Python3中contextvars模块是什么
不懂Python3中contextvars模块是什么?其实想解决这个问题也不难,下面让小编带着大家一起学习怎么去解决,希望大家阅读完这篇文章后大所收获。
在沛县等地区,都构建了全面的区域性战略布局,加强发展的系统性、市场前瞻性、产品创新能力,以专注、极致的服务理念,为客户提供网站设计制作、做网站 网站设计制作专业公司,公司网站建设,企业网站建设,品牌网站建设,营销型网站建设,外贸网站制作,沛县网站建设费用合理。
什么是上下文(Context)?
Context Variables,也就是「上下文变量」。
Context是一个包含了相关环境内容的对象。这不是什么很高深的设计,其实和我们的日常生活也是息息相关的。
举个比较实时的例子,权力的游戏第八季刚开播,如果你没看过前七季,不了解过去的剧情、人物关系、过去的种种主线副线发展,去看第八季第一集是完全看不懂的,因为你缺失了这个美剧的上下文。
上下文就带着这些信息,如果有一人非常了解过去的那些剧情甚至看过原著,Ta可以把那些第八季能关联到的故事、剧情搞一个视频剪辑(上下文对象),那么你不需要把过去完整的七季完整看一遍,可能花一个小时看看这个视频(获得上下文对象),就能继续看第八季(完成之后的操作)。
Flask的设计中就包含了Context(下面不再说上下文,而统一用Context)。这个设计有什么用呢?简单地说:可以在一些场景下隐式地传递变量
我们看一下Django和Sanic怎么传递请求对象Request:
# Django from django.http import HttpResponse def index(request): text = request.GET.get('text') return HttpResponse(f'Text is {text}') # Sanic from sanic import response app = Sanic() @app.route('/') async def index(request): text = request.args.get('text') return response.text(f'Text is {text}')
这2个框架都有一个问题:视图函数上要显式的传递request(请求对象)。我们再看看Flask的效果:
from flask import Flask, request app = Flask(__name__) @app.route('/') def index(): text = request.args.get('text') return f'Text is {text}'
在Flask中,request是import进来使用的(不需要就不用import),和视图解耦了。这种设计下,不需要像Django/Sanic那样把参数传来传去。
ThreadLocal
Flask怎么实现的呢?这就引出了ThreadLocal(本地线程)对象,看名字可以知道它是线程安全的,是单个线程自己的局部变量。Flask的实现中并没有直接用Python的ThreadLocal,而是自己实现了一个Local类,除了支持线程还支持了Greenlet的协程。
Q: 那为什么不用全局变量呢? A: 由于存在GIL,全局变量的修改必须加锁,会影响效率
先看一下线程库中ThreadLocal的例子:
❯ cat threadlocal_example.py import random import threading local_data = threading.local() def show(): name = threading.current_thread().getName() try: val = local_data.value except AttributeError: print(f'Thread {name}: No value yet') else: print(f'Thread {name}: {val}') def worker(): show() local_data.value = random.randint(1, 100) show() for i in range(2): t = threading.Thread(target=worker) t.start() ❯ python threadlocal_example.py Thread Thread-1: No value yet Thread Thread-1: 78 Thread Thread-2: No value yet Thread Thread-2: 64
可以感受到2个线程的状态互不影响。回到Flask,请求Context在内部作为一个栈来维护(应用Context在另外一个栈)。每个访问Flask的请求,会绑定到当前的Context,等请求结束后再销毁。维护的过程由框架实现,开发者不需要关心,你只需要用flask.request就可以了,这样就提高了接口的可读性和扩展性。
contextvars例子
threading.local的隔离效果很好,但是他是针对线程的,隔离线程之间的数据状态。但是现在有了asyncio,怎么办?
biu~ 我们回到contextvars,这个模块提供了一组接口,可用于管理、储存、访问局部Context的状态。我们看个例子:
❯ cat contextvar_example.py import asyncio import contextvars # 申明Context变量 request_id = contextvars.ContextVar('Id of request') async def get(): # Get Value print(f'Request ID (Inner): {request_id.get()}') async def new_coro(req_id): # Set Value request_id.set(req_id) await get() print(f'Request ID (Outer): {request_id.get()}') async def main(): tasks = [] for req_id in range(1, 5): tasks.append(asyncio.create_task(new_coro(req_id))) await asyncio.gather(*tasks) asyncio.run(main()) ❯ python contextvar_example.py Request ID (Inner): 1 Request ID (Outer): 1 Request ID (Inner): 2 Request ID (Outer): 2 Request ID (Inner): 3 Request ID (Outer): 3 Request ID (Inner): 4 Request ID (Outer): 4
可以看到在数据状态协程之间互不影响。注意上面contextvars.ContextVar的传入的第一个参数(name)值是一个字符串,它主要是用来标识和调试的,并不一定要用一个单词或者用下划线连起来。
注意,这个模块不仅仅给aio加入Context的支持,也用来替代threading.local()。
在Python 3.6使用contextvars
contextvars实现了PEP 567, 如果在Python3.6想使用可以用MagicStack/contextvars这个向后移植库,它和标准库都是同一个作者写的,可以放心使用。用之前你需要安装它:
pip install contextvars aiotask_context
在Sanic里面request确实没有用Context,那在aio体系里面怎么用呢?原来我会使用一个独立的库aiotask_context,在我的技术博客项目中就有用到,我简化一下这部分的代码(延伸阅读3的commit):
# ext.py import aiotask_context as context # noqa # app.py from ext import context client = None @app.listener('before_server_start') async def setup_db(app, loop): global client client = aiomcache.Client(config.MEMCACHED_HOST, config.MEMCACHED_PORT, loop=loop) loop.set_task_factory(context.task_factory) @app.middleware('request') async def setup_context(request): context.set('memcache', client) # models/mc.py _memcache = None async def get_memcache(): global _memcache if _memcache is not None: return _memcache memcache = context.get('memcache') _memcache = memcache return memcache
按执行过程,我解释一下:
app.py默认client是None,在before_server_start中会设置初始化一个aiomcache.Client,用global设置给client
每次请求,通过context.set('memcache', client)把client设置到Context里面
在实际业务中,直接用context.get('memcache')获取这个client。整个逻辑中见不到client传来传去,也不需要给request设置额外的属性
有一点要提,在Python 3.6, context接受的参数必须是ContextVar对象,要这么写:
if PY36: import contextvars memcache_var = contextvars.ContextVar('memcache') else: memcache_var = 'memcache' try: memcache = context.get(memcache_var) except AttributeError: # Hack for debug mode memcache = None
这里捕获了AttributeError,主要是在ipython中调试,由于没有启动Sanic所以没有设置上下文,所以需要异常处理一下。
contextvars的真实例子
接着替换成contextvars(延伸阅读链接4的commit):
# models/var.py import contextvars memcache_var = contextvars.ContextVar('memcache') # app.py from models.var import memcache_var client = None @app.listener('before_server_start') async def setup_db(app, loop): global client client = aiomcache.Client(config.MEMCACHED_HOST, config.MEMCACHED_PORT, loop=loop) @app.middleware('request') async def setup_context(request): memcache_var.set(client) # models/mc.py from models.var import memcache_var _memcache = None async def get_memcache(): global _memcache if _memcache is not None: return _memcache memcache = memcache_var.get() _memcache = memcache return memcache
在这种模式下,memcache(redis)等实例对象不需要放在request对象里面,也不需要传来传去,而是放在一个上下文中,需要时直接通过memcache_var.get()就可以拿到,继而操作缓存了。
感谢你能够认真阅读完这篇文章,希望小编分享Python3中contextvars模块是什么内容对大家有帮助,同时也希望大家多多支持创新互联,关注创新互联行业资讯频道,遇到问题就找创新互联,详细的解决方法等着你来学习!
当前名称:Python3中contextvars模块是什么
URL分享:http://myzitong.com/article/jjedie.html