Python 更新非同步支援的互通性
自從我上次更新 IoP 以來已經有一段時間了。 我們一起追吧!
IoP 命令列介面已新增重大增強功能:
-
名稱變更:
grongier.pex
模組已重新命名為iop
以與專案的新品牌保持一致。 - 非同步支援: IoP 現在完全支援非同步函數和協程。
項目重新命名
grongier.pex
模組仍然可存取以實現向後相容性,但將在未來版本中刪除。 使用iop
模組進行新的開發。
非同步功能
雖然 IoP 長期以來支援非同步調用,但之前無法直接使用非同步函數和協程。 在探索這個新功能之前,讓我們先回顧一下 InterSystems IRIS 中的非同步呼叫功能,並研究兩個範例。
舊版非同步呼叫
這說明了傳統方法:
from iop import BusinessProcess from msg import MyMessage class MyBP(BusinessProcess): def on_message(self, request): msg_one = MyMessage(message="Message1") msg_two = MyMessage(message="Message2") self.send_request_async("Python.MyBO", msg_one, completion_key="1") self.send_request_async("Python.MyBO", msg_two, completion_key="2") def on_response(self, request, response, call_request, call_response, completion_key): if completion_key == "1": self.response_one = call_response elif completion_key == "2": self.response_two = call_response def on_complete(self, request, response): self.log_info(f"Received response one: {self.response_one.message}") self.log_info(f"Received response two: {self.response_two.message}")
這反映了 IRIS 中的非同步呼叫行為。 send_request_async
向業務運營發送請求,on_response
處理收到的回應。 completion_key
區分響應。
同步多請求功能
雖然不是全新的,但同時發送多個同步請求的能力值得注意:
from iop import BusinessProcess from msg import MyMessage class MyMultiBP(BusinessProcess): def on_message(self, request): msg_one = MyMessage(message="Message1") msg_two = MyMessage(message="Message2") tuple_responses = self.send_multi_request_sync([("Python.MyMultiBO", msg_one), ("Python.MyMultiBO", msg_two)]) self.log_info("All requests have been processed") for target, request, response, status in tuple_responses: self.log_info(f"Received response: {response.message}")
此範例同時向同一個業務操作發送兩個請求。回應是一個包含每個呼叫的目標、請求、回應和狀態的元組。當請求順序不重要時,這特別有用。
非同步函數與協程
以下是如何在 IoP 中利用非同步函數和協程:
import asyncio from iop import BusinessProcess from msg import MyMessage class MyAsyncNGBP(BusinessProcess): def on_message(self, request): results = asyncio.run(self.await_response(request)) for result in results: print(f"Received response: {result.message}") async def await_response(self, request): msg_one = MyMessage(message="Message1") msg_two = MyMessage(message="Message2") tasks = [self.send_request_async_ng("Python.MyAsyncNGBO", msg_one), self.send_request_async_ng("Python.MyAsyncNGBO", msg_two)] return await asyncio.gather(*tasks)
這會使用 send_request_async_ng
同時發送多個請求。 asyncio.gather
確保同時等待所有回應。
如果你已經跟進到這裡了,請評論“Boomerang”! 這意義重大。謝謝!
await_response
是一個發送多個請求並等待所有回應的協程。
使用非同步函數和協程的優點包括透過並行請求來提高效能、增強可讀性和可維護性、使用 asyncio
模組提高靈活性以及更好的異常和超時處理。
非同步方法的比較
send_request_async
、send_multi_request_sync
和 send_request_async_ng
之間的主要差異是什麼?
-
send_request_async
:僅在實作on_response
並使用completion_key
時才發送請求並等待回應。 簡單,但並行請求的可擴展性較差。 -
send_multi_request_sync
:同時發送多個請求並等待所有回應。易於使用,但不保證回應順序。 -
send_request_async_ng
:同時發送多個請求並等待所有回應,保持回應順序。需要異步函數和協程。
多線快樂!
以上是Python 更新非同步支援的互通性的詳細內容。更多資訊請關注PHP中文網其他相關文章!

熱AI工具

Undresser.AI Undress
人工智慧驅動的應用程序,用於創建逼真的裸體照片

AI Clothes Remover
用於從照片中去除衣服的線上人工智慧工具。

Undress AI Tool
免費脫衣圖片

Clothoff.io
AI脫衣器

Video Face Swap
使用我們完全免費的人工智慧換臉工具,輕鬆在任何影片中換臉!

熱門文章

熱工具

記事本++7.3.1
好用且免費的程式碼編輯器

SublimeText3漢化版
中文版,非常好用

禪工作室 13.0.1
強大的PHP整合開發環境

Dreamweaver CS6
視覺化網頁開發工具

SublimeText3 Mac版
神級程式碼編輯軟體(SublimeText3)

Python适合数据科学、Web开发和自动化任务,而C 适用于系统编程、游戏开发和嵌入式系统。Python以简洁和强大的生态系统著称,C 则以高性能和底层控制能力闻名。

2小時內可以學會Python的基本編程概念和技能。 1.學習變量和數據類型,2.掌握控制流(條件語句和循環),3.理解函數的定義和使用,4.通過簡單示例和代碼片段快速上手Python編程。

Python在遊戲和GUI開發中表現出色。 1)遊戲開發使用Pygame,提供繪圖、音頻等功能,適合創建2D遊戲。 2)GUI開發可選擇Tkinter或PyQt,Tkinter簡單易用,PyQt功能豐富,適合專業開發。

兩小時內可以學到Python的基礎知識。 1.學習變量和數據類型,2.掌握控制結構如if語句和循環,3.了解函數的定義和使用。這些將幫助你開始編寫簡單的Python程序。

Python更易學且易用,C 則更強大但複雜。 1.Python語法簡潔,適合初學者,動態類型和自動內存管理使其易用,但可能導致運行時錯誤。 2.C 提供低級控制和高級特性,適合高性能應用,但學習門檻高,需手動管理內存和類型安全。

要在有限的時間內最大化學習Python的效率,可以使用Python的datetime、time和schedule模塊。 1.datetime模塊用於記錄和規劃學習時間。 2.time模塊幫助設置學習和休息時間。 3.schedule模塊自動化安排每週學習任務。

Python在web開發、數據科學、機器學習、自動化和腳本編寫等領域有廣泛應用。 1)在web開發中,Django和Flask框架簡化了開發過程。 2)數據科學和機器學習領域,NumPy、Pandas、Scikit-learn和TensorFlow庫提供了強大支持。 3)自動化和腳本編寫方面,Python適用於自動化測試和系統管理等任務。

Python在自動化、腳本編寫和任務管理中表現出色。 1)自動化:通過標準庫如os、shutil實現文件備份。 2)腳本編寫:使用psutil庫監控系統資源。 3)任務管理:利用schedule庫調度任務。 Python的易用性和豐富庫支持使其在這些領域中成為首選工具。
