服务端

现在有一个api接口 http://127.0.0.1:18081/hello 批量请求该接口，该接口中有一个5s的阻塞。使用循环，多进程，多线程，协程等四种方式，一共请求10次，比较总的请求耗时。

import time
from flask import Flask

app = Flask(__name__)


@app.route('/hello')
def hello_world():
    time.sleep(5)
    return "hello world"


if __name__ == '__main__':
    app.run(port=8090, host="0.0.0.0")

四种请求方法

请求函数

请求接口使用最常见好用的http请求包requests，三种请求方法使用同一个函数。
函数如下：

def blocking_way():
    res = requests.get("http://172.16.9.124:8090/hello")
    return res.content

循环

循环调用请求函数10次

# 同步
def sync_way():
    res = []
    for i in range(10):
        res.append(blocking_way())
    return len(res)

start = time.time()
res = sync_way()
print(res)
end = time.time()
print("**********sync************")
print(end-start)

结果：
50.0388023853302

多进程

开启10个进程并发请求函数

# 多进程
def process_way():
    workers = 10
    with futures.ProcessPoolExecutor(workers) as executor:
        futs = {executor.submit(blocking_way) for i in range(10)}

    return len([fut.result() for fut in futs])

start = time.time()
res = process_way()
end = time.time()
print("**************process***********")
print(end-start)

结果：
5.066945791244507

多线程

开启10个线程并发请求函数

# 多线程
def thread_way():
    worker = 10
    with futures.ThreadPoolExecutor(worker) as executor:
        futs = {executor.submit(blocking_way) for i in range(10)}

    return len([fut.result() for fut in futs])

start = time.time()
res = thread_way()
end = time.time()
print("**************threading***********")
print(end-start)

结果：
5.034665822982788

协程

开启10个协程

import aiohttp
import asyncio


async def fetch(url):
    async with aiohttp.ClientSession(loop=loop) as session:
        async with session.get(url) as response:
            response = await response.read()
            return response


if __name__ == "__main__":
    import time
    start = time.time()
    url = "http://127.0.0.1:8090/hello"
    loop = asyncio.get_event_loop()
    tasks = [fetch(url) for i in range(10)]
    res = loop.run_until_complete(asyncio.gather(*tasks))
    end = time.time()
    print(end-start)

结果：
5.018295049667358

耗时比较

并发类型	耗时单位秒
循环	50.0388023853302
多进程	5.066945791244507
多线程	5.034665822982788
协程	5.018295049667358

分析

同步
每一次请求会阻塞5s，因为10个请求是按照顺序执行，所有一共阻塞50s左右

多进程
开启10个进程，每一个进程完成一次请求，请求之间是互相隔离的，10个请求不存在阻塞。理论上来说10个请求相当于1个请求，所以也就相当于1次请求的时间5s左右

多线程
多线程是一个进程中的并发，也就是说10次请求是在一个进程中完成的。由于GIL锁的存在，一个Python进程中，只允许有一个线程处于运行状态。

为什么线程结果还是如预期，耗时缩减到了十分之一？
因为python线程的调度机制。python遇到阻塞时当前线程会释放GIL，让别的线程有执行机会。所以一个线程执行到 requests.get 时让出GIL，下一个线程执行，这个过程就不存在阻塞。
当第一个让出GIL锁的线程下一次被调度到就有可能已经完成接口请求，下面就是执行剩下的逻辑。整个执行过程主要是阻塞的时间，业务逻辑耗时非常少，所以从10个请求整体来看是非阻塞的。

为什么进程的时间略多于线程呢？
因为进程切换时的上下文切换花费时间高于线程。
进程在上下文切换是需要保存当前进程的寄存器，内存状态，所以耗时比较长。而线程切换耗时较少，所以多线程略快于多进程。

协程
从结果来看，协程似乎是最快的。虽然这里数据量较少，但是从理论分析可以得知这样的结论：协程是用户态的并发，没有cpu调度，协作式的cpu机制比线程的cpu竞争机制要快，因为协程中cpu一直在用户态，没有发生切换，对比线程少了10次切换。

结论

由此可以看出在IO频繁的业务中适合用多线程、协程

对比

类型	特点	优点	缺点
同步	-		同步阻塞的网络交互方式，效率低十分低下
多进程	使用多个cpu核心执行任务	有效减少同步过程的时间阻塞	进程切换开销较大，由于内存资源的限制，一个任务开启的进程数有限
多线程	使用一个cpu核心开启多个线程执行	执行任务更加轻量级，支持数百到数千的数量规模。遇到阻塞任务自动让出GIL，可以有效解决阻塞	GIL让多核cpu同时只能有一个工作。调度策略是抢占式，需要业务控制
协程	一个线程下的并发，没有cpu切换	没有cpu调度，使用系统的事件通知，耗时最少	协程并发需要相应模块的支持，目前模块异步的支持较少