


Interopérabilité sur la prise en charge asynchrone des mises à jour Python
Cela fait un moment depuis ma dernière mise à jour IoP. Retrouvons-nous !
Des améliorations significatives ont été ajoutées à l'interface de ligne de commande IoP :
-
Changement de nom : Le module
grongier.pex
a été renomméiop
pour s'aligner sur la nouvelle image de marque du projet. - Prise en charge asynchrone : IoP prend désormais entièrement en charge les fonctions et coroutines asynchrones.
Renommer le projet
Le module grongier.pex
reste accessible pour des raisons de compatibilité ascendante mais sera supprimé dans une prochaine version. Utilisez le module iop
pour de nouveaux développements.
Fonctionnalités asynchrones
Bien que l'IoP prenne depuis longtemps en charge les appels asynchrones, l'utilisation directe des fonctions asynchrones et des coroutines n'était auparavant pas disponible. Avant d'explorer cette nouvelle fonctionnalité, examinons le fonctionnement des appels asynchrones dans InterSystems IRIS et examinons deux exemples.
Appels asynchrones hérités
Cela illustre l'approche traditionnelle :
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}")
Cela reflète le comportement des appels asynchrones dans IRIS. send_request_async
envoie une demande à une opération commerciale et on_response
gère la réponse reçue. completion_key
différencie les réponses.
Fonctionnalité multi-requêtes synchrone
Bien qu'elle ne soit pas entièrement nouvelle, la possibilité d'envoyer plusieurs requêtes synchrones simultanément est remarquable :
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}")
Cet exemple envoie simultanément deux requêtes à la même opération commerciale. La réponse est un tuple contenant la cible, la demande, la réponse et le statut pour chaque appel. Ceci est particulièrement utile lorsque l'ordre de la demande n'est pas important.
Fonctions asynchrones et coroutines
Voici comment exploiter les fonctions asynchrones et les coroutines dans 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)
Cela envoie simultanément plusieurs requêtes en utilisant send_request_async_ng
. asyncio.gather
garantit que toutes les réponses sont attendues simultanément.
Si vous avez suivi jusqu'ici, veuillez commenter "Boomerang" ! Cela signifierait beaucoup. Merci !
await_response
est une coroutine qui envoie plusieurs requêtes et attend toutes les réponses.
Les avantages de l'utilisation de fonctions asynchrones et de coroutines incluent des performances améliorées grâce à des requêtes parallèles, une lisibilité et une maintenabilité améliorées, une flexibilité accrue grâce au module asyncio
et une meilleure gestion des exceptions et des délais d'attente.
Comparaison des méthodes asynchrones
Quelles sont les principales différences entre send_request_async
, send_multi_request_sync
et send_request_async_ng
?
-
send_request_async
: envoie une demande et attend une réponse uniquement sion_response
est implémenté etcompletion_key
est utilisé. Simple mais moins évolutif pour les requêtes parallèles. -
send_multi_request_sync
: envoie plusieurs demandes simultanément et attend toutes les réponses. Facile à utiliser, mais l'ordre de réponse n'est pas garanti. -
send_request_async_ng
: envoie plusieurs demandes simultanément et attend toutes les réponses, en maintenant l'ordre des réponses. Nécessite des fonctions asynchrones et des coroutines.
Bon multithreading !
Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!

Outils d'IA chauds

Undresser.AI Undress
Application basée sur l'IA pour créer des photos de nu réalistes

AI Clothes Remover
Outil d'IA en ligne pour supprimer les vêtements des photos.

Undress AI Tool
Images de déshabillage gratuites

Clothoff.io
Dissolvant de vêtements AI

Video Face Swap
Échangez les visages dans n'importe quelle vidéo sans effort grâce à notre outil d'échange de visage AI entièrement gratuit !

Article chaud

Outils chauds

Bloc-notes++7.3.1
Éditeur de code facile à utiliser et gratuit

SublimeText3 version chinoise
Version chinoise, très simple à utiliser

Envoyer Studio 13.0.1
Puissant environnement de développement intégré PHP

Dreamweaver CS6
Outils de développement Web visuel

SublimeText3 version Mac
Logiciel d'édition de code au niveau de Dieu (SublimeText3)

Sujets chauds











Python est plus facile à apprendre et à utiliser, tandis que C est plus puissant mais complexe. 1. La syntaxe Python est concise et adaptée aux débutants. Le typage dynamique et la gestion automatique de la mémoire le rendent facile à utiliser, mais peuvent entraîner des erreurs d'exécution. 2.C fournit des fonctionnalités de contrôle de bas niveau et avancées, adaptées aux applications haute performance, mais a un seuil d'apprentissage élevé et nécessite une gestion manuelle de la mémoire et de la sécurité.

Est-ce suffisant pour apprendre Python pendant deux heures par jour? Cela dépend de vos objectifs et de vos méthodes d'apprentissage. 1) Élaborer un plan d'apprentissage clair, 2) Sélectionnez les ressources et méthodes d'apprentissage appropriées, 3) la pratique et l'examen et la consolidation de la pratique pratique et de l'examen et de la consolidation, et vous pouvez progressivement maîtriser les connaissances de base et les fonctions avancées de Python au cours de cette période.

Python est meilleur que C dans l'efficacité du développement, mais C est plus élevé dans les performances d'exécution. 1. La syntaxe concise de Python et les bibliothèques riches améliorent l'efficacité du développement. Les caractéristiques de type compilation et le contrôle du matériel de CC améliorent les performances d'exécution. Lorsque vous faites un choix, vous devez peser la vitesse de développement et l'efficacité de l'exécution en fonction des besoins du projet.

Python et C ont chacun leurs propres avantages, et le choix doit être basé sur les exigences du projet. 1) Python convient au développement rapide et au traitement des données en raison de sa syntaxe concise et de son typage dynamique. 2) C convient à des performances élevées et à une programmation système en raison de son typage statique et de sa gestion de la mémoire manuelle.

PythonlistSaReparmentofthestandardLibrary, tandis que les coloccules de colocède, tandis que les colocculations pour la base de la Parlementaire, des coloments de forage polyvalent, tandis que la fonctionnalité de la fonctionnalité nettement adressée.

Python excelle dans l'automatisation, les scripts et la gestion des tâches. 1) Automatisation: La sauvegarde du fichier est réalisée via des bibliothèques standard telles que le système d'exploitation et la fermeture. 2) Écriture de script: utilisez la bibliothèque PSUTIL pour surveiller les ressources système. 3) Gestion des tâches: utilisez la bibliothèque de planification pour planifier les tâches. La facilité d'utilisation de Python et la prise en charge de la bibliothèque riche en font l'outil préféré dans ces domaines.

Les applications de Python en informatique scientifique comprennent l'analyse des données, l'apprentissage automatique, la simulation numérique et la visualisation. 1.Numpy fournit des tableaux multidimensionnels et des fonctions mathématiques efficaces. 2. Scipy étend la fonctionnalité Numpy et fournit des outils d'optimisation et d'algèbre linéaire. 3. Pandas est utilisé pour le traitement et l'analyse des données. 4.Matplotlib est utilisé pour générer divers graphiques et résultats visuels.

Les applications clés de Python dans le développement Web incluent l'utilisation des cadres Django et Flask, le développement de l'API, l'analyse et la visualisation des données, l'apprentissage automatique et l'IA et l'optimisation des performances. 1. Framework Django et Flask: Django convient au développement rapide d'applications complexes, et Flask convient aux projets petits ou hautement personnalisés. 2. Développement de l'API: Utilisez Flask ou DjangorestFramework pour construire RestulAPI. 3. Analyse et visualisation des données: utilisez Python pour traiter les données et les afficher via l'interface Web. 4. Apprentissage automatique et AI: Python est utilisé pour créer des applications Web intelligentes. 5. Optimisation des performances: optimisée par la programmation, la mise en cache et le code asynchrones
