Rumah > Artikel > pembangunan bahagian belakang > Bagaimana untuk menggunakan tugas tak segerak dan berjadual Python untuk meningkatkan keselarasan program dan kecekapan pelaksanaan?
Untuk sesetengah operasi dalam aplikasi web, ia mungkin mengambil masa yang lama untuk diselesaikan atau masa pelaksanaannya tidak dapat ditentukan. Untuk operasi ini, jika pengguna hanya perlu mengetahui bahawa pelayan telah menerima permintaan dan tidak perlu mendapatkan hasil pelaksanaan permintaan dengan segera, maka kami boleh memprosesnya secara tidak segerak. Jika menggunakan cache ialah perkara pertama yang penting untuk mengoptimumkan prestasi tapak web, maka menyegerakkan tugasan yang mengambil masa atau masa pelaksanaannya tidak pasti adalah perkara kedua penting untuk mengoptimumkan prestasi tapak web. Ringkasnya, apa-apa yang boleh ditangguhkan tidak harus dilakukan segera.
Dalam bab sebelumnya, kami mengambil menghantar mesej teks dan memuat naik fail ke storan awan sebagai contoh. Di antara kedua-dua operasi ini, yang pertama ialah operasi dengan masa yang tidak pasti (kerana sebagai pemanggil, kami tidak dapat menentukan masa tindak balas platform pihak ketiga), dan yang kedua ialah operasi yang memakan masa (jika fail besar atau platform pihak ketiga tidak stabil, ia mungkin menyebabkan Ia mengambil masa yang lama untuk memuat naik). Jelas sekali, kedua-dua operasi boleh menjadi tak segerak.
Dalam projek Python, kita boleh menggunakan multi-threading atau menggunakan pustaka pihak ketiga Celery untuk mencapai pemprosesan tak segerak.
Saderi ialah baris gilir tugas tak segerak/mesej Python, yang boleh menyelesaikan pemprosesan tugas tak segerak dengan mudah. Menggunakan Celery, tugas boleh diagihkan kepada berbilang pelaksana tugas, yang boleh menjadi satu proses atau berbilang proses atau berbilang hos. Saderi juga menyokong keutamaan tugas, penjimatan hasil tugas, percubaan semula tugas dan fungsi lain.
Menggunakan Saderi untuk melaksanakan penyegerakan memerlukan langkah berikut:
Pasang Saderi
pip pasang saderi
Buat Saderi dalam projek Guna
from celery import Celery app = Celery('tasks', broker='pyamqp://guest@localhost//')
untuk mentakrifkan tugas
@app.task def add(x, y): return x + y
Panggil tugasan dalam projek
result = add.delay(4, 4) print(result.get(timeout=1))
Modul threading
dalam Python boleh digunakan untuk membuat berbilang benang. Menggunakan multi-threading, tugasan yang memakan masa boleh dilaksanakan dalam thread baru tanpa menjejaskan pelaksanaan thread utama.
Menggunakan multi-threading untuk melaksanakan penyegerakan memerlukan langkah berikut:
Importthreading
modul
import threading
Tentukan a function Sebagai tugas
def task(): print('Hello from task')
Buat urutan baharu dan mulakannya
t = threading.Thread(target=task) t.start()
Sesetengah tugasan perlu dilaksanakan pada masa tertentu untuk menggunakan tugasan bermasa. Terdapat berbilang perpustakaan pihak ketiga dalam Python yang boleh digunakan untuk melaksanakan tugas berjadual, seperti schedule
, APScheduler
, dsb. Mari kita ambil APScheduler
sebagai contoh untuk menerangkan cara melaksanakan tugas berjadual.
Menggunakan APScheduler
untuk melaksanakan tugas berjadual memerlukan langkah berikut:
PasangAPScheduler
pip install apscheduler
ImportAPScheduler
Modul
from apscheduler.schedulers.blocking import BlockingScheduler
Mencipta contoh BlockingScheduler
dan menambah tugas
def task(): print('Hello from task') scheduler = BlockingScheduler() scheduler.add_job(task, 'interval', seconds=5) scheduler.start()
Kod di atas akan melaksanakan fungsi task
setiap 5 saat.
Walaupun kedua-dua Celery dan multi-threading boleh melaksanakan pemprosesan tak segerak, terdapat beberapa perbezaan, kelebihan dan kekurangan antara mereka.
Kebaikan:
Boleh mengagihkan tugas kepada berbilang pelaksana tugas, seterusnya mencapai pengimbangan beban tugas dan meningkatkan Kecekapan tugas pemprosesan.
Menyokong fungsi seperti keutamaan tugas, penjimatan hasil tugas dan cuba semula tugas.
Menyokong berbilang protokol penghantaran mesej, seperti AMQP, Redis, RabbitMQ, dll.
Boleh disepadukan dengan mudah ke dalam rangka kerja web seperti Django dan Flask.
Kelemahan:
Proses pemasangan dan konfigurasi mungkin menyusahkan.
Boleh meningkatkan kerumitan sistem.
Kelebihan:
Ia agak mudah untuk dilaksanakan dan tidak memerlukan pemasangan perpustakaan tambahan.
Boleh menyelesaikan pemprosesan tugasan dengan cepat pada mesin tempatan.
Kelemahan:
Tidak boleh mengagihkan tugas kepada berbilang pelaksana tugas, menjadikannya mustahil untuk mencapai pengimbangan beban tugas.
Adalah mustahil untuk melaksanakan tugas dengan mudah seperti keutamaan, menyimpan hasil tugasan dan mencuba semula tugasan.
boleh menyebabkan kemerosotan prestasi sistem kerana berbilang benang mempunyai prestasi serentak yang terhad.
Dalam Python, terdapat berbilang perpustakaan pihak ketiga yang boleh digunakan untuk melaksanakan tugas berjadual, seperti schedule
, APScheduler
, dsb. Perpustakaan ini mempunyai kelebihan dan kekurangannya sendiri, dan kita boleh memilih perpustakaan yang sesuai untuk melaksanakan tugas berjadual mengikut keperluan khusus.
adalah mudah dan mudah digunakan Anda hanya perlu memanggil fungsi schedule
untuk melaksanakan tugas yang dijadualkan.
tidak boleh mencapai pengimbangan beban tugas dan pelaksanaan tugasan serentak.
menyokong berbilang penjadual, seperti BlockingScheduler, BackgroundScheduler, AsyncIOScheduler, dsb.
Menyokong berbilang pencetus, seperti tarikh, selang, cron, selang_dari_akhir, dsb.
Menyokong pelaksanaan tugasan dan pengimbangan beban serentak.
Boleh disepadukan dengan mudah ke dalam rangka kerja web seperti Django dan Flask.
Atas ialah kandungan terperinci Bagaimana untuk menggunakan tugas tak segerak dan berjadual Python untuk meningkatkan keselarasan program dan kecekapan pelaksanaan?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!