâches gourmandes en E/S peut être considérablement améliorée. FastAPI est l'un des frameworks Python les plus rapides.
FastAPI comme exemple
Voyons d'abord brièvement comment utiliser FastAPI.
Exemple 1 : E/S asynchrones du réseau par défaut
Installation :
pip install fastapi
Code simple côté serveur :
# app.py from typing import Union from fastapi import FastAPI app = FastAPI() @app.get("/") async def read_root(): return {"Hello": "World"}
Démarrage :
uvicorn app:app --reload
On constate que, par rapport à d'autres frameworks, l'interface de FastAPI n'a qu'un mot-clé async supplémentaire. Le mot-clé async définit l'interface comme asynchrone. À partir du seul résultat renvoyé, nous ne pouvons pas faire la différence entre FastAPI et les autres frameworks Python. La différence réside dans l'accès simultané. Lorsque les threads du serveur de FastAPI gèrent les requêtes de route, telles que http://127.0.0.1:8000/, s'ils rencontrent des E/S réseau, ils ne l'attendront plus mais traiteront d'autres requêtes à la place. Lorsque les E/S réseau sont terminées, l'exécution reprend. Cette capacité asynchrone améliore la capacité de traitement des tâches gourmandes en E/S.
Exemple 2 : E/S asynchrones de réseau explicites
Regardons un autre exemple. Dans le code métier, une requête réseau asynchrone explicite est lancée. Pour ces E/S réseau, tout comme les requêtes de route, FastAPI les gérera également de manière asynchrone.
# app.py from fastapi import FastAPI, HTTPException import httpx app = FastAPI() # Example of an asynchronous GET request @app.get("/external-api") async def call_external_api(): url = "https://leapcell.io" async with httpx.AsyncClient() as client: response = await client.get(url) if response.status_code!= 200: raise HTTPException(status_code=response.status_code, detail="Failed to fetch data") return response.json()
Si vous souhaitez que les E/S de la base de données soient asynchrones, vous avez besoin de la prise en charge des opérations asynchrones à partir du pilote de base de données ou de l'ORM.
E/S asynchrones
L'implémentation principale de l'asynchronie de FastAPI est l'E/S asynchrone. Nous pouvons démarrer un serveur avec des capacités de traitement asynchrone directement en utilisant des E/S asynchrones sans utiliser FastAPI.
import asyncio from aiohttp import web async def index(request): await asyncio.sleep(1) # Simulate I/O operation return web.Response(text='{"Hello": "World"}', content_type='application/json') async def init(loop): # Use the event loop to monitor web requests app = web.Application(loop=loop) app.router.add_route('GET', '/', index) # Start the server, and the event loop monitors and processes web requests srv = await loop.create_server(app.make_handler(), '127.0.0.1', 8000) print('Server started at http://127.0.0.1:8000...') return srv # Explicitly get an event loop loop = asyncio.get_event_loop() # Start the event loop loop.run_until_complete(init(loop)) loop.run_forever()
Lorsque cet exemple est démarré, le résultat renvoyé par http://127.0.0.1:8000/ est le même que celui de l'exemple 1. Le principe d'implémentation sous-jacent des E/S asynchrones est les « coroutines » et les « boucles d'événements ». .
Coroutines
pip install fastapi
L'index de fonction est défini avec async def, ce qui signifie qu'il s'agit d'une coroutine. Le mot clé wait est utilisé avant une opération d'E/S pour indiquer au thread d'exécution de ne pas attendre cette opération d'E/S. Les appels de fonctions normales sont implémentés via la pile, et les fonctions ne peuvent être appelées et exécutées qu'une par une. Cependant, une coroutine est un type particulier de fonction (pas un fil collaboratif). Il permet au thread de suspendre l'exécution à la marque d'attente et de passer à l'exécution d'autres tâches. Une fois l'opération d'E/S terminée, l'exécution se poursuivra.
Jetons un coup d'œil à l'effet de plusieurs coroutines exécutées simultanément.
# app.py from typing import Union from fastapi import FastAPI app = FastAPI() @app.get("/") async def read_root(): return {"Hello": "World"}
Sortie :
uvicorn app:app --reload
On voit que le thread n'exécute pas les trois tâches une à une. Lorsqu'il rencontre une opération d'E/S, il passe à l'exécution d'autres tâches. Une fois l’opération d’E/S terminée, elle continue à s’exécuter. On peut également voir que les trois coroutines commencent essentiellement à attendre l'opération d'E/S en même temps, de sorte que les délais d'exécution de l'exécution finale sont fondamentalement les mêmes. Bien que la boucle d'événements ne soit pas utilisée explicitement ici, asyncio.run l'utilisera implicitement.
Générateurs
Les coroutines sont implémentées via des générateurs. Les générateurs peuvent suspendre l'exécution des fonctions et également la reprendre, ce qui est la caractéristique des coroutines.
# app.py from fastapi import FastAPI, HTTPException import httpx app = FastAPI() # Example of an asynchronous GET request @app.get("/external-api") async def call_external_api(): url = "https://leapcell.io" async with httpx.AsyncClient() as client: response = await client.get(url) if response.status_code!= 200: raise HTTPException(status_code=response.status_code, detail="Failed to fetch data") return response.json()
Lors de l'exécution du générateur avec next(), lorsqu'il rencontre un rendement, il se met en pause. Lorsque next() est réexécuté, il continuera à s'exécuter à partir du rendement où il a été interrompu la dernière fois. Avant Python 3.5, les coroutines étaient également écrites avec un résultat "annotations". À partir de Python 3.5, async def wait est utilisé.
import asyncio from aiohttp import web async def index(request): await asyncio.sleep(1) # Simulate I/O operation return web.Response(text='{"Hello": "World"}', content_type='application/json') async def init(loop): # Use the event loop to monitor web requests app = web.Application(loop=loop) app.router.add_route('GET', '/', index) # Start the server, and the event loop monitors and processes web requests srv = await loop.create_server(app.make_handler(), '127.0.0.1', 8000) print('Server started at http://127.0.0.1:8000...') return srv # Explicitly get an event loop loop = asyncio.get_event_loop() # Start the event loop loop.run_until_complete(init(loop)) loop.run_forever()
Les fonctionnalités de pause et de reprise des générateurs peuvent être utilisées pour beaucoup de choses en plus des coroutines. Par exemple, il peut calculer en boucle et stocker des algorithmes. Par exemple, implémenter un triangle de Pascal (les deux extrémités de chaque ligne sont 1 et les nombres dans les autres positions sont la somme des deux nombres au-dessus).
async def index(request): await asyncio.sleep(1) # Simulate I/O operation return web.Response(text='{"Hello": "World"}', content_type='application/json')
Sortie :
import asyncio from datetime import datetime async def coroutine3(): print(f"Coroutine 3 started at {datetime.now()}") await asyncio.sleep(1) # Simulate I/O operation print(f"Coroutine 3 finished at {datetime.now()}") async def coroutine2(): print(f"Coroutine 2 started at {datetime.now()}") await asyncio.sleep(1) # Simulate I/O operation print(f"Coroutine 2 finished at {datetime.now()}") async def coroutine1(): print(f"Coroutine 1 started at {datetime.now()}") await asyncio.sleep(1) # Simulate I/O operation print(f"Coroutine 1 finished at {datetime.now()}") async def main(): print("Main started") # Create tasks to make coroutines execute concurrently task1 = asyncio.create_task(coroutine1()) task2 = asyncio.create_task(coroutine2()) task3 = asyncio.create_task(coroutine3()) # Wait for all tasks to complete await task1 await task2 await task3 print("Main finished") # Run the main coroutine asyncio.run(main())
Boucles d'événements
Puisque l'exécution de la coroutine peut être suspendue, quand la coroutine reprendra-t-elle l'exécution ? Cela nécessite l'utilisation d'une boucle d'événements pour informer le thread d'exécution.
Main started Coroutine 1 started at 2024-12-27 12:28:01.661251 Coroutine 2 started at 2024-12-27 12:28:01.661276 Coroutine 3 started at 2024-12-27 12:28:01.665012 Coroutine 1 finished at 2024-12-27 12:28:02.665125 Coroutine 2 finished at 2024-12-27 12:28:02.665120 Coroutine 3 finished at 2024-12-27 12:28:02.665120 Main finished
La boucle d'événements utilise la technologie de multiplexage d'E/S, cycliquement en permanence pour surveiller les événements où les coroutines peuvent continuer à s'exécuter. Lorsqu'ils pourront être exécutés, le thread continuera à exécuter les coroutines.
Technologie de multiplexage d'E/S
Pour comprendre le multiplexage E/S de manière simple : je suis le patron d'une station de messagerie. Je n'ai pas besoin d'interroger activement chaque coursier sur l'accomplissement de ses tâches. Au lieu de cela, les coursiers viendront me voir d'eux-mêmes après avoir terminé leurs tâches. Cela améliore ma capacité de traitement des tâches et je peux faire plus de choses.
select, poll et epoll peuvent tous réaliser le multiplexage d'E/S. Comparé à select et poll, epoll a de meilleures performances. Linux utilise généralement epoll par défaut et macOS utilise kqueue, qui est similaire à epoll et a des performances similaires.
Serveur Socket utilisant des boucles d'événements
pip install fastapi
Démarrez le socket du serveur pour surveiller le port spécifié. S'ils sont exécutés sur un système Linux, les sélecteurs utilisent epoll comme implémentation par défaut. Le code utilise epoll pour enregistrer un événement de réception de demande (accepter l'événement). Lorsqu'une nouvelle demande arrive, epoll déclenchera et exécutera la fonction de gestion des événements et, en même temps, enregistrera un événement de lecture (événement de lecture) pour traiter et répondre aux données de la demande. Lors d'un accès depuis le côté Web avec http://127.0.0.1:8000/, le résultat renvoyé est le même que celui de l'exemple 1. Journal d'exécution du serveur :
# app.py from typing import Union from fastapi import FastAPI app = FastAPI() @app.get("/") async def read_root(): return {"Hello": "World"}
Serveur de sockets
Utilisez directement Socket pour démarrer un serveur. Lorsqu'il est accessible avec un navigateur à l'adresse http://127.0.0.1:8080/ ou en utilisant curl http://127.0.0.1:8080/, il renverra {"Hello": "World">
uvicorn app:app --reload
Lorsque vous y accédez avec curl http://127.0.0.1:8001/, journal d'exécution du serveur :
# app.py from fastapi import FastAPI, HTTPException import httpx app = FastAPI() # Example of an asynchronous GET request @app.get("/external-api") async def call_external_api(): url = "https://leapcell.io" async with httpx.AsyncClient() as client: response = await client.get(url) if response.status_code!= 200: raise HTTPException(status_code=response.status_code, detail="Failed to fetch data") return response.json()
Résumé
Les E/S asynchrones sont implémentées au niveau de la couche inférieure à l'aide de « coroutines » et de « boucles d'événements ». Les "coroutines" garantissent que lorsque le thread rencontre des opérations d'E/S marquées pendant l'exécution, il n'a pas besoin d'attendre la fin de l'E/S mais peut faire une pause et laisser le thread exécuter d'autres tâches sans blocage. Les « boucles d'événements » utilisent la technologie de multiplexage d'E/S, effectuant un cycle constant pour surveiller les événements d'E/S. Lorsqu'un certain événement d'E/S est terminé, le rappel correspondant est déclenché, permettant à la coroutine de poursuivre l'exécution.
Leapcell : la plate-forme idéale pour FastAPI et autres applications Python :
Enfin, permettez-moi de vous présenter la plateforme idéale pour déployer Flask/FastAPI : Leapcell.
Leapcell est une plate-forme de cloud computing conçue spécifiquement pour les applications distribuées modernes. Son modèle de tarification par répartition garantit l'absence de coûts inutiles, ce qui signifie que les utilisateurs ne paient que pour les ressources qu'ils utilisent réellement.
Les avantages uniques de Leapcell pour les applications WSGI/ASGI :
1. Prise en charge multilingue
- Prend en charge le développement en JavaScript, Python, Go ou Rust.
2. Déploiement gratuit de projets illimités
- Frais uniquement en fonction de l'utilisation. Aucun frais lorsqu'il n'y a aucune demande.
3. Rentabilité inégalée
- Payez à l'utilisation, sans frais d'inactivité.
- Par exemple, 25 $ peuvent prendre en charge 6,94 millions de requêtes, avec un temps de réponse moyen de 60 millisecondes.
4. Expérience de développeur simplifiée
- Interface utilisateur intuitive pour une configuration facile.
- Pipelines CI/CD entièrement automatisés et intégration GitOps.
- Mesures et journaux en temps réel, fournissant des informations exploitables.
5. Évolutivité sans effort et hautes performances
- Mise à l'échelle automatique pour gérer facilement une concurrence élevée.
- Zéro surcharge opérationnelle, permettant aux développeurs de se concentrer sur le développement.
Apprenez-en plus dans la documentation !
Twitter de Leapcell : https://x.com/LeapcellHQ
Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!

Ce tutoriel montre comment utiliser Python pour traiter le concept statistique de la loi de Zipf et démontre l'efficacité de la lecture et du tri de Python de gros fichiers texte lors du traitement de la loi. Vous vous demandez peut-être ce que signifie le terme distribution ZIPF. Pour comprendre ce terme, nous devons d'abord définir la loi de Zipf. Ne vous inquiétez pas, je vais essayer de simplifier les instructions. La loi de Zipf La loi de Zipf signifie simplement: dans un grand corpus en langage naturel, les mots les plus fréquents apparaissent environ deux fois plus fréquemment que les deuxième mots fréquents, trois fois comme les troisième mots fréquents, quatre fois comme quatrième mots fréquents, etc. Regardons un exemple. Si vous regardez le corpus brun en anglais américain, vous remarquerez que le mot le plus fréquent est "th

Python fournit une variété de façons de télécharger des fichiers à partir d'Internet, qui peuvent être téléchargés sur HTTP à l'aide du package ULLIB ou de la bibliothèque de demandes. Ce tutoriel expliquera comment utiliser ces bibliothèques pour télécharger des fichiers à partir des URL de Python. Bibliothèque de demandes Les demandes sont l'une des bibliothèques les plus populaires de Python. Il permet d'envoyer des demandes HTTP / 1.1 sans ajouter manuellement les chaînes de requête aux URL ou le codage de formulaire de post-données. La bibliothèque des demandes peut remplir de nombreuses fonctions, notamment: Ajouter des données de formulaire Ajouter un fichier en plusieurs parties Accéder aux données de réponse Python Faire une demande tête

Cet article explique comment utiliser la belle soupe, une bibliothèque Python, pour analyser HTML. Il détaille des méthodes courantes comme find (), find_all (), select () et get_text () pour l'extraction des données, la gestion de diverses structures et erreurs HTML et alternatives (Sel

Traiter avec des images bruyantes est un problème courant, en particulier avec des photos de téléphones portables ou de caméras basse résolution. Ce tutoriel explore les techniques de filtrage d'images dans Python à l'aide d'OpenCV pour résoudre ce problème. Filtrage d'image: un outil puissant Filtre d'image

Les fichiers PDF sont populaires pour leur compatibilité multiplateforme, avec du contenu et de la mise en page cohérents sur les systèmes d'exploitation, les appareils de lecture et les logiciels. Cependant, contrairement aux fichiers de texte brut de traitement Python, les fichiers PDF sont des fichiers binaires avec des structures plus complexes et contiennent des éléments tels que des polices, des couleurs et des images. Heureusement, il n'est pas difficile de traiter les fichiers PDF avec les modules externes de Python. Cet article utilisera le module PYPDF2 pour montrer comment ouvrir un fichier PDF, imprimer une page et extraire du texte. Pour la création et l'édition des fichiers PDF, veuillez vous référer à un autre tutoriel de moi. Préparation Le noyau réside dans l'utilisation du module externe PYPDF2. Tout d'abord, l'installez en utilisant PIP: pip is p

Ce tutoriel montre comment tirer parti de la mise en cache Redis pour augmenter les performances des applications Python, en particulier dans un cadre Django. Nous couvrirons l'installation redis, la configuration de Django et les comparaisons de performances pour mettre en évidence le bien

Le traitement du langage naturel (PNL) est le traitement automatique ou semi-automatique du langage humain. La PNL est étroitement liée à la linguistique et a des liens vers la recherche en sciences cognitives, psychologie, physiologie et mathématiques. En informatique

Cet article compare TensorFlow et Pytorch pour l'apprentissage en profondeur. Il détaille les étapes impliquées: préparation des données, construction de modèles, formation, évaluation et déploiement. Différences clés entre les cadres, en particulier en ce qui concerne le raisin informatique


Outils d'IA chauds

Undresser.AI Undress
Application basée sur l'IA pour créer des photos de nu réalistes

AI Clothes Remover
Outil d'IA en ligne pour supprimer les vêtements des photos.

Undress AI Tool
Images de déshabillage gratuites

Clothoff.io
Dissolvant de vêtements AI

AI Hentai Generator
Générez AI Hentai gratuitement.

Article chaud

Outils chauds

DVWA
Damn Vulnerable Web App (DVWA) est une application Web PHP/MySQL très vulnérable. Ses principaux objectifs sont d'aider les professionnels de la sécurité à tester leurs compétences et leurs outils dans un environnement juridique, d'aider les développeurs Web à mieux comprendre le processus de sécurisation des applications Web et d'aider les enseignants/étudiants à enseigner/apprendre dans un environnement de classe. Application Web sécurité. L'objectif de DVWA est de mettre en pratique certaines des vulnérabilités Web les plus courantes via une interface simple et directe, avec différents degrés de difficulté. Veuillez noter que ce logiciel

Télécharger la version Mac de l'éditeur Atom
L'éditeur open source le plus populaire

Dreamweaver Mac
Outils de développement Web visuel

PhpStorm version Mac
Le dernier (2018.2.1) outil de développement intégré PHP professionnel

Listes Sec
SecLists est le compagnon ultime du testeur de sécurité. Il s'agit d'une collection de différents types de listes fréquemment utilisées lors des évaluations de sécurité, le tout en un seul endroit. SecLists contribue à rendre les tests de sécurité plus efficaces et productifs en fournissant facilement toutes les listes dont un testeur de sécurité pourrait avoir besoin. Les types de listes incluent les noms d'utilisateur, les mots de passe, les URL, les charges utiles floues, les modèles de données sensibles, les shells Web, etc. Le testeur peut simplement extraire ce référentiel sur une nouvelle machine de test et il aura accès à tous les types de listes dont il a besoin.
