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
这是一个创建于 1927 天前的主题，其中的信息可能已经有所发展或是发生改变。
任务量不算很大，用不上专门的队列。每次任务大约耗时 5 秒左右，一分钟任务总次数 10 次以内，单机性能还可以不算很紧张。
选用 thread 和 asyncio 异步处理都能完成任务，涉及到网络 IO，所以 2 者实际完成任务是时间差别不大。不知道这种任务负荷，长期下来，thread 和 asyncio 对比，asyncio 能节省多少 cpu 及内存性能？有经验的朋友说下吗
选用 thread 和 asyncio 异步处理都能完成任务，涉及到网络 IO，所以 2 者实际完成任务是时间差别不大。不知道这种任务负荷，长期下来，thread 和 asyncio 对比，asyncio 能节省多少 cpu 及内存性能？有经验的朋友说下吗
 |
1
SD10 2019-09-14 12:51:01 +08:00 via Android
是提升性能吧，同步 IO 的话 CPU 会在等着，异步在同一个线程内提高 CPU 利用率，由代码控制，thread 是用操作系统轮转来提高利用率，纯粹比 CPU 利用率效率要低，但是适合并行。所以得看你任务的 IO/ 计算 比例啊。
|
 |
2
miniyao OP @SD10 是的，考虑相比能提升多少性能。任务对 cpu 计算消耗不大，主要是等外部 api 计算完成返回后，再在本地简单处理一下数据就可以。
|
 |
3
alamaya 2019-09-14 13:08:47 +08:00
你这个任务频率和执行时间，单线程阻塞都搞定了，搞这些花里胡哨的好像没啥意义
|
 |
5
cwjokaka 2019-09-14 13:29:23 +08:00
任务少的话，两者基本没差别，多的话异步优势会体现出来
|
 |
6
littlewing 2019-09-14 13:30:37 +08:00 via iPhone
看需要多少个线程，如果太多，几千或上万，就用异步
|
 |
7
luozic 2019-09-14 13:32:57 +08:00 via iPhone
测试环境用来 benvhmark 跑一下；不同具体业务实现 结果本来就不同
|
 |
9
Allianzcortex 2019-09-14 13:42:20 +08:00 via iPhone
@ipwx 加个 loading 的 gif 转啊转😘
|
 |
10
iPhoneXI 2019-09-14 13:44:37 +08:00 via Android
任务量小没区别，选代码量少容易开发维护的方式
|
|
11
iPhoneXI 2019-09-14 13:46:46 +08:00 via Android
@iPhoneXI 线程的话，可以用 concurrent.futures，写起来方便，也容易和 asyncio 集成
|
 |
12
wzwwzw 2019-09-14 13:46:50 +08:00
如果项目初期没有用 asyncio 的话，还是不要选 asyncio 吧。
|
 |
13
skinny 2019-09-14 13:59:11 +08:00
感觉 asyncio 并不好用，对我来说它有点鸡肋，使用上很复杂，效率提升也不明显，它的高级 API 拖慢了性能，低级 API 又太复杂，我感觉它的低级 API 比那种 callback 模式的更难用更难理解。
如果非常在乎性能也不会用 Python，稍微只是想改进效率的话还要异步编程有其它第三方库，如果是重头开始用 Python 写我更倾向多线程。 |
 |
14
qiyuey 2019-09-14 14:51:39 +08:00  1
有过压测，全异步情况下 QPS 提升 30%的同时，CPU 使用率降低 15%。
|
 |
15
artandlol 2019-09-14 14:55:04 +08:00 via Android
建议用 goroutine 性能反而高些
|
 |
16
LokiSharp 2019-09-14 15:38:42 +08:00 via iPhone
cpu 密集换个语言开发比较合适
|
 |
17
ClericPy 2019-09-14 17:21:37 +08:00
爬虫试过, 内存确实有节省, 不过上千并发以内不太明显, 也就几十兆
对我来说异步更大的好处是编程理念, 而不是那些不太缺的资源... 写的代码不用关心阻塞主线程 |
 |
18
optional 2019-09-14 17:41:14 +08:00 via Android
web 服务请老老实实用队列
|
 |
19
cabbage 2019-09-14 18:34:47 +08:00 via Android
性能不敏感的话不建议 asyncio，对开发侵入性很大，使用不方便，对非异步代码、非异步第三方库的兼容性问题也比较突出。对性能敏感的话都不建议用 Python 了，，，还是觉得 threading 比较符合 Python 的理念
|
 |
20
hspeed18 2019-09-14 19:02:39 +08:00
两种方式都压测一下看看 qps，内存，cpu 不就一目了然了吗，不要瞎猜。
|
 |
21
so1n 2019-09-14 22:27:15 +08:00
asynico 一般比 thread 省去了进程切换时的上下文切换
|
 |
22
a719114136 2019-09-15 01:39:43 +08:00 via Android
1 分钟就 10 次而已，各项指标上不会有多大区别。对哪个熟悉用哪个。
对于更多的并发，只有实测才知道 |
 |
23
watsy0007 2019-09-15 22:53:46 +08:00
基于你说的...建议熟悉的方案快速怼完. 做好异常处理.
过早的优化是万恶之源. 抛开这个, threading 和 asyncio 对 cpu 和内存的性能影响.主要基于看场景. 对于 IO 密集型的. 用 asyncio 比起 threading, 资源利用率更高效. 否则区别不大. 我建议很多 threading 里面 循环 ` await http request` 没啥区别. |
Select Language