高并发 发送请求(asyncio)

在接手这个项目之前，关于数据存储的代码逻辑如上图，看起来按部就班，也很合理。（本人觉得这就像个玩具车）

在最后一步发送HTTP request响应足够快的话，其实速度说不上快但稳定，可以接受。但偏偏第三季度了，数据量上来了，最后一步得到response的时间达到了2秒多（因为这个请求是往mysql里存储新数据，数据量很大的情况下，存储会慢很多），若是一个压缩包有一万条数据，那处理该文件的时间能达到6小时左右，每天可能有几十个这样的压缩包进入监测文件系统。（意思是 要用这个玩具车 去工地盖大楼了，无语......）

话说，对这样一个简单直接的逻辑，能想到几种优化方法？

1. 批量插入数据，在最后一步HTTP请求中批量发送数据，批量入库，这样比一个请求创建一个文件相关的数据快多了。

   BUT: 看了一下项目的代码，在HTTP请求发送后，入库的逻辑不是简单的创建一条数据，还会有：

   • 关联关系表的数据创建。

   • 非关联关系表的数据创建。

   • 每条数据入库前需要检查是否符合配置要求，不符合需剔除。

   • 需用规则表查寻规则信息，看情况为每条数据创建任务，并将任务记录在另一个表中。

   • 每个入库请求执行完需要记录成功数量和失败原因。

   所以批量入库会有不小的麻烦，但也不是不可能，只要考虑的全面一些。我怕麻烦，果断pass

2. 多线程处理队列任务，在第二步中，仅用了单线程去处理队列（blocked）任务

   由于GIL和blocked Queue等原因，多线程和单线程应该没差

3. 多进程

   需要考虑进程间通信等因素，说实话，我一直觉得，直接用Python的multiprocessing不是个好主意，除非你是大神，否则会遇到很多Errors，即使能跑起来，稳定性也会让你自我怀疑。

4. 最简单的应该就是对最后一个for循环下手了，异步发送数据入库请求，不要一个等一个，就会快很多了，我觉得这个是最简单快速的处理方法。

   首先，这样对原始逻辑的改动不大，又能实现目的，何乐而不为。

   通常在Python中我们进行并发编程一般都是使用多线程或者多进程来实现的，对于计算型任务由于GIL的存在我们通常使用多进程来实现，而对于IO型任务我们可以通过线程调度来让线程在执行IO任务时让出GIL，从而实现表面上的并发。其实对于IO型任务我们还有一种选择就是协程，协程是运行在单线程当中的"并发"，协程相比多线程一大优势就是省去了多线程之间的切换开销，获得了更大的运行效率。

重写的过程中（是的推翻重写，玩具就是玩具），看到了asyncio，之前从没用过，来学习一下。

asyncio 异步I/O

asyncio 是用来编写 并发 代码的库，使用async/await 语法。 asyncio 被用作多个提供高性能 Python 异步框架的基础，包括网络和网站服务，数据库连接库，分布式任务队列等等。

asyncio 可以实现单线程并发IO操作， 由于HTTP连接就是IO操作，因此可以用单线程+coroutine实现多用户的高并发支持。

asyncio实现了TCP、UDP、SSL等协议，aiohttp则是基于asyncio实现的HTTP框架。

为了简化并更好地标识异步IO，从Python3.5开始引入了新的语法async和await，可以让coroutine的代码更简洁易读。

Eventloop

Eventloop可以说是asyncio应用的核心，是中央总控。Eventloop实例提供了注册、取消和执行任务和回调的方法。

把一些异步函数(就是任务，Task，一会就会说到)注册到这个事件循环上，事件循环会循环执行这些函数(但同时只能执行一个)，当执行到某个函数时，如果它正在等待I/O返回，事件循环会暂停它的执行去执行其他的函数；当某个函数完成I/O后会恢复，下次循环到它的时候继续执行。因此，这些异步函数可以协同(Cooperative)运行：这就是事件循环的目标。

Coroutine

协程，又称微线程，纤程，英文名Coroutine。协程的作用是在执行函数A时可以随时中断去执行函数B，然后中断函数B继续执行函数A（可以自由切换）。但这一过程并不是函数调用，这一整个过程看似像多线程，然而协程只有一个线程执行。

协程(Coroutine)本质上是一个函数，特点是在代码块中可以将执行权交给其他协程

Future

它代表了一个「未来」对象，异步操作结束后会把最终结果设置到这个Future对象上。Future是对协程的封装，不过日常开发基本是不需要直接用这个底层Future类的。

Task

Eventloop除了支持协程，还支持注册Future和Task 2种类型的对象，那为什么要存在Future和Task这2种类型呢？

先回忆前面的例子，Future是协程的封装，Future对象提供了很多任务方法(如完成后的回调、取消、设置任务结果等等)，但是开发者并不需要直接操作Future这种底层对象，而是用Future的子类Task协同的调度协程以实现并发

最后一个循环的请求发送要提出来一个异步函数了，用async 修饰

async def send_request(data, semaphore):
    async with semaphore:
        async with ClientSession() as _session:
            async with _session.post(url, data=data) as res:
                if res.status == 200:
                    print("入库成功")
                    # content_type设置为None不去检查content type，可以避免response解析错误，因为下面调用了json
                    content = res.json(content_type=None, encoding="utf-8")
                else:
                    # 或在此分类错误返回信息
                    print("入库失败")
                    content = {"error": "解析失败"}
                # 请求的服务端是Django项目，一个请求就会创建一个连接，拿到结果后使用close可避免占用连接过多
                res.close()
                # 因为我的逻辑需要统计入库信息，所以要结果返回，若不需要结果，则不用返回
                return content

常见错误

• aiohttp message='Attempt to decode JSON with unexpected mimetype: text/html;

  或者是另一种content type application/json，都有可能遇到，

• RuntimeWarning: Enable tracemalloc to get the object allocation traceback

  调用async标记的函数时没有使用前缀 await 修饰

• Too many connections

        Django后端可能并发处理两个请求，会创建重复数据，解决方法是设置unique属性