并发

以异步的方式发送您的请求。

异步的精髓在于并发。并发的核心思想是：在同步执行的基础下，先执行完当前的一个任务，在任务的某一个地方可以等待其自己完成时，去操作另一个任务；直到操作执行到该任务的等待部分，再转到下一个需要执行的任务。

简单来说，其实就是要把所有衣服塞进十台洗衣机，先塞满一台，按下开关，不等这台洗衣机洗完就去开另一台洗衣机，在搞完这台洗衣机之后再去搞其他洗衣机。大大提升了效率。

但是单单只有并发，最大的缺点就是：它是无序混乱的，而且无法灵活的变更数据。但是turingAPI的异步模型为您提供了一个解决办法——数据关联和数据互补

那么，我们下面先开始来学习最基础的并发。

分层并发

分层并发是turingAPI异步模型的一个非常重要的概念。其核心思想是：

封装一层，再封装一层，最后再封装一层。

是的，可能就是这么的离谱。但是这种“多层封装”的思想实际上是非常实用的。

turingAPI异步模型中最基础的单位是task，task可以将一个同步函数包装为一个可以进行异步调用的task单位。

举个例子，我们需要使用turingAPI刷浏览量，但是使用while循环+getWorkDetail这种方法实在太慢，这时我们就要用到异步。但是问题来了，getWorkDetail方法是一个同步的方法，它根本是无法被以异步形式调用的。可能有人会说到可以用asyncio.get_running_loop().run_in_executor(None,user.getWorkDetail,.......)这种方式来进行异步调用，但是这太麻烦。我们可以直接使用turingAPI提供的task类，将其变为一个包含了异步调用方法的对象，并且可以对其进行正常的调用。

温馨提醒：在查阅以下文档之前，如果您还不知道数据关联和数据互补的运行原理，您可以忽略注释带有“数据关联”“数据互补”的成员变量或函数

task

task类的所有变量成员如下所示：

func=None    #要调用的函数
name=None    #任务名称（很重要，在数据关联、数据互补时task进行互相辨认的唯一途径）
args=[]      #直接传参
kwargs={}    #关键字传参，参数名称(str):传参内容(any)
returnFunc=None   #在完成调用函数后将返回的值放入所属事件流时，使用的处理函数。传参格式为：func
#的返回值,task对象的self，所以returnFunc储存的函数必须只有两个必填参数
association=None  #需要进行关联的task名称
event=None   #所属事件流
associationFunc=None   #数据关联、数据互补拿到数据后进行对数据处理的函数

__init__方法：

这里不过多赘述，直接上代码。

def __init__(self,func,name=None,args=[],kwargs={},returnFunc=None,event=None,association=None,associationFunc=None):
    self.func=func
    self.name=name
    self.args=args
    self.kwargs=kwargs
    self.returnFunc=returnFunc
    self.event=event
    self.association=association
    self.associationFunc=associationFunc

run方法：

run方法用于对这个task内储存的func进行异步的调用。平时一般用不到，因为task是一个基本单位，只封装了一个函数，直接调用的话，没什么成效。我们一般用event的run函数来对所有task进行并发。

为了方便直接调用，我们把run方法设为同步形式。用它作为一个间接调用异步形式runTask的方法。也就是说它的代码只有这两行：

def run(self):
       asyncio.run(self.runTask())

如果您想以异步形式运行这个run，您可以使用另外的runTask方法。但是您不能直接调用它，您可以

await task.runTask()

或

import asyncio
asyncio.run(task.runTask())

event

event，顾名思义，也就是事件。我们称它的对象为事件流。一个事件由什么构成？答：由任务构成。所以，event是多个task的载体，它可以对多个task进行集中操作、集体并发和以自己为返回值载体为多个task建立数据关联。结合上文提到的turingAPI异步模型核心思想，我们可以把event看作第二层的封装。

event的所有成员变量如下：

tasks=[]     #事件流所承载的所有task序列
name=None    #事件流的名称，在进行数据互补时，这是多个event和task唯一辨认每一个event的方式
returns={}   #在并发task后所有拥有名称并正确指向该事件流的task的返回值。键为task名称，值为返回
#值（可能经过returnFunc的处理）
anonymousReturns=[]  #在并发task后所有没有名称且正确指向该事件流的task的返回值序列
association = {}   #在进行数据互补时，所有task的互补信息。格式为
#需要关联的taskName : [关联到的eventName1 , eventName2.....]
eventPool=None #所属事件池

__init__方法

也不多赘述了，上代码吧。

def __init__(self,tasks=[],name=None,association={},eventPool=None):
       self.tasks=tasks
       self.name=name
       self.association=association
       self.eventPool=eventPool

run方法

run方法可以对该事件流所承载的所有task进行并发。您可以使用同步的方式调用这个方法。

如果您想要以异步形式调用这个方法，您可以使用runEvent方法。但您不能直接调用它，您可以：

await event.runEvent()

或

import asyncio
asyncio.run(event.runEvent())

注意，returns和anonymousReturns成员在一次并发后不会被消除，而是一直保留着数据，直到下一次并发才会将数据清空。

除此之外，我们还在event外部为您提供了三个用于快捷添加、查找、删除task的方法，如下：

用于快速生成一个task，并对一个指定的事件流添加该task到tasks序列。

函数构造：

def addTask(event,func,name=None,args=[],kwargs={},returnFunc=None,association=None,associationFunc=None)

event：要将task添加到的事件流

func：生成的task的func成员

name：生成的task的name成员

args：生成的task的args成员

kwargs：生成的task的kwargs成员

returnFunc：生成的task的returnFunc成员

association：生成的task的association成员

associationFunc：生成的task的associationFunc成员

eventPool

eventPool，顾名思义，就是事件池。将多个事件流存在一个载体中，就形成了一个事件池。在下文我们称eventPool的对象为事件池。事件池可以对多个事件流进行有选择性的集体并发，并集中一处管理所承载的事件流。除此之外，它还可以作为一个中间载体，让多个event之间进行数据互补。这就是turingAPI异步模型核心思想中的第三层封装。

以下是eventPool的所有成员变量：

events=[]    #所承载的事件流序列
eventReturns={}  #在并发事件流后所有有名称并正确指向该事件池的事件流的返回值，格式为
#事件流名称 : [事件流returns成员,事件流anonymousReturns成员]
indexs={}    #每个拥有名称的事件流在events序列中的索引，格式为
#事件流名称 : 在events序列中的索引

run方法：

run方法可以对该事件池所承载的事件流进行有选择性的并发。您可以通过同步形式调用它。

函数构造：

def run(self,nameList=[],indexList=[])

nameList：需要进行并发的所有事件流名称

indexList：需要进行并发的所有事件流索引

两个参数可以叠加使用，两个都不填默认为并发所有。

如果您想要以异步形式run该事件池，您可以使用runEvents。它是异步的，参数设置与run相同。您可以使用以下方式调用它。

await eventPool.runEvents(xxxx,xxxx)
import asyncio
aysncio.run(eventPool.runEvents(xxxx,xxxx))

我们在eventPool类外还提供了三个用于增加、删除、查找事件流的顶级API

addEvent方法用于快速创建一个事件流并将其加入指定事件池的events序列。

函数构造：

def addEvent(eventPool,tasks=[],name=None,association={})

eventPool ：要添加到的指定事件池

tasks : 事件流 tasks成员

name ： 事件流名称

association ： 事件流association成员

示例：

import turingAPI
user = turingAPI.icodeUser('your cookie')
ev = turingAPI.event(name='view')
for i in range(100):
    turingAPI.addTask(ev,user.getWorkDetail,'get{num}'.format(i),['a work id'],{})
ev.run()
Previous异步模型Next数据关联

Last updated