Asynkroninen ohjelmointi Pythonissa: Perusteista tosielämän käyttöön

Etusivu » Python » Asynkroninen ohjelmointi Pythonissa: Perusteista tosielämän käyttöön

Asynkroninen ohjelmointi Pythonilla on muuttunut niche-aiheesta yhdeksi ydinosaamisalueista kaikille, jotka rakentavat moderneja ja responsiivisia sovelluksia. Jos työskentelet web-rajapintojen, mikropalveluiden, reaaliaikaisten koontinäyttöjen tai minkä tahansa raskaan syötteen/tulostuksen (I/O) parissa, olet luultavasti törmännyt siihen seinään, jossa koodisi viettää enemmän aikaa odottaen kuin tehden oikeaa työtä. Juuri tässä asynkroniset tekniikat loistavat.

Sen sijaan, että ohjelmasi odottisi verkkoa, levyä tai ulkoista palvelua odottaessaan, asynkroninen koodi antaa sinun päällekkäistää odotusaikoja ja pitää sovelluksen toiminnassa. Tässä oppaassa perehdymme syvällisesti siihen, miten async toimii Pythonissa, mitä ongelmia se ratkaisee, milloin siitä on todella hyötyä ja milloin se on väärä työkalu, ja käymme läpi konkreettisia esimerkkejä käyttämällä async, await, asyncio ja suosittuja asynkronisia kirjastoja, kuten aiohttp.

Mitä on asynkroninen ohjelmointi Pythonissa?

Asynkroninen ohjelmointi on pohjimmiltaan tapa jäsentää koodia siten, että useat tehtävät voivat edetä estämättä toisiaan, vaikka ne jakaisivat yhden käyttöjärjestelmäsäikeen. Klassisessa synkronisessa tyylissä jokainen operaatio päättyy ennen kuin seuraava edes alkaa: kutsutaan API:a, odotetaan, jäsennetään vastaus ja vasta sitten siirrytään eteenpäin. Asynkronisella koodilla voit käynnistää useita pitkäkestoisia operaatioita ja antaa Pythonin vaihtaa niiden välillä aina, kun jokin niistä odottaa.

Python toteuttaa tämän mallin yhdistämällä erityistä syntaksia ja tapahtumasilmukan ympärille rakennettua yhteistyöhön perustuvaa ajoitinta. Kaksi avainsanaa, jotka avaavat kaiken tämän, ovat async ja await: merkitset funktiot asynkronisiksi käyttämällä async def, ja pysähdyt niiden sisällä await aina kun suoritat toiminnon, joka voi luovuttaa ohjauksen takaisin tapahtumasilmukalle.

An async def Funktio ei palauta arvoa suoraan; se palauttaa korutiiniobjektin, joka edustaa ajoitettavaa ja odotettavaa laskentaa. Kun käytät await kyseisen funktion sisällä Python keskeyttää nykyisen korutiinin ja antaa muiden vireillä olevien tehtävien suorittaa, kunnes odotettu toiminto (kuten verkkopyyntö) on valmis, jolloin suoritus jatkuu heti await.

Tämä on ratkaisevan tärkeää: asynkroninen Python-koodi on yleensä edelleen yksisäikeistä, mutta samanaikaista siinä mielessä, että useat operaatiot etenevät päällekkäisissä aikaikkunoissa. Kun yksi tehtävä odottaa I/O:ta, toinen tehtävä saa prosessoriaikaa. Siksi asynkroninen menetelmä sopii täydellisesti I/O-sidonnaisille työkuormille, mutta se ei taianomaisesti kiihdytä prosessoripainotteista työtä.

Konkreettinen analogia: Shakkinäytökset ja odotusaika

Klassinen analogia, jota Python-yhteisössä käytetään selittämään samanaikaisuutta vs. peräkkäistä suoritusta, tulee samanaikaisesta shakkinäytöksestä. Kuvittele suurmestari, joka pelaa 24 amatööriä vastaan. Hän voi järjestää tapahtuman kahdella eri tavalla, peilaten synkronisia ja asynkronisia strategioita.

Synkronisessa versiossa hän istuu alas yhden vastustajan kanssa ja pelaa kyseisen pelin alusta loppuun ennen siirtymistä seuraavaan pöytään. Jokainen hänen tekemänsä siirto kestää 5 sekuntia, kun taas jokainen amatööri käyttää noin 55 sekuntia ajattelemiseen. Tyypillisessä pelissä on 30 siirtojen vaihtoa (eli yhteensä 60 siirtoa). Tämä tarkoittaa, että jokainen peli kestää (55 + 5) × 30 = 1800 sekuntia, noin 30 minuuttia. 24 pelillä koko tapahtuma kestää 12 tuntia.

Asynkronisessa versiossa hän kävelee huoneessa ja tekee yhden siirron jokaisella laudalla, sitten hän kävelee heti seuraavalle, kun nykyinen vastustaja miettii vastaustaan. Yksi siirtokierros 24 laudalla kestää 24 × 5 = 120 sekuntia eli 2 minuuttia. 30 tällaisen kierroksen jälkeen koko pelisarja on pelattu noin 3600 sekunnissa eli tunnissa.

Tärkeä huomio on, että hänen raaka pelinopeutensa ei koskaan muuttunut; muuttui se, miten hän käytti hyväkseen vastustajien odotusaikaa. Asynkroninen Python-koodi noudattaa samaa periaatetta: se ei tee I/O:sta nopeampaa, mutta varmistaa, että teet jotain hyödyllistä, kun muuten joutuisit odottamaan verkkoa, levyä tai mitä tahansa ulkoista resurssia.

Synkronointi- vs. asynkronointipyynnöt: reaalimaailman esimerkki API-rajapintojen avulla

Yksi yleisimmistä async-käyttötapauksista Pythonissa on ulkoisten API-rajapintojen käsittely, jossa jokainen pyyntö voi helposti kestää satoja millisekunteja tai enemmän. Havainnollistamiseksi kuvittele, että haluat selvittää useiden GitHub-tilien seuraajien määrän heidän julkisen API:nsa avulla.

Yksinkertainen synkroninen lähestymistapa käyttäisi suosittua HTTP-esto-ohjelmaa, kuten requests. Suorittaisit GET-pyynnön jokaiselle käyttäjän päätepisteelle silmukassa, lukisit JSON-hyötykuorman, poimit followers kenttään ja tulostaa tai tallentaa sen. Tämä on yksinkertaista ja luettavaa, mutta sillä on haittapuoli: ohjelma suorittaa pyynnön jokaiselle käsittelemällesi tilille ja odottaa sitten vain vastausta ennen kuin edes aloittaa seuraavan.

Joten jos tarkistat kolme käyttäjää, kuten api.github.com/users/python, api.github.com/users/google ja api.github.com/users/firebase, koodi lähettää ensimmäisen pyynnön, estää sen, kunnes GitHub vastaa, siirtyy sitten toiseen pyyntöön ja niin edelleen. Muutaman käyttäjän kanssa tämä saattaa olla hyväksyttävää, mutta listan kasvaessa satoihin tai tuhansiin, kokonaiskäsittelyaika pitenee, koska sovelluksesi viettää suurimman osan elinkaarestaan ​​​​toimettomana odottaen etäpalvelinta.

Voit nopeuttaa asioita siirtymällä asynkroniseen toteutukseen, joka on rakennettu päälle asyncio ja asynkronisesti toimiva HTTP-asiakasohjelma, kuten aiohttp. Tässä mallissa käynnistetään useita korutiinitehtäviä, jotka kaikki lähettävät HTTP-pyyntönsä lähes samanaikaisesti. Tapahtumasilmukka odottaa sitten vastauksia keneltä tahansa niistä ja jatkaa kutakin tehtävää datan saapuessa sen sijaan, että odotettaisiin yhden pyynnön täydellistä valmistumista ennen seuraavan aloittamista.

Kun näitä kahta lähestymistapaa vertaillaan rinnakkain, asynkroninen versio voittaa yleensä selvästi, varsinkin käyttäjämäärän kasvaessa. Pyyntökohtainen aika ei muutu, mutta kaikkien tulosten saamiseen kuluva kokonaisaika laskee jyrkästi, koska käsittelet useita yhteyksiä samanaikaisesti sarjamuotoisen sijaan.

Keskeiset käsitteet: Korutiinit, tapahtumasilmukka, tehtävät ja tulevaisuudet

Konepellin alla moderni asynkroninen Python pyörii muutaman keskeisen rakennuspalikan ympärillä, jotka pääasiassa tarjoavat asyncio moduuli. Näiden käsitteiden ymmärtäminen tekee muusta ekosysteemistä paljon vähemmän mysteerisen ja auttaa sinua suunnittelemaan vankkoja asynkronisia arkkitehtuureja.

Korutiini on erityinen funktio, joka voi keskeyttää ja jatkaa omaa suoritustaan. Nykypäivän syntaksissa määrittelet yhden seuraavasti: async defKun kutsut sitä, saat korutiiniobjektin, jota täytyy odottaa tai ajoittaa; se ei suorita suoritusta loppuun välittömästi kuten normaali funktio. Sisällä, aina kun käytät await odotettavan operaation (toinen korutiini, tehtävä, tulevaisuus jne.) kohdalla Python keskeyttää kyseisen korutiinin, kunnes odotettu operaatio on valmis.

Tapahtumasilmukka on orkestroija, joka seuraa kaikkia vireillä olevia korutiineja, I/O-operaatioita ja ajastimia ja päättää, mikä koodinpätkä suoritetaan milläkin hetkellä. Historiallisesti silmukka piti hankkia ja hallita eksplisiittisesti kautta asyncio.get_event_loop(), mutta modernissa Python-koodissa suositeltu malli on antaa asyncio.run() luo, suorita ja sulje silmukka puolestasi ylimmän tason asynkronisen funktion ympärillä, kuten main().

Tehtävät ovat korutiinien ympärillä olevia kääreitä, jotka käskevät tapahtumasilmukkaa ajoittamaan ne suoritusta varten. Voit ajatella niitä kevyinä töinä: silmukka voi lomittaa edistymistä useiden tehtävien välillä käynnistämättä useita säikeitä. Tyypillisesti luot tehtäviä, joissa on asyncio.create_task() tai soittamalla avustajille, kuten asyncio.gather(), jotka hallitsevat sisäisesti joukkoa tehtäviä.

Futuurit edustavat tuloksia, jotka tulevat saataville myöhemmin, samalla tavalla kuin JavaScriptin Promiset. Sekä tehtävät että tulevaisuuden tapahtumat ovat odotettavissa olevia objekteja: voit await ne keskeytetään, kunnes taustalla oleva toiminto on valmis. Tämä yhtenäinen protokolla tekee orkestrointikoodista paljon yksinkertaisemman, koska asynkronisten työnkulkujen luominen tarkoittaa pohjimmiltaan oikeiden objektien odottamista oikeassa järjestyksessä.

Async-syntaksi käytännössä: async, await, async with ja async for

async avainsana ei rajoitu funktiomääritelmiin; se ulottuu myös kontekstinhallintajärjestelmiin ja silmukoihin, jotta edistyneemmät mallit voivat osallistua asynkroniseen maailmaan. Tämän laajennetun syntaksin tunteminen auttaa sinua kirjoittamaan tyylikästä koodia verkkoyhteyksien, istuntojen, striimien ja mukautettujen protokollien ympärille.

Yleisin muoto on async def, joka määrittelee asynkronisen funktion (korutiinitehtaan). Tällaisen funktion sisällä käytät runsaasti await aina kun kutsut toista korutiinia tai odotettavaa operaatiota, kuten asyncio.sleep(), asynkroninen HTTP-pyyntö tai asynkroninen tietokantakysely. Huomaa, ettet voi käyttää await suoraan skriptin ylimmällä tasolla; sen on sijaittava async def.

Vaikka saatatkin tuntea kiusausta soittaa time.sleep() korutiinisi sisällä viiveitä varten, mikä tekisi async-funktion käytöstä täysin merkityksettömän. time.sleep() estää koko säikeen, tapahtumasilmukan mukaan lukien, joten mikään muu asynkroninen tehtävä ei voi edetä tänä aikana. Sen sijaan sinun on käytettävä ei-estävää vastinetta. asyncio.sleep(), joka luovuttaa ohjauksen takaisin silmukalle ajastimen laskeessa aikaa alaspäin.

Python tukee myös asynkronisia kontekstinhallintaohjelmia async with, toteutettu määrittelemällä erikoismetodit __aenter__ ja __aexit__. Tämä on erityisen kätevää työskenneltäessä objektien kanssa, jotka vaativat puhtaan asennus- ja purkusekvenssin, johon liittyy asynkronisia toimintoja, kuten verkkoistunnon avaaminen tai asynkronisen resurssin hankkiminen. Tyypillinen esimerkki on hallinta aiohttp.ClientSession tai yksittäinen HTTP-pyyntö käyttämällä async with lohkot manuaalisen kutsumisen sijaan close().

Lopuksi asynkroninen iteraatio paljastuu async for, joka perustuu taikamenetelmiin __aiter__ ja __anext__ kuvattu julkaisussa PEP 492. Asynkronisten iteraattorien ja asynkronisten generaattoreiden avulla voit tuottaa kohteita ajan kuluessa käyttämällä await iteraatioprosessin sisällä, mikä sopii täydellisesti verkon kautta vähitellen tai toisesta asynkronisesta lähteestä saapuvan datan suoratoistoon.

Useiden tehtävien suorittaminen samanaikaisesti asyncio

Asynkronisen ohjelmoinnin todellinen teho näkyy, kun suoritat useita I/O-sidottuja tehtäviä samanaikaisesti peräkkäin. Pythonin asynkronisessa ekosysteemissä tärkeimmät työkalut tähän ovat asyncio.create_task() ja asyncio.gather(), jotka molemmat ajoittavat korutiineja tapahtumasilmukalle.

Kanssa asyncio.gather(), voit käynnistää useita korutiineja kerralla ja odottaa, kunnes ne kaikki ovat valmiita, jolloin saat niiden tulokset listana tai tuplena. Tämä on erittäin yleistä HTTP-kutsuerissä, tietokantakyselyissä tai toistuvissa asynkronisissa operaatioissa. Konepellin alla gather() käärii jokaisen korutiinin tehtäväksi ja varmistaa, että ne kaikki viedään loppuun.

Jos palaat GitHub-profiilien noutamisen esimerkkiin, mutta muokkaat sen uudelleen käyttämällä aiohttp ja asyncio.gather(), saat kolme kutsua funktioon, kuten fetch_user() lanseerataan samanaikaisesti. Jokainen tehtävä aloittaa HTTP-pyyntönsä, luovuttaa hallinnan odottaessaan dataa ja jatkaa sitten vastauksen jäsentämistä sen saapuessa. Käyttäjän näkökulmasta kaikki kolme tulosta näkyvät suunnilleen samaan aikaan.

On kuitenkin tapauksia, joissa et halua suorittaa tuhansia tai miljoonia tehtäviä kerralla, koska se voi ylikuormittaa oman koneesi tai saavuttaa ulkoiset nopeusrajoitukset. Yleinen kaava on rajoittaa samanaikaisuutta vain prosessoimalla MAX_TASKS operaatioita kerrallaan joko käyttämällä semaforeja, rajattuja pooleja tai manuaalista eräajologiikkaa asynkronisen työnkulun sisällä.

Toinen ratkaiseva näkökohta useiden tehtävien samanaikaisessa suorittamisessa on virheiden käsittely; yhden epäonnistuneen pyynnön antaminen kaataa koko erän on harvoin hyväksyttävää todellisissa sovelluksissa. Ihannetapauksessa asynkronisen orkestroinnin tulisi havaita ja hallita poikkeuksia tehtäväkohtaisesti, ehkä kirjaamalla ne, yrittämällä uudelleen valikoivasti tai palauttamalla osittaisia ​​tuloksia pitäen samalla muun erän ehjänä.

Samanaikaisuuden käsittely: hyödyt ja sudenkuopat

On tärkeää erottaa mielessäsi samanaikaisuuden ja rinnakkaisuuden käsitteet, koska async Python tarjoaa ensin mainitun, mutta ei välttämättä jälkimmäistä. Samanaikaisuus tarkoittaa, että useat tehtävät etenevät päällekkäisissä aikaväleissä, kun taas rinnakkaisuus tarkoittaa, että ne kirjaimellisesti suoritetaan samaan aikaan useilla suorittimen ytimillä.

Tyypillinen asynkroninen koodi, joka käyttää asyncio ei luo useita käyttöjärjestelmäsäikeitä; sen sijaan se multipleksoi tehtävät yhteen säikeeseen sen mukaan, milloin kukin niistä on estetty I/O:ssa, samalla tavalla kuin programación asíncrona en Node.js. Siksi se skaalautuu niin hyvin tuhansien yhteyksien kanssa: kontekstin vaihtaminen on halpaa, koska se on yhteistyökykyinen ja sitä ohjaa tapahtumasilmukka käyttöjärjestelmän sijaan.

Tähän suunnitteluun liittyy haasteita, erityisesti koordinoinnin ja poikkeusten käsittelyn suhteen. Koska logiikkasi on nyt levinnyt useille ajallisesti lomittuneille korutiineille, sinun on oltava harkitsevampi tilan jakamisessa, virheiden levittämisessä ja resurssien siivoamisessa. Virheet, kuten unohdettu await, tehtävät, joita ei koskaan odoteta, tai taustatehtävien hiljaa nielemät poikkeukset voivat olla hienovaraisia ​​ja vaikeasti debugattavissa.

Jotta asynkronisen koodin ylläpito olisi mahdollista, sinun tulee noudattaa vankkoja suunnittelukäytäntöjä: pidä korutiinit keskittyneinä yhteen vastuualueeseen, keskitä virheenkäsittely mahdollisuuksien mukaan ja lisää riittävästi lokitietoja ymmärtääksesi, mitä suorituksen aikana tapahtuu. Hyvät työkalut ja selkeät käytännöt auttavat pitkälti estämään kilpailutilanteen kaltaisia ​​ongelmia tai resurssivuotoja jopa yksisäikeisessä asynkronisessa ympäristössä.

Milloin asynkroninen koodi todella auttaa (ja milloin se ei)

Asynkroninen ohjelmointi on uskomattoman tehokasta I/O-sidonnaisissa työkuormissa, mutta se ei ole mikään ihmelääke kaikkiin suorituskykyongelmiin. Ensimmäinen askel optimointipyrkimyksissä on tunnistaa, johtuvatko pullonkaulat I/O:sta vai suorittimen kuormituksesta.

Jos sovelluksesi viettää suurimman osan ajastaan ​​odottaen verkkovastauksia, lukemalla ja kirjoittamalla tiedostoja, tekemällä kyselyitä tietokannoista tai kommunikoimalla sokettien kautta, async on lähes varmasti hyvä vaihtoehto. Tyypillisiä esimerkkejä ovat web-rajapinnat, jotka kommunikoivat useiden ulkoisten palveluiden kanssa, ETL-putket, jotka lukevat ja kirjoittavat useisiin tietolähteisiin samanaikaisesti, sekä mikropalvelut, jotka ylläpitävät useita samanaikaisia ​​asiakasyhteyksiä.

Toisaalta, jos työmäärääsi hallitsevat raskaat suorittimen toiminnot, kuten numeroiden käsittely, kuvankäsittely tai monimutkaiset simulaatiot, pelkkä asynkronointi ei nopeuta asioita. Tällaisissa tilanteissa GIL (Global Interpreter Lock) rajoittaa edelleen sitä, mitä voi suorittaa rinnakkain yhden Python-prosessin sisällä. Yleensä saat parempia tuloksia käyttämällä moniajoa, natiiveja laajennuksia tai hyödyntämällä erikoistuneita taustapalvelimia.

Yritysympäristöissä pragmaattinen strategia on yhdistää nämä tekniikat: käyttää asyncio- ja async-tietoisia SDK-paketteja pilvipalveluille (AWS, Azure ja muut) viiveen minimoimiseksi ja läpimenon maksimoimiseksi samalla, kun prosessoritehokas työ delegoidaan erillisille prosesseille, työntekijöille tai hallituille laskentapalveluille. Tällä tavoin hyödynnät kunkin työkalun vahvuuksia sen sijaan, että taistelet kielen suoritusympäristöä vastaan.

Async Pythonin kirjoittamisen parhaat käytännöt

Kun alat ottaa async-tekniikkaa käyttöön laajemmin, tietyt mallit ja tavat auttavat sinua välttämään yleisimmät sudenkuopat. Ne myös tekevät koodistasi selkeämmän tiimikavereille, jotka eivät ehkä vielä ole kovin perehtyneitä asynkroniseen ekosysteemiin.

Perustavanlaatuinen sääntö on välttää kutsujen estämistä asynkronisissa koodipoluissa. Eli korvaamalla asioita, kuten time.sleep() await asyncio.sleep()ja ole varovainen kirjastojen kanssa, jotka eivät tarjoa asynkronisia API-rajapintoja. Jos kolmannen osapuolen paketti on täysin synkroninen, sen laaja kutsuminen korutiinista voi estää tapahtumasilmukan ja pilata samanaikaisuuden edut.

Aina kun sinulla on useita itsenäisiä I/O-toimintoja, mieluiten suorita ne samanaikaisesti käyttämällä apuohjelmia, kuten asyncio.gather() tai tehtäväpoolit, joita rajoittaa suurin samanaikaisuustaso. Tämä malli lisää läpimenoaikaa säilyttäen samalla hallinnan avoimien yhteyksien tai lennon aikana olevien pyyntöjen määrästä.

Suunnitteluohjeena kannattaa pyrkiä pitämään korutiinit suhteellisen pieninä ja keskittymään selkeään vastuualueeseen, samalla tavalla kuin suunnittelisit funktioita puhtaassa synkronisessa koodissa. Suurista, monoliittisista korutiineista, jotka yhdistävät verkostoitumisen, liiketoimintalogiikan ja virheiden käsittelyn, tulee nopeasti vaikeasti testattavia ja pääteltäviä, varsinkin jos jokin epäonnistuu kesken kaiken.

Lopuksi tarkista aina, tukevatko käyttämäsi ekosysteemin komponentit aidosti asynkronista käyttöä. Monet suositut kirjastot tarjoavat erillisiä asynkronisia asiakasohjelmia tai dedikoituja alimoduuleja; toiset saattavat silti estää toiminnan, vaikka ne mainostaisivat "asynkronisia" ominaisuuksia. Dokumentaation huolellinen lukeminen ja pienten vertailuarvojen tekeminen voivat säästää sinut hienovaraisilta suorituskyvyn heikkenemisiltä.

Käytännön käyttöskenaariot ja arkkitehtuuri-ideat

Todellisissa ohjelmistoprojekteissa async loistaa useissa eri arkkitehtuureissa perinteisistä web-taustajärjestelmistä huippuluokan tekoälypohjaisiin järjestelmiin. Yhdistävänä tekijänä on aina tarve käsitellä useita I/O-sidottuja toimintoja tuhlaamatta aikaa odottamiseen.

Yksi klassinen skenaario on verkkopalvelu, jonka on kutsuttava useita ulkoisia API-rajapintoja rakentaakseen yhden vastauksen asiakkaalle. Async-ominaisuuden avulla palvelu voi käynnistää kaikki lähtevät pyynnöt kerralla ja koota lopullisen hyötykuorman heti, kun jokainen osa saapuu, mikä lyhentää kokonaisvasteaikaa merkittävästi. Tämä on yleistä mikropalveluarkkitehtuureissa ja integraatioissa maksuyhdyskäytävien, sosiaalisten verkostojen tai analytiikka-alustojen kanssa.

Toinen tärkeä käyttötapaus on datatekniikka: putkistot ja ETL-työt ovat usein vuorovaikutuksessa useiden tietokantojen, tiedostojärjestelmien tai pilvitallennussäiliöiden kanssa rinnakkain. Lukemalla useista lähteistä samanaikaisesti ja kirjoittamalla tulokset heti niiden valmistuttua, vähennät kokonaisviivettä ja hyödynnät käytettävissä olevaa kaistanleveyttä paremmin, erityisesti työskennellessäsi pilvitallennuksen tai REST-pohjaisten data-APIen kanssa.

Async toimii myös hyvin yhteen liiketoimintatiedon koontinäyttöjen ja työkalujen, kuten Power BI:n, kanssa, joissa taustajärjestelmien on koottava tietoja eri palveluista estämättä pitkiä HTTP-yhteyksiä. Mukautettujen API-kerrosten tai integraatiomikropalveluiden rakentaminen asyncio voi parantaa havaittua vasteaikaa ja läpimenoaikaa kuormituksen aikana.

Räätälöityihin ohjelmistoihin, tekoälyyn, kyberturvallisuuteen ja pilvikonsultointiin erikoistuneet yritykset luottavat usein vahvasti asynkronisiin tekniikoihin sellaisten työnkulkujen organisoinnissa, jotka kutsuvat tekoälymalleja, kirjaavat tapahtumia, valvovat uhkia ja kommunikoivat pilvihallintatasojen kanssa. Asynkronisen I/O:n yhdistäminen orkestrointia varten ja erilliset CPU-optimoidut työtehtävät raskaaseen työhön on yleinen sisäinen toimintamalli, joka tuottaa skaalautuvia ja ylläpidettäviä järjestelmiä.

Monille kehittäjille ja tiimeille ensimmäinen askel on yksinkertaisesti ottaa käyttöön asynkroninen lähestymistapa sovelluksen osiin, jotka selvästi huutavat "I/O-sidottu", ja sitten iteroida siitä eteenpäin, kun hyödyt tulevat ilmeisiksi ja tiimi saa luottamusta paradigmoihin ja työkaluihin.

Asynkroninen ohjelmointi Pythonissa tarkoittaa viime kädessä odotusajan viisasta hyödyntämistä: koodin jäsentämistä async, await, korutiinien ja tapahtumasilmukan avulla voit rakentaa sovelluksia, jotka tuntuvat nopeammilta, skaalautuvat paremmin kuormituksen alla ja hyödyntävät käytettävissä olevia resursseja parhaalla mahdollisella tavalla, erityisesti verkkojen, tiedostojen ja ulkoisten palveluiden kanssa.