Tornado异步模式

先介绍下背景：由于工作需要，前段时间又写了一段爬虫去获取和更新一些数据。之前爬虫主要用scrapy框架批量爬取一些页面数据，或者用gevent调用目标站点的接口。偶然看到了tornado，听说这个框架很强大，所以打算这次爬虫用tornado试试。不足之处，欢迎指正。

 

总的来说，tornado是python里面一个轻量的异步非阻塞的框架，性能非常不错，最新版本的异步协程是基于python内置的asyncio来实现(老版本用装饰器实现异步)。tornado可以用来做web服务，或者利用其异步功能，完成一些异步执行的操作，比如爬虫(pyspider就是基于tornado实现)。

 

本次任务，涉及到调用百度自然语言理解(nlu)平台unit的一些接口，实现一些自动化和批量操作，比如词槽导入导出，开始机器学习训练，批量测试语句等等。没有拿到百度unit平台的接口文档，所以只能通过爬虫形式，模拟用户登录，然后进行各种操作。为了让本篇看起来更简洁，本次不打算详细介绍如何爬取百度unit平台，统一调用httpbin(http://www.httpbin.org/get)进行简化。百度unit平台的爬虫后续再补充。

 

说了那么多，重点来了。tornado两种异步模式：

1，add_callback(基于asyncio，资源消耗少，性能还不错)

2，run_in_executor((基于线程池/进程池，性能很好，但是资源消耗要高于add_callback的方案)

 

add_callback方案：

from tornado.ioloop import ioloop, periodiccallback
import requests

# 业务逻辑操作写在这里
def job():
    url    = 'http://www.httpbin.org/get'
    resp   = requests.get(url)
    print(resp.text)


async def runner():
    loop   = ioloop.current()
    #任务派发写在这里
    for i in range(10):
        loop.add_callback(job)

    print('this will be executed before loop is finished')


if __name__ == '__main__':
    ioloop.current().run_sync(runner)

 

run_in_executor方案：

from tornado.ioloop import ioloop, periodiccallback
import requests
from concurrent.futures import threadpoolexecutor

# 业务逻辑写在这里
def job():
    url    = 'http://www.httpbin.org/get'
    resp   = requests.get(url)
    print(resp.text)


async def runner():
    loop   = ioloop.current()

    # 也可以用进程池processpoolexecutor
    exectutor  = threadpoolexecutor(20)
    # 任务派发写在这里
    for i in range(10):
        loop.run_in_executor(exectutor, job)

    print('this will be executed before loop is finished')


if __name__ == '__main__':
    ioloop.current().run_sync(runner)