Python中 Sync与 Async执行快慢的实例比较分析

发布时间：2023-03-29 14:00:04 所属栏目：教程来源：

导读：这篇文章主要讲解了“Python中Sync与Async执行速度快慢实例对比分析”，文中的讲解内容简单清晰，易于学习与理解，下面请大家跟着小编的思路慢慢深入，一起来研究和学习“Python中Sync与Async执行速度

这篇文章主要讲解了“Python中Sync与Async执行速度快慢实例对比分析”，文中的讲解内容简单清晰，易于学习与理解，下面请大家跟着小编的思路慢慢深入，一起来研究和学习“Python中Sync与Async执行速度快慢实例对比分析”吧！

1.一个简单的例子
首先先从一个例子了解两种调用方法的差别, 为了能清晰的看出他们的运行时长差别，都让他们重复运行10000次，具体代码如下：

n_call = 10000

# sync的调用时长
def demo(n: int) -> int:
return n ** n

s_time = time.time()
for i in range(n_call):
demo(i)
print(time.time() - s_time)

# async的调用时长
async def sub_demo(n: int) -> int:
return n ** n

async def async_main() -> None:
for i in range(n_call):
await sub_demo(i)

loop = asyncio.get_event_loop()
s_time = time.time()
loop.run_until_complete(async_main())
print(time.time() - s_time)

# 输出
# 5.310615682601929
# 5.614157438278198
可以看得出来， sync的语法大家都是很熟悉，而async的语法比较不一样，函数需要使用async def开头，同时调用async def函数需要使用await语法，运行的时候需要先获取线程的事件循环，然后在通过事件循环来运行async_main函数来达到一样的效果，但是从运行结果的输出可以看得出, sync的语法在这个场景中比async的语法速度快了一些些（由于Python的GIL原因，这里无法使用多核的性能，只能以单核来跑）。

造成这样的原因是同样由同一个线程执行的情况下(cpu单核心)，async的调用还需要经过一些事件循环的额外调用，这会产生一些小开销，从而运行时间会比sync的慢，同时这是一个纯cpu运算的示例，而async的的优势在于网络io运算，在这个场景无法发挥优势，但会在高并发场景则会大放光彩, 造成这样的原因则是因为async是以协程运行的， sync是以线程运行的。

NOTE: 目前所说的async语法都是支持网络io，而文件系统的异步io还不是非常的完善，所以文件系统的异步读写是通过封装交给多线程去处理，而不是协程。

2.一个io的例子
为了了解async在io场景下的运行优势，先假定有一个io场景--Web后台服务通常需要处理许多请求，所有请求都是从不同的客户端发出的，示例如图：

（编辑：汽车网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!