在昨天的直播中，有同學問道，如果使用 asyncio + httpx 實現并發請求，怎么限制請求的頻率呢?怎么限制最多只能有 x 個請求同時發出呢?我們今天給出兩種方案。
提出問題
假設如果我們同時發起12個請求，每個請求的時間不同，那么總共的請求時間大概跟最長耗時的請求差不多。我們先來寫一個用于測試的例子：
- import asyncio
- import httpx
- import time
- async def req(delay):
- print(f'請求一個延遲為{delay}秒的接口')
- async with httpx.AsyncClient(timeout=20) as client:
- resp = await client.get(f'http://127.0.0.1:8000/sleep/{delay}')
- result = resp.json()
- print(result)
- async def main():
- start = time.time()
- delay_list = [3, 6, 1, 8, 2, 4, 5, 2, 7, 3, 9, 8]
- task_list = []
- for delay in delay_list:
- task = asyncio.create_task(req(delay))
- task_list.append(task)
- await asyncio.gather(*task_list)
- end = time.time()
- print(f'一共耗時：{end - start}')
- asyncio.run(main())
這段代碼，使用 for 循環創建了12個協程任務，這些任務幾乎同時運行，于是，請求完成所有的接口，總共耗時如下圖所示：
現在的問題是，由于網站有反爬蟲機制，最多只能同時發起3個請求。那么我們怎么確保同一時間最多只有3個協程在請求網絡呢?
限制協程任務數
第一個方案跟以前限制多線程的線程數的方案相同。我們創建一個列表，確保列表里面最多只有3個任務，然后持續循環檢查，發現有任務完成了，就移除這個完成的任務，并加入一個新的任務，直到待爬的列表為空，這個任務列表也為空。代碼如下：
- import asyncio
- import httpx
- import time
- async def req(delay):
- print(f'請求一個延遲為{delay}秒的接口')
- async with httpx.AsyncClient(timeout=20) as client:
- resp = await client.get(f'http://127.0.0.1:8000/sleep/{delay}')
- result = resp.json()
- print(result)
- async def main():
- start = time.time()
- delay_list = [3, 6, 1, 8, 2, 4, 5, 2, 7, 3, 9, 8]
- task_list = []
- while True:
- if not delay_list and not task_list:
- break
- while len(task_list) < 3:
- if delay_list:
- delay = delay_list.pop()
- task = asyncio.create_task(req(delay))
- task_list.append(task)
- else:
- break
- task_list = [task for task in task_list if not task.done()]
- await asyncio.sleep(1)
- end = time.time()
- print(f'一共耗時：{end - start}')
- asyncio.run(main())
運行效果如下圖所示：
總共耗時大概28秒左右。比串行需要的58秒快了一半，但比全部同時并發多了一倍。
使用 Semaphore
asyncio 實際上自帶了一個限制協程數量的類，叫做Semaphore。我們只需要初始化它，傳入最大允許的協程數量，然后就可以通過上下文管理器來使用。我們看一下代碼：
- import asyncio
- import httpx
- import time
- async def req(delay, sem):
- print(f'請求一個延遲為{delay}秒的接口')
- async with sem:
- async with httpx.AsyncClient(timeout=20) as client:
- resp = await client.get(f'http://127.0.0.1:8000/sleep/{delay}')
- result = resp.json()
- print(result)
- async def main():
- start = time.time()
- delay_list = [3, 6, 1, 8, 2, 4, 5, 2, 7, 3, 9, 8]
- task_list = []
- sem = asyncio.Semaphore(3)
- for delay in delay_list:
- task = asyncio.create_task(req(delay, sem))
- task_list.append(task)
- await asyncio.gather(*task_list)
- end = time.time()
- print(f'一共耗時：{end - start}')
- asyncio.run(main())
運行效果如下圖所示：
耗時為22秒，比第一個方案更快。
我們來看看Semaphore的用法，它的格式為：
- sem = asyncio.Semaphore(同時運行的協程數量)
- async def func(sem):
- async with sem:
- 這里是并發執行的代碼
- task_list = []
- for _ in range(總共需要執行的任務數):
- task = asyncio.create_task(func(sem))
- task_list.append(task)
- await asyncio.gather(*task_list)
當我們要限制一個協程的并發數的時候，可以在調用協程之前，先初始化一個Semaphore對象。然后把這個對象傳到需要限制并發的協程里面，在協程里面，使用異步上下文管理器包住你的正式代碼：
- async with sem:
- 正式代碼
這樣一來，如果并發數沒有達到限制，那么async with sem會瞬間執行完成，進入里面的正式代碼中。如果并發數已經達到了限制，那么其他的協程會阻塞在async with sem這個地方，直到正在運行的某個協程完成了，退出了，才會放行一個新的協程去替換掉這個已經完成的協程。
這個寫法其實跟多線程的加鎖很像。只不過鎖是確保同一個時間只有一個線程在運行，而Semaphore可以人為指定能有多少個協程同時運行。
如何限制1分鐘內能夠運行的協程數
可能同學看了上面的例子以后，只知道如何限制同時運行的協程數。但是怎么限制在一段時間里同時運行的協程數呢?
其實非常簡單，在并發的協程里面加個 asyncio.sleep 就可以了。例如上面的例子，我想限制每分鐘只能有3個協程，那么可以把代碼改為：
- async def req(delay, sem):
- print(f'請求一個延遲為{delay}秒的接口')
- async with sem:
- async with httpx.AsyncClient(timeout=20) as client:
- resp = await client.get(f'http://127.0.0.1:8000/sleep/{delay}')
- result = resp.json()
- print(result)
- await asyncio.sleep(60)
總結
如果大家要限制協程的并發數，那么最簡單的辦法就是使用asyncio.Semaphore。但需要注意的是，只能在啟動協程之前初始化它，然后傳給協程。要確保所有并發協程拿到的是同一個Semaphore對象。
當然，你的程序里面，可能有多個不同的部分，有些部分限制并發數為 a，有些部分限制并發數為 b。那么你可以初始化多個Semaphore對象，分別傳給不同的協程。
原文鏈接：https://mp.weixin.qq.com/s/zs319rzFDE5y7v4egbZOUQ
