请教一个异步 asyncio 的问题 - V2EX
V2EX = way to explore
V2EX 是一个关于分享和探索的地方
现在注册
已注册用户请  登录
推荐学习书目
Learn Python the Hard Way
Python Sites
PyPI - Python Package Index
http://diveintopython.org/toc/index.html
Pocoo
值得关注的项目
PyPy
Celery
Jinja2
Read the Docs
gevent
pyenv
virtualenv
Stackless Python
Beautiful Soup
结巴中文分词
Green Unicorn
Sentry
Shovel
Pyflakes
pytest
Python 编程
pep8 Checker
Styles
PEP 8
Google Python Style Guide
Code Style from The Hitchhiker's Guide
meowoo
V2EX    Python

请教一个异步 asyncio 的问题

  •  
  •   meowoo 2018-12-02 19:46:44 +08:00 3298 次点击
    这是一个创建于 2506 天前的主题,其中的信息可能已经有所发展或是发生改变。

    想写一个分析日志的工具,用 asyncio 处理的时候,想大家帮忙看一下哪里有问题,实际处理日志的时候,readlines 的时候,一个 650m 的文件需要 3 秒多,然后往字典里面加的时候需要 8 秒多,所以一个文件要 12 秒多,

    现在的效果是,多个文件消耗的时间就是 12*n,就是说并没有提升,不是说 await 的时候,会把当前执行的内容挂起,然后执行下一个任务么,可能是我哪里有问题,麻烦大家给看看,代码如下。

    import asyncio

    import re

    import time

    from pathlib import Path

    ip_find = re.compile(r'((25[0-5]|2[0-4]\d|((1\d{2})|([1-9]?\d))).){3}(25[0-5]|2[0-4]\d|((1\d{2})|([1-9]?\d)))')

    ip_database = dict()

    async def ip_address(log):

     """分析 ip""" with open(log) as f: log_data = f.readlines() try: for log_ips in log_data: ip_search = ip_find.search(log_ips) if ip_search: ip_database[ip_search.group(0)] = ip_database.get(ip_search.group(0), 0) + 1 except Exception as e: print(e) 

    async def generator(log):

     await ip_address(log) 

    if __name__ == '__main__':

     path = Path(r"D:\anlysis_log") start = time() loop = asyncio.get_event_loop() tasks = [generator(x) for x in path.iterdir()] loop.run_until_complete(asyncio.wait(tasks)) loop.close() 
    21 条回复    2018-12-05 13:46:58 +08:00
    111111111111
        1
    111111111111  
       2018-12-02 20:02:03 +08:00 via Android
    asyncio 挂起的是 io 等待,可不包括正则啊
    meowoo
        2
    meowoo  
    OP
       2018-12-02 20:04:38 +08:00
    @111111111111 log_data = f.readlines() 这个不是 io 等待么,读取文件啊,还是说要函数整体
    sunwei0325
        3
    sunwei0325  
       2018-12-02 20:13:20 +08:00
    用 aiofiles 或者将读取文件的操作放到线程池 /进程池里面
    wwwjfy
        4
    wwwjfy  
       2018-12-02 20:14:41 +08:00
    - asyncio 的任务是显式的,有 await 才会切回到 event loop,不是在 function 前面加 async 就行。可以试试 https://github.com/Tinche/aiofiles
    - 这里的瓶颈在磁盘 IO,asyncio 作用应该不会太明显;作用更大的地方是多个 IO 并行执行的时候,这里在读磁盘的时候就去那里执行 CPU 操作,另一个任务可能在等网络请求返回
    AlisaDestiny
        5
    AlisaDestiny  
       2018-12-02 20:19:20 +08:00
    你没理解 1 楼的意思,他是说你的程序消耗的时间主要在正则查找这里,也就是这条语句:ip_search = ip_find.search(log_ips)。
    meowoo
        6
    meowoo  
    OP
       2018-12-02 20:29:24 +08:00
    @sunwei0325 好的谢谢,我看下这个库
    meowoo
        7
    meowoo  
    OP
       2018-12-02 20:32:28 +08:00
    @wwwjfy 我原来理解的是如果 await 的函数在坐 io 等待,就会切换 event loop,就是我在 ip_address 中等待读取文件,这个时间应该切换到下一个 event,等待读取后再继续操作,现在看来理解是有问题的,我去看看 aiofiles 库,多谢。
    meowoo
        8
    meowoo  
    OP
       2018-12-02 20:33:01 +08:00
    @AlisaDestiny 但是上面文件读取也是在耗时啊,多少会有点儿提升的把
    clearT
        9
    clearT  
       2018-12-02 23:34:16 +08:00
    asyncio 好像不支持异步的读取文件,即使设置为非阻塞读取模式,所以是不会引起切换的。
    [Asyncio Wiki]( https://github.com/python/asyncio/wiki/ThirdParty#filesystem)
    meowoo
        10
    meowoo  
    OP
       2018-12-03 00:24:13 +08:00
    @clearT 看到了 感觉不适合用 python 写了
    congeec
        11
    congeec  
       2018-12-03 11:34:09 +08:00
    @meowoo 问题不在异 asyncio 不支持异步文件读取。run_in_executor 之类的很容易把同步代码封装成异步代码。
    瓶颈在#4 @wwwjfy 说的磁盘 IO,你就一个磁盘。正则表达式那块儿可以用 concurrent.futures.ProcessPoolExecutor + asyncio.get_event_loop().run_in_executor() 解决,前提是你有多核处理器

    正则那儿可以用 pcre with jit 加速。换个语言也快不到哪儿去
    no1xsyzy
        12
    no1xsyzy  
       2018-12-03 14:08:48 +08:00
    正则写错了一处, "." 表示匹配任何字符,而不是 ip 地址中的分隔点。
    meowoo
        13
    meowoo  
    OP
       2018-12-03 20:29:56 +08:00
    @congeec 现在用 aiofiles 是异步读取的文件,用 async for 去异步执行正则匹配的时候,print 的代码也看到是异步的,但是超级慢,比去掉 async 快了 15 倍 以上 ,现在我晕了已经,不知道咋回事。
    meowoo
        14
    meowoo  
    OP
       2018-12-03 20:30:10 +08:00
    @no1xsyzy 没错的 前面有 r
    congeec
        15
    congeec  
       2018-12-04 03:48:09 +08:00
    @meowoo 贴代码啊
    no1xsyzy
        16
    no1xsyzy  
       2018-12-04 10:02:45 +08:00
    @meowoo 那么你连 r 是什么意思都没明白,`r`是拒绝 Python 字符串转义啊,并不会影响正则的意思。
    你要说 `r` 让 "." 不生效(具有正则表达式含义),那么 "\d" "(" ")" "{" "}" "[0-5]" 也不会生效啊。
    >>> import re
    >>> re.compile(r'((25[0-5]|2[0-4]\d|((1\d{2})|([1-9]?\d))).){3}(25[0-5]|2[0-4]\d|((1\d{2})|([1-9]?\d)))').search("3|3|3|
    3")
    <re.Match object; span=(0, 7), match='3|3|3|3'>
    no1xsyzy
        17
    no1xsyzy  
       2018-12-04 10:08:53 +08:00
    另外,不要做干净正则,做个脏正则就行了,
    ((?:\d{1,3}\.){3}\d{1,3})
    在反复出现没搜索到的情况(就是说 [不是] 一行单一个 IP 结束的情况)
    meowoo
        18
    meowoo  
    OP
       2018-12-05 01:50:57 +08:00
    @no1xsyzy 受教了,是我想偏了,而日志中又没出现这种情况,让我以为没问题
    meowoo
        19
    meowoo  
    OP
       2018-12-05 01:55:31 +08:00
    @congeec 就是把读取文件改成 aiofiles, for 改成 async for
    我看了 debug 之后发现,每次进入 async for 的时候,都会 wait,重新回到 await ip_address(log) 中,然后到 event loop 去看有没有其他等待的 event,然后导致每一行在循环的时候都去 await 一次,结果特别慢,我个人理解,不知道对不对,请指教,async for 不是这样用的么?

    代码如下

    `async def ip_address(log):`

    """分析 ip"""
    async with open(log) as f:
    try:
    async for log_ips in f:
    ip_search = ip_find.search(log_ips)
    if ip_search:
    ip_database[ip_search.group(0)] = ip_database.get(ip_search.group(0), 0) + 1
    except Exception as e:
    print(e)
    congeec
        20
    congeec  
       2018-12-05 03:05:21 +08:00
    @meowoo 加 async 并不会让你的同步代码变成异步
    好好了解一下异步风格里的”让出执行”权吧
    看看下面的文章。划重点: asyncio.gather(), futures, ProcessPoolExecutor。理解 futures 你就知道怎么用同步风格写异步代码
    https://blog.konpat.me/python-turn-sync-functions-to-async/
    https://docs.python.org/3/library/asyncio-eventloop.html#id14
    meowoo
        21
    meowoo  
    OP
       2018-12-05 13:46:58 +08:00
    @congeec 好的我仔细看下 第一次用 有点儿懵
    关于     帮助文档     自助推广系统     博客     API     FAQ     Solana     932 人在线   最高记录 6679       Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.5 27ms UTC 18:45 PVG 02:45 LAX 11:45 JFK 14:45
    Do have faith in what you're doing.
    ubao snddm index pchome yahoo rakuten mypaper meadowduck bidyahoo youbao zxmzxm asda bnvcg cvbfg dfscv mmhjk xxddc yybgb zznbn ccubao uaitu acv GXCV ET GDG YH FG BCVB FJFH CBRE CBC GDG ET54 WRWR RWER WREW WRWER RWER SDG EW SF DSFSF fbbs ubao fhd dfg ewr dg df ewwr ewwr et ruyut utut dfg fgd gdfgt etg dfgt dfgd ert4 gd fgg wr 235 wer3 we vsdf sdf gdf ert xcv sdf rwer hfd dfg cvb rwf afb dfh jgh bmn lgh rty gfds cxv xcv xcs vdas fdf fgd cv sdf tert sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf shasha9178 shasha9178 shasha9178 shasha9178 shasha9178 liflif2 liflif2 liflif2 liflif2 liflif2 liblib3 liblib3 liblib3 liblib3 liblib3 zhazha444 zhazha444 zhazha444 zhazha444 zhazha444 dende5 dende denden denden2 denden21 fenfen9 fenf619 fen619 fenfe9 fe619 sdf sdf sdf sdf sdf zhazh90 zhazh0 zhaa50 zha90 zh590 zho zhoz zhozh zhozho zhozho2 lislis lls95 lili95 lils5 liss9 sdf0ty987 sdft876 sdft9876 sdf09876 sd0t9876 sdf0ty98 sdf0976 sdf0ty986 sdf0ty96 sdf0t76 sdf0876 df0ty98 sf0t876 sd0ty76 sdy76 sdf76 sdf0t76 sdf0ty9 sdf0ty98 sdf0ty987 sdf0ty98 sdf6676 sdf876 sd876 sd876 sdf6 sdf6 sdf9876 sdf0t sdf06 sdf0ty9776 sdf0ty9776 sdf0ty76 sdf8876 sdf0t sd6 sdf06 s688876 sd688 sdf86