


Interoperabilität: Asynchrone Unterstützung für Python-Updates
Seit meinem letzten IoP-Update ist eine Weile vergangen. Lasst uns aufholen!
Der IoP-Befehlszeilenschnittstelle wurden wesentliche Verbesserungen hinzugefügt:
-
Namensänderung: Das Modul
grongier.pex
wurde iniop
umbenannt, um es an das neue Branding des Projekts anzupassen. - Asynchrone Unterstützung: IoP unterstützt jetzt vollständig asynchrone Funktionen und Coroutinen.
Projektumbenennung
Das grongier.pex
-Modul bleibt aus Gründen der Abwärtskompatibilität zugänglich, wird jedoch in einer zukünftigen Version entfernt. Nutzen Sie das Modul iop
für Neuentwicklungen.
Asynchrone Funktionalitäten
Während IoP seit langem asynchrone Aufrufe unterstützt, war die direkte Nutzung asynchroner Funktionen und Coroutinen bisher nicht verfügbar. Bevor wir uns mit dieser neuen Funktion befassen, werfen wir einen Blick auf die Funktionsweise asynchroner Aufrufe in InterSystems IRIS und untersuchen zwei Beispiele.
Alte asynchrone Aufrufe
Dies veranschaulicht den traditionellen Ansatz:
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}")
Dies spiegelt das asynchrone Anrufverhalten in IRIS wider. send_request_async
sendet eine Anfrage an einen Geschäftsbetrieb und on_response
verarbeitet die empfangene Antwort. completion_key
differenziert Antworten.
Synchronisierte Multi-Request-Funktionalität
Die Möglichkeit, mehrere synchrone Anfragen gleichzeitig zu senden, ist zwar nicht ganz neu, aber bemerkenswert:
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}")
In diesem Beispiel werden zwei Anfragen gleichzeitig an denselben Geschäftsvorgang gesendet. Die Antwort ist ein Tupel, das Ziel, Anfrage, Antwort und Status für jeden Aufruf enthält. Dies ist besonders nützlich, wenn die Reihenfolge der Anfragen unwichtig ist.
Asynchrone Funktionen und Coroutinen
So nutzen Sie asynchrone Funktionen und Coroutinen in IoP:
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)
Dadurch werden mehrere Anfragen gleichzeitig mit send_request_async_ng
gesendet. asyncio.gather
stellt sicher, dass alle Antworten gleichzeitig erwartet werden.
Wenn Sie bis hierher mitverfolgt haben, kommentieren Sie bitte „Boomerang“! Es würde viel bedeuten. Danke!
await_response
ist eine Coroutine, die mehrere Anfragen sendet und auf alle Antworten wartet.
Zu den Vorteilen der Verwendung von asynchronen Funktionen und Coroutinen gehören eine verbesserte Leistung durch parallele Anforderungen, eine verbesserte Lesbarkeit und Wartbarkeit, eine erhöhte Flexibilität durch die Verwendung des asyncio
-Moduls sowie eine bessere Ausnahme- und Timeout-Behandlung.
Vergleich asynchroner Methoden
Was sind die Hauptunterschiede zwischen send_request_async
, send_multi_request_sync
und send_request_async_ng
?
-
send_request_async
: Sendet nur dann eine Anfrage und wartet auf eine Antwort, wennon_response
implementiert ist undcompletion_key
verwendet wird. Einfach, aber für parallele Anfragen weniger skalierbar. -
send_multi_request_sync
: Sendet mehrere Anfragen gleichzeitig und wartet auf alle Antworten. Einfach zu verwenden, aber die Reihenfolge der Antworten ist nicht garantiert. -
send_request_async_ng
: Sendet mehrere Anfragen gleichzeitig und wartet auf alle Antworten, wobei die Antwortreihenfolge beibehalten wird. Erfordert asynchrone Funktionen und Coroutinen.
Viel Spaß beim Multithreading!
Das obige ist der detaillierte Inhalt vonInteroperabilität: Asynchrone Unterstützung für Python-Updates. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

Heiße KI -Werkzeuge

Undresser.AI Undress
KI-gestützte App zum Erstellen realistischer Aktfotos

AI Clothes Remover
Online-KI-Tool zum Entfernen von Kleidung aus Fotos.

Undress AI Tool
Ausziehbilder kostenlos

Clothoff.io
KI-Kleiderentferner

Video Face Swap
Tauschen Sie Gesichter in jedem Video mühelos mit unserem völlig kostenlosen KI-Gesichtstausch-Tool aus!

Heißer Artikel

Heiße Werkzeuge

Notepad++7.3.1
Einfach zu bedienender und kostenloser Code-Editor

SublimeText3 chinesische Version
Chinesische Version, sehr einfach zu bedienen

Senden Sie Studio 13.0.1
Leistungsstarke integrierte PHP-Entwicklungsumgebung

Dreamweaver CS6
Visuelle Webentwicklungstools

SublimeText3 Mac-Version
Codebearbeitungssoftware auf Gottesniveau (SublimeText3)

Heiße Themen











Python ist leichter zu lernen und zu verwenden, während C leistungsfähiger, aber komplexer ist. 1. Python -Syntax ist prägnant und für Anfänger geeignet. Durch die dynamische Tippen und die automatische Speicherverwaltung können Sie die Verwendung einfach zu verwenden, kann jedoch zur Laufzeitfehler führen. 2.C bietet Steuerung und erweiterte Funktionen auf niedrigem Niveau, geeignet für Hochleistungsanwendungen, hat jedoch einen hohen Lernschwellenwert und erfordert manuellem Speicher und Typensicherheitsmanagement.

Ist es genug, um Python für zwei Stunden am Tag zu lernen? Es hängt von Ihren Zielen und Lernmethoden ab. 1) Entwickeln Sie einen klaren Lernplan, 2) Wählen Sie geeignete Lernressourcen und -methoden aus, 3) praktizieren und prüfen und konsolidieren Sie praktische Praxis und Überprüfung und konsolidieren Sie und Sie können die Grundkenntnisse und die erweiterten Funktionen von Python während dieser Zeit nach und nach beherrschen.

Python ist in der Entwicklungseffizienz besser als C, aber C ist in der Ausführungsleistung höher. 1. Pythons prägnante Syntax und reiche Bibliotheken verbessern die Entwicklungseffizienz. 2. Die Kompilierungsmerkmale von Compilation und die Hardwarekontrolle verbessern die Ausführungsleistung. Bei einer Auswahl müssen Sie die Entwicklungsgeschwindigkeit und die Ausführungseffizienz basierend auf den Projektanforderungen abwägen.

Python und C haben jeweils ihre eigenen Vorteile, und die Wahl sollte auf Projektanforderungen beruhen. 1) Python ist aufgrund seiner prägnanten Syntax und der dynamischen Typisierung für die schnelle Entwicklung und Datenverarbeitung geeignet. 2) C ist aufgrund seiner statischen Tipp- und manuellen Speicherverwaltung für hohe Leistung und Systemprogrammierung geeignet.

PythonlistsarePartThestandardlibrary, whilearraysarenot.listarebuilt-in, vielseitig und UNDUSEDFORSPORINGECollections, während dieArrayRay-thearrayModulei und loses und loses und losesaluseduetolimitedFunctionality.

Python zeichnet sich in Automatisierung, Skript und Aufgabenverwaltung aus. 1) Automatisierung: Die Sicherungssicherung wird durch Standardbibliotheken wie OS und Shutil realisiert. 2) Skriptschreiben: Verwenden Sie die PSUTIL -Bibliothek, um die Systemressourcen zu überwachen. 3) Aufgabenverwaltung: Verwenden Sie die Zeitplanbibliothek, um Aufgaben zu planen. Die Benutzerfreundlichkeit von Python und die Unterstützung der reichhaltigen Bibliothek machen es zum bevorzugten Werkzeug in diesen Bereichen.

Zu den Anwendungen von Python im wissenschaftlichen Computer gehören Datenanalyse, maschinelles Lernen, numerische Simulation und Visualisierung. 1.Numpy bietet effiziente mehrdimensionale Arrays und mathematische Funktionen. 2. Scipy erweitert die Numpy -Funktionalität und bietet Optimierungs- und lineare Algebra -Tools. 3.. Pandas wird zur Datenverarbeitung und -analyse verwendet. 4.Matplotlib wird verwendet, um verschiedene Grafiken und visuelle Ergebnisse zu erzeugen.

Zu den wichtigsten Anwendungen von Python in der Webentwicklung gehören die Verwendung von Django- und Flask -Frameworks, API -Entwicklung, Datenanalyse und Visualisierung, maschinelles Lernen und KI sowie Leistungsoptimierung. 1. Django und Flask Framework: Django eignet sich für die schnelle Entwicklung komplexer Anwendungen, und Flask eignet sich für kleine oder hochmobile Projekte. 2. API -Entwicklung: Verwenden Sie Flask oder Djangorestframework, um RESTFUFFUPI zu erstellen. 3. Datenanalyse und Visualisierung: Verwenden Sie Python, um Daten zu verarbeiten und über die Webschnittstelle anzuzeigen. 4. Maschinelles Lernen und KI: Python wird verwendet, um intelligente Webanwendungen zu erstellen. 5. Leistungsoptimierung: optimiert durch asynchrones Programmieren, Caching und Code
