Ответ 1
Во-первых, я не могу воспроизвести разницу в производительности, почти такую же, как та, что вы видите на моей машине Linux. Я последовательно вижу около 20-25 секунд для версии с резьбой и между 24-34 секундами для версии asyncio.
Теперь, почему asyncio медленнее? Есть несколько вещей, которые способствуют этому. Во-первых, версия asyncio должна печатать последовательно, но в поточной версии нет. Печать - это ввод-вывод, поэтому GIL может быть выпущен во время его выполнения. Это означает, что потенциально два или более потока могут печататься в одно и то же время, хотя на практике это может не часто случаться и, вероятно, не делает такой большой разницы в производительности.
Во-вторых, и что более важно, версия asyncio getaddrinfo на самом деле просто вызывает socket.getaddrinfo в ThreadPoolExecutor:
def getaddrinfo(self, host, port, *,
family=0, type=0, proto=0, flags=0):
if self._debug:
return self.run_in_executor(None, self._getaddrinfo_debug,
host, port, family, type, proto, flags)
else:
return self.run_in_executor(None, socket.getaddrinfo,
host, port, family, type, proto, flags)
Он использует по умолчанию ThreadPoolExecutor для этого который имеет только пять потоков:
# Argument for default thread pool executor creation.
_MAX_WORKERS = 5
Это не так много parallelism для этого прецедента. Чтобы сделать его более похожим на версию threading, вам нужно использовать ThreadPoolExecutor с 1000 потоками, установив его как исполнителя по умолчанию через loop.set_default_executor:
loop = asyncio.get_event_loop()
loop.set_default_executor(ThreadPoolExecutor(1000))
coroutines = asyncio.wait([getaddr(loop, i+site) for i in create_host(char)])
loop.run_until_complete(coroutines)
Теперь это сделает поведение более эквивалентным threading, но реальность здесь , вы действительно не используете асинхронный ввод-вывод - вы просто используете threading с другим API. Таким образом, лучше всего вы можете сделать здесь то же самое, что и пример threading.
Наконец, в каждом примере вы не используете эквивалентный код - версия threading использует пул работников, которые делят queue.Queue, в то время как версия asyncio порождает сопрограмму для каждого отдельного в списке URL. Если я сделаю версию asyncio для использования asyncio.Queue и пула сопрограмм, помимо удаления операторов печати и создания более крупного исполнителя по умолчанию, я получаю практически идентичную производительность с обеих версий. Здесь новый asyncio код:
import asyncio
import string
import time
from concurrent.futures import ThreadPoolExecutor
start = time.time()
def create_host(char):
for i in char:
yield i
for i in create_host(char):
if len(i)>1:
return False
for c in char:
yield c + i
char = string.digits + string.ascii_lowercase
site = '.google.com'
@asyncio.coroutine
def getaddr(loop, q):
while True:
url = yield from q.get()
if not url:
break
try:
res = yield from loop.getaddrinfo(url,80)
except:
pass
@asyncio.coroutine
def load_q(loop, q):
for host in create_host(char):
yield from q.put(host+site)
for _ in range(NUM):
yield from q.put(None)
NUM = 1000
q = asyncio.Queue()
loop = asyncio.get_event_loop()
loop.set_default_executor(ThreadPoolExecutor(NUM))
coros = [asyncio.async(getaddr(loop, q)) for i in range(NUM)]
loop.run_until_complete(load_q(loop, q))
loop.run_until_complete(asyncio.wait(coros))
end = time.time()
print(end-start)
И вывод каждого из них:
[email protected]:~$ python3 threaded_example.py
20.409344911575317
[email protected]:~$ python3 asyncio_example.py
20.39924192428589
Обратите внимание, что существует некоторая изменчивость, связанная с сетью. Оба они будут иногда на несколько секунд медленнее, чем это.