Rumah pembangunan bahagian belakang Tutorial Python Corak Concurrency: Objek Aktif

Corak Concurrency: Objek Aktif

Dec 24, 2024 pm 07:27 PM

Concurrency Patterns: Active Object

pengenalan

Corak Objek Aktif ialah corak reka bentuk serentak yang memisahkan pelaksanaan kaedah daripada seruan kaedah. Matlamat utama corak ini adalah untuk memperkenalkan tingkah laku tak segerak dengan melaksanakan operasi dalam urutan berasingan, sambil menyediakan antara muka segerak kepada klien. Ini dicapai menggunakan gabungan penghantaran mesej, baris gilir permintaan dan mekanisme penjadualan.

Komponen Utama

  1. Proksi: Mewakili antara muka awam kepada pelanggan. Dalam istilah yang lebih mudah, ini adalah perkara yang pelanggan akan berinteraksi. Ia menterjemahkan panggilan kaedah kepada permintaan untuk objek aktif.
  2. Penjadual: Mengurus baris gilir permintaan dan menentukan susunan pelaksanaan permintaan.
  3. Hamba: Mengandungi pelaksanaan sebenar kaedah yang digunakan. Di sinilah logik pengiraan sebenar pergi.
  4. Baris Gilir Pengaktifan: Menyimpan permintaan daripada proksi sehingga penjadual memprosesnya.
  5. Masa Depan/Panggil Balik: Pemegang tempat untuk hasil pengiraan tak segerak.

Aliran kerja

  1. Pelanggan menggunakan kaedah pada proksi.
  2. Proksi membuat permintaan dan meletakkannya dalam baris gilir pengaktifan.
  3. Penjadual mengambil permintaan dan memajukannya kepada pelayan untuk dilaksanakan.
  4. Hasilnya dikembalikan kepada pelanggan melalui objek masa hadapan.

Kes Penggunaan

  • Sistem masa nyata yang memerlukan corak pelaksanaan yang boleh diramal.
  • Aplikasi GUI untuk memastikan urutan utama responsif.
  • Sistem teragih untuk mengendalikan permintaan tak segerak.

Perlaksanaan

Katakanlah kita perlu melakukan pengiraan, mungkin panggilan API, pertanyaan pangkalan data, dll. Saya tidak akan melaksanakan sebarang pengendalian pengecualian kerana saya terlalu malas.

def compute(x, y):
    time.sleep(2)  # Some time taking task
    return x + y
Salin selepas log masuk
Salin selepas log masuk

Tanpa Corak Objek Aktif

Di bawah ialah contoh cara kami mengendalikan permintaan serentak tanpa menggunakan Corak Objek Aktif.

import threading
import time


def main():
    # Start threads directly
    results = {}

    def worker(task_id, x, y):
        results[task_id] = compute(x, y)

    print("Submitting tasks...")
    thread1 = threading.Thread(target=worker, args=(1, 5, 10))
    thread2 = threading.Thread(target=worker, args=(2, 15, 20))

    thread1.start()
    thread2.start()

    print("Doing other work...")

    thread1.join()
    thread2.join()

    # Retrieve results
    print("Result 1:", results[1])
    print("Result 2:", results[2])


if __name__ == "__main__":
    main()
Salin selepas log masuk
Salin selepas log masuk

Kelemahan Pendekatan Di Atas

  • Pengurusan Benang: Pengurusan rangkaian secara langsung meningkatkan kerumitan, terutamanya apabila bilangan tugasan bertambah.

  • Kurang Abstraksi: Pelanggan bertanggungjawab menguruskan kitaran hayat benang, menggabungkan pengurusan tugasan dengan logik perniagaan.

  • Isu Kebolehskalaan: Tanpa baris gilir atau mekanisme penjadualan yang betul, tiada kawalan ke atas perintah pelaksanaan tugas.

  • Tindak Balas Terhad: Pelanggan perlu menunggu urutan untuk menyertai sebelum mengakses keputusan.

Pelaksanaan menggunakan Corak Objek Aktif

Di bawah ialah pelaksanaan Python bagi Corak Objek Aktif menggunakan benang dan baris gilir untuk melakukan perkara yang sama seperti di atas. Kami akan menelusuri setiap bahagian satu demi satu:

MethodRequest: Merangkumkan kaedah, hujah dan Masa Depan untuk menyimpan hasilnya.

def compute(x, y):
    time.sleep(2)  # Some time taking task
    return x + y
Salin selepas log masuk
Salin selepas log masuk

Penjadual: Memproses permintaan secara berterusan daripada activation_queue dalam urutan yang berasingan.

import threading
import time


def main():
    # Start threads directly
    results = {}

    def worker(task_id, x, y):
        results[task_id] = compute(x, y)

    print("Submitting tasks...")
    thread1 = threading.Thread(target=worker, args=(1, 5, 10))
    thread2 = threading.Thread(target=worker, args=(2, 15, 20))

    thread1.start()
    thread2.start()

    print("Doing other work...")

    thread1.join()
    thread2.join()

    # Retrieve results
    print("Result 1:", results[1])
    print("Result 2:", results[2])


if __name__ == "__main__":
    main()
Salin selepas log masuk
Salin selepas log masuk

Hamba: Melaksanakan logik sebenar (cth., kaedah pengiraan).

class MethodRequest:
    def __init__(self, method, args, kwargs, future):
        self.method = method
        self.args = args
        self.kwargs = kwargs
        self.future = future

    def execute(self):
        try:
            result = self.method(*self.args, **self.kwargs)
            self.future.set_result(result)
        except Exception as e:
            self.future.set_exception(e)
Salin selepas log masuk

Proksi: Menterjemah panggilan kaedah kepada permintaan dan mengembalikan Masa Depan untuk hasilnya.

import threading
import queue


class Scheduler(threading.Thread):
    def __init__(self):
        super().__init__()
        self.activation_queue = queue.Queue()
        self._stop_event = threading.Event()

    def enqueue(self, request):
        self.activation_queue.put(request)

    def run(self):
        while not self._stop_event.is_set():
            try:
                request = self.activation_queue.get(timeout=0.1)
                request.execute()
            except queue.Empty:
                continue

    def stop(self):
        self._stop_event.set()
        self.join()
Salin selepas log masuk

Pelanggan: Menyerahkan tugasan secara tidak segerak dan mendapatkan semula keputusan apabila diperlukan.

import time


class Servant:
    def compute(self, x, y):
        time.sleep(2)
        return x + y
Salin selepas log masuk

Kelebihan

  • Antara Muka Dipisahkan: Pelanggan boleh menggunakan kaedah tanpa perlu risau tentang butiran pelaksanaan.
  • Responsif: Pelaksanaan tak segerak memastikan pelanggan kekal responsif.
  • Skalabiliti: Menyokong berbilang permintaan serentak.

Keburukan

  • Kerumitan: Meningkatkan kerumitan seni bina.
  • Overhed: Memerlukan sumber tambahan untuk mengurus urutan dan baris gilir.
  • Latensi: Pemprosesan tak segerak mungkin memperkenalkan kependaman tambahan.

Kesimpulan

Corak Objek Aktif ialah alat yang berkuasa untuk mengurus operasi tak segerak dalam persekitaran berbilang benang. Dengan memisahkan penggunaan kaedah daripada pelaksanaan, ia memastikan tindak balas yang lebih baik, kebolehskalaan dan pangkalan kod yang lebih bersih. Walaupun ia datang dengan beberapa kerumitan dan potensi overhed prestasi, faedahnya menjadikannya pilihan yang sangat baik untuk senario yang memerlukan keselarasan tinggi dan pelaksanaan yang boleh diramal. Walau bagaimanapun, penggunaannya bergantung pada masalah khusus yang dihadapi. Seperti kebanyakan corak dan algoritma, tiada penyelesaian satu saiz yang sesuai untuk semua.

Rujukan

Wikipedia - Objek Aktif

Atas ialah kandungan terperinci Corak Concurrency: Objek Aktif. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Kenyataan Laman Web ini
Kandungan artikel ini disumbangkan secara sukarela oleh netizen, dan hak cipta adalah milik pengarang asal. Laman web ini tidak memikul tanggungjawab undang-undang yang sepadan. Jika anda menemui sebarang kandungan yang disyaki plagiarisme atau pelanggaran, sila hubungi admin@php.cn

Alat AI Hot

Undresser.AI Undress

Undresser.AI Undress

Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover

AI Clothes Remover

Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool

Undress AI Tool

Gambar buka pakaian secara percuma

Clothoff.io

Clothoff.io

Penyingkiran pakaian AI

Video Face Swap

Video Face Swap

Tukar muka dalam mana-mana video dengan mudah menggunakan alat tukar muka AI percuma kami!

Artikel Panas

<🎜>: Bubble Gum Simulator Infinity - Cara Mendapatkan dan Menggunakan Kekunci Diraja
4 minggu yang lalu By 尊渡假赌尊渡假赌尊渡假赌
Nordhold: Sistem Fusion, dijelaskan
4 minggu yang lalu By 尊渡假赌尊渡假赌尊渡假赌
Mandragora: Whispers of the Witch Tree - Cara Membuka Kunci Cangkuk Bergelut
3 minggu yang lalu By 尊渡假赌尊渡假赌尊渡假赌

Alat panas

Notepad++7.3.1

Notepad++7.3.1

Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina

SublimeText3 versi Cina

Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1

Hantar Studio 13.0.1

Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6

Dreamweaver CS6

Alat pembangunan web visual

SublimeText3 versi Mac

SublimeText3 versi Mac

Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Topik panas

Tutorial Java
1670
14
Tutorial PHP
1276
29
Tutorial C#
1256
24
Python vs C: Lengkung pembelajaran dan kemudahan penggunaan Python vs C: Lengkung pembelajaran dan kemudahan penggunaan Apr 19, 2025 am 12:20 AM

Python lebih mudah dipelajari dan digunakan, manakala C lebih kuat tetapi kompleks. 1. Sintaks Python adalah ringkas dan sesuai untuk pemula. Penaipan dinamik dan pengurusan memori automatik menjadikannya mudah digunakan, tetapi boleh menyebabkan kesilapan runtime. 2.C menyediakan kawalan peringkat rendah dan ciri-ciri canggih, sesuai untuk aplikasi berprestasi tinggi, tetapi mempunyai ambang pembelajaran yang tinggi dan memerlukan memori manual dan pengurusan keselamatan jenis.

Python dan Masa: Memanfaatkan masa belajar anda Python dan Masa: Memanfaatkan masa belajar anda Apr 14, 2025 am 12:02 AM

Untuk memaksimumkan kecekapan pembelajaran Python dalam masa yang terhad, anda boleh menggunakan modul, masa, dan modul Python. 1. Modul DateTime digunakan untuk merakam dan merancang masa pembelajaran. 2. Modul Masa membantu menetapkan kajian dan masa rehat. 3. Modul Jadual secara automatik mengatur tugas pembelajaran mingguan.

Python vs C: Meneroka Prestasi dan Kecekapan Python vs C: Meneroka Prestasi dan Kecekapan Apr 18, 2025 am 12:20 AM

Python lebih baik daripada C dalam kecekapan pembangunan, tetapi C lebih tinggi dalam prestasi pelaksanaan. 1. Sintaks ringkas Python dan perpustakaan yang kaya meningkatkan kecekapan pembangunan. 2. Ciri-ciri jenis kompilasi dan kawalan perkakasan meningkatkan prestasi pelaksanaan. Apabila membuat pilihan, anda perlu menimbang kelajuan pembangunan dan kecekapan pelaksanaan berdasarkan keperluan projek.

Pembelajaran Python: Adakah 2 jam kajian harian mencukupi? Pembelajaran Python: Adakah 2 jam kajian harian mencukupi? Apr 18, 2025 am 12:22 AM

Adakah cukup untuk belajar Python selama dua jam sehari? Ia bergantung pada matlamat dan kaedah pembelajaran anda. 1) Membangunkan pelan pembelajaran yang jelas, 2) Pilih sumber dan kaedah pembelajaran yang sesuai, 3) mengamalkan dan mengkaji semula dan menyatukan amalan tangan dan mengkaji semula dan menyatukan, dan anda secara beransur-ansur boleh menguasai pengetahuan asas dan fungsi lanjutan Python dalam tempoh ini.

Python vs C: Memahami perbezaan utama Python vs C: Memahami perbezaan utama Apr 21, 2025 am 12:18 AM

Python dan C masing -masing mempunyai kelebihan sendiri, dan pilihannya harus berdasarkan keperluan projek. 1) Python sesuai untuk pembangunan pesat dan pemprosesan data kerana sintaks ringkas dan menaip dinamik. 2) C sesuai untuk prestasi tinggi dan pengaturcaraan sistem kerana menaip statik dan pengurusan memori manual.

Yang merupakan sebahagian daripada Perpustakaan Standard Python: Senarai atau Array? Yang merupakan sebahagian daripada Perpustakaan Standard Python: Senarai atau Array? Apr 27, 2025 am 12:03 AM

Pythonlistsarepartofthestandardlibrary, sementara

Python: Automasi, skrip, dan pengurusan tugas Python: Automasi, skrip, dan pengurusan tugas Apr 16, 2025 am 12:14 AM

Python cemerlang dalam automasi, skrip, dan pengurusan tugas. 1) Automasi: Sandaran fail direalisasikan melalui perpustakaan standard seperti OS dan Shutil. 2) Penulisan Skrip: Gunakan Perpustakaan Psutil untuk memantau sumber sistem. 3) Pengurusan Tugas: Gunakan perpustakaan jadual untuk menjadualkan tugas. Kemudahan penggunaan Python dan sokongan perpustakaan yang kaya menjadikannya alat pilihan di kawasan ini.

Python untuk Pembangunan Web: Aplikasi Utama Python untuk Pembangunan Web: Aplikasi Utama Apr 18, 2025 am 12:20 AM

Aplikasi utama Python dalam pembangunan web termasuk penggunaan kerangka Django dan Flask, pembangunan API, analisis data dan visualisasi, pembelajaran mesin dan AI, dan pengoptimuman prestasi. 1. Rangka Kerja Django dan Flask: Django sesuai untuk perkembangan pesat aplikasi kompleks, dan Flask sesuai untuk projek kecil atau sangat disesuaikan. 2. Pembangunan API: Gunakan Flask atau DjangorestFramework untuk membina Restfulapi. 3. Analisis Data dan Visualisasi: Gunakan Python untuk memproses data dan memaparkannya melalui antara muka web. 4. Pembelajaran Mesin dan AI: Python digunakan untuk membina aplikasi web pintar. 5. Pengoptimuman Prestasi: Dioptimumkan melalui pengaturcaraan, caching dan kod tak segerak

See all articles