这个小 Python 脚本提高了对低级编程的理解

最初发表于 Medium 上的 Level Up Coding。

---

Python 的易用性常常掩盖了潜在的复杂性。 许多开发人员对通用库和模式感到满意，从而导致学习停滞不前。 然而，并发和低级编程等高级主题提供了重要的增长机会。

Talk Python To Me 播客是高级 Python 学习的宝贵资源。 他们的课程“使用 async/await 和线程的 Python 并行编程”提供了有关并发和代码优化的重要见解。

传统的计算机科学课程通常涵盖计算机体系结构、C 编程以及互斥体、信号量和指针等概念。然而，对于许多程序员来说，这些概念的实际应用仍然难以捉摸。 例如，了解 CPU 核心利用率通常停留在理论上。

本课程重点介绍 unsync 库，这是一个简化并发和并行编程的强大工具。 unsync 将 async、线程和多处理统一到单个 API 中，根据任务是 CPU 密集型、I/O 密集型还是异步来自动优化任务。 它通过处理线程管理复杂性来简化并发编程。

以下脚本说明了这些概念：

<code class="language-python"># source: https://github.com/talkpython/async-techniques-python-course/blob/master/src/09-built-on-asyncio/the_unsync/thesync.py

import datetime
import math
import asyncio
import aiohttp
import requests
from unsync import unsync

def main():
    start_time = datetime.datetime.now()

    tasks = [
        compute_some(),
        compute_some(),
        compute_some(),
        download_some(),
        download_some(),
        download_some_more(),
        download_some_more(),
        wait_some(),
        wait_some(),
        wait_some(),
        wait_some(),
    ]

    [t.result() for t in tasks]

    end_time = datetime.datetime.now()
    elapsed_time = end_time - start_time
    print(f"Synchronous version completed in {elapsed_time.total_seconds():,.2f} seconds.")

@unsync(cpu_bound=True)
def compute_some():
    print("Performing computation...")
    for _ in range(1, 10_000_000):
        math.sqrt(25 ** 25 + .01)

@unsync()
async def download_some():
    print("Downloading...")
    url = 'https://talkpython.fm/episodes/show/174/coming-into-python-from-another-industry-part-2'
    async with aiohttp.ClientSession(connector=aiohttp.TCPConnector(ssl=False)) as session:
        async with session.get(url) as resp:
            resp.raise_for_status()
            text = await resp.text()
    print(f"Downloaded (more) {len(text):,} characters.")

@unsync()
def download_some_more():
    print("Downloading more...")
    url = 'https://pythonbytes.fm/episodes/show/92/will-your-python-be-compiled'
    resp = requests.get(url)
    resp.raise_for_status()
    text = resp.text
    print(f"Downloaded {len(text):,} characters.")

@unsync()
async def wait_some():
    print("Waiting...")
    for _ in range(1, 1000):
        await asyncio.sleep(.001)

if __name__ == "__main__":
    main()</code>

脚本分解

此脚本展示了并发任务执行以提高性能：

1. compute_some 功能： 执行密集计算，展示多线程 CPU 核心利用率。 现实世界的应用包括科学计算和数据处理。
2. download_some 功能： 异步下载数据，利用 aiohttp 进行非阻塞 I/O。 非常适合网页抓取和并发 API 调用。
3. download_some_more 功能： 在单独的线程中使用同步请求，适合需要并发而不需要非阻塞 I/O 的简单场景。
4. wait_some 功能： 模拟异步延迟，允许其他任务同时进行。 对于涉及等待外部事件的任务很有用。

学习要点

该脚本强调了并发编程的好处：同时执行任务可以实现更快的处理速度和更高效的资源利用。

---

高效的应用程序开发需要了解内存 (RAM) 和处理能力 (CPU) 之间的相互作用。 RAM 提供对数据的快速访问，从而在 CPU 执行指令时实现流畅的多任务处理。 充足的内存对于处理大型数据集和多项操作至关重要，而强大的 CPU 可确保快速计算和响应应用程序。 理解这种关系对于优化和高效的任务管理至关重要，从而使高性能应用程序能够处理复杂的任务。

---

亚历山大·科瓦列夫拍摄

以上是这个小 Python 脚本提高了对低级编程的理解的详细内容。更多信息请关注PHP中文网其他相关文章！