当前位置:

首页 > 编程开发 > Python协程数据库读写怎么加速?peewee-async异步MySQL实战

Python协程数据库读写怎么加速?peewee-async异步MySQL实战

简介 协程的好处,玩Python的应该都不陌生——单线程内就能实现并发,底层依赖事件循环和IO多路复用。拿数据库操作来说,用上协程之后,读取速度能明显提升。 peewee-async这个库,底层走的是aiomysql,所以操作起来非常顺手。 下面所有例子都以MySQL为例。 安装 pip insta

本文目录

    简介

    协程的好处,玩Python的应该都不陌生——单线程内就能实现并发,底层依赖事件循环和IO多路复用。拿数据库操作来说,用上协程之后,读取速度能明显提升。

    peewee-async这个库,底层走的是aiomysql,所以操作起来非常顺手。

    下面所有例子都以MySQL为例。

    安装

    pip install peewee-async
    

    数据库连接驱动也得装上:

    pip install aiomysql
    
    • PostgreSQL:aiopg
    • MySQL:aiomysql

    初试

    先用本机连接创建一个数据库test,直接看代码:

    import asyncio
    import peewee_async
    from peewee import *
    
    database = peewee_async.MySQLDatabase('test', user='root', password='123456', host='127.0.0.1', port=3306)
    
    
    class TestModel(Model):
        text = CharField()
    
        class Meta:
            database = database
    
    
    # 同步
    TestModel.create_table(True)
    TestModel.create(text='Yo, I can do it sync!')
    database.close()
    
    # 异步
    objects = peewee_async.Manager(database)
    database.set_allow_sync(False)
    
    
    async def handler():
        await objects.create(TestModel, text='Not bad. Watch this, I am async!')
        all_objects = await objects.execute(TestModel.select())
        for obj in all_objects:
            print(obj.text)
    
    
    loop = asyncio.get_event_loop()
    loop.run_until_complete(handler())
    loop.close()
    
    # 以同步方式删除表
    with objects.allow_sync():
        TestModel.drop_table(True)
    

    注意看,同步和异步两种写法并存,并且通过set_allow_sync(False)来禁止同步操作,是个好习惯。

    异步读写

    import asyncio
    
    from peewee import Model, CharField, TextField
    from peewee_async import MySQLDatabase, Manager
    
    loop = asyncio.new_event_loop()
    database = MySQLDatabase('test', user='root', password='123456', host='127.0.0.1', port=3306)
    objects = Manager(database, loop=loop)
    
    
    class PageBlock(Model):
        key = CharField(max_length=40, unique=True)
        text = TextField(default='')
    
        class Meta:
            database = database
    
    
    PageBlock.create_table(True)
    objects.database.allow_sync = False
    
    
    async def my_async_func():
        await objects.create_or_get(PageBlock, key='title', text='Peewee is AWESOME with async!')
    
        title = await objects.get(PageBlock, key='title')
        print('Was:', title.text)
    
        title.text = 'Peewee is SUPER awesome with async!'
        await objects.update(title)
        print('New:', title.text)
    
    
    loop.run_until_complete(my_async_func())
    loop.close()
    # Was: Peewee is AWESOME with async!
    # New: Peewee is SUPER awesome with async!
    

    这里用create_or_get和update演示了增改操作,配合get查询,基本上覆盖了日常CRUD。

    同时使用同步和异步调用

    import asyncio
    
    import peewee_async
    from peewee import Model, CharField
    
    database = peewee_async.MySQLDatabase('test', user='root', password='123456', host='127.0.0.1', port=3306)
    loop = asyncio.get_event_loop()
    
    
    class TestModel(Model):
        text = CharField()
    
        class Meta:
            database = database
    
    
    # 同步
    TestModel.create_table(True)
    database.close()
    
    
    @asyncio.coroutine
    def my_handler():
        obj1 = TestModel.create(text='Yo, I can do it sync!')
        obj2 = yield from peewee_async.create_object(TestModel, text='Not bad. Watch this, I am async!')
    
        all_objects = yield from peewee_async.execute(TestModel.select())
        for obj in all_objects:
            print(obj.text)
    
        obj1.delete_instance()
        yield from peewee_async.delete_object(obj2)
    
    
    loop.run_until_complete(database.connect_async(loop=loop))
    loop.run_until_complete(my_handler())
    

    这个例子展示了如何在一个项目里混合同步和异步代码——同步创建、异步查询,最后再同步删除。注意连接数据库时用了connect_async,这是关键一步。

    事务

    import asyncio
    
    import peewee_async
    from peewee import Model, CharField
    
    database = peewee_async.MySQLDatabase('test', user='root', password='123456', host='127.0.0.1', port=3306)
    loop = asyncio.get_event_loop()
    
    
    class TestModel(Model):
        text = CharField()
    
        class Meta:
            database = database
    
    
    # 同步
    TestModel.create_table(True)
    database.close()
    
    
    async def test():
        obj = await peewee_async.create_object(TestModel, text='FOO')
        obj_id = obj.id
    
        try:
            async with database.atomic_async():
                obj.text = 'BAR'
                await peewee_async.update_object(obj)
                raise Exception('Fake error')
        except:
            res = await peewee_async.get_object(TestModel, TestModel.id == obj_id)
            print(res.text)
    
    
    loop.run_until_complete(test())
    # FOO
    

    注意输出是FOO,说明事务回滚生效了——即使更新了BAR,遇到异常后数据依然保持原样。

    速度测试

    先安装造数据的库:

    pip install faker
    

    测试代码:

    import time
    import asyncio
    
    import peewee_async
    from peewee import *
    from faker import Faker
    
    database = peewee_async.MySQLDatabase('test', user='root', password='123456', host='127.0.0.1', port=3306)
    
    
    class Student(Model):
        id = PrimaryKeyField()
        name = CharField()
        birthday = DateField()
        chinese = IntegerField()
        math = IntegerField()
        english = IntegerField()
    
        class Meta:
            database = database
    
    
    Student.create_table(True)
    
    # 数据准备
    faker = Faker('zh_CN')
    students = []
    batch_size = 100
    for _ in range(100000):  # 10w条数据
        student = Student(name=faker.name(), birthday=faker.date(), chinese=faker.random_int(min=0, max=100),
                          math=faker.random_int(min=0, max=100), english=faker.random_int(min=0, max=100))
        students.append(student)
        if len(students) >= batch_size:
            Student.bulk_create(students, batch_size=batch_size)
            students.clear()
    print('数据准备完成')
    
    
    def sync_read():
        """同步读取"""
        begin = time.time()
        students1 = Student.select().where(Student.birthday >= '2000-01-01')
        students2 = Student.select().where(Student.chinese >= 70)
        students3 = Student.select().where(Student.math >= 80)
        students4 = Student.select().where(Student.english >= 90)
        lengths = len(students1), len(students2), len(students3), len(students4)
        print('sync_read: {:.2f}s'.format(time.time() - begin))
        return lengths
    
    
    async def async_read():
        """异步读取"""
        begin = time.time()
        students1 = await manager.execute(Student.select().where(Student.birthday >= '2000-01-01'))
        students2 = await manager.execute(Student.select().where(Student.chinese >= 70))
        students3 = await manager.execute(Student.select().where(Student.math >= 80))
        students4 = await manager.execute(Student.select().where(Student.english >= 90))
        lengths = len(students1), len(students2), len(students3), len(students4)
        print('async_read: {:.2f}s'.format(time.time() - begin))
        return lengths
    
    
    if __name__ == '__main__':
        sync_read()
    
        manager = peewee_async.Manager(database)
        database.set_allow_sync(False)
        loop = asyncio.get_event_loop()
        loop.run_until_complete(async_read())
        # 数据准备完成
        # sync_read: 3.10s
        # async_read: 1.86s
    

    结果很直观:同步读取10万条数据花了3.10秒,异步只用了1.86秒,几乎快了40%。

    遇到的坑

    异步在某些场景下反而可能更慢——比如单一查询、小数据量时,协程的上下文切换开销会抵消掉并发优势。另外,如果数据库连接池配置不当,也可能出现连接等待。

    总结

    peewee-async 让异步操作 peewee 变得非常轻松,尤其适合高并发读写的场景。当然,任何技术都有适用边界,用之前最好先做个小测试,看看实际收益。

    本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系bd@zhengruan.com
    作者最新文章
    编程开发 Python
    相关文章 更多
    python删除一个列表里的重复元素的方法与代码示例
    python删除一个列表里的重复元素的方法与代码示例

    学习如何使用Python高效删除列表中的重复元素。本文提供5种常见方法的代码示例,涵盖保持顺序与不保持顺序的场景,适合初学者和进阶开发者参考。

    Python写接口的步骤及完整代码示例
    Python写接口的步骤及完整代码示例

    详细讲解使用Python编写Web接口的核心步骤与完整代码示例,涵盖环境准备、路由定义、数据校验、服务启动及调试测试方法。

    codex怎么读取word文档及docx文件操作教程
    codex怎么读取word文档及docx文件操作教程

    介绍如何利用编程工具读取和解析Word文档(docx格式),涵盖基础文本提取代码示例、结构化数据处理逻辑,以及处理复杂排版时的技术局限与替代方案。

    怎么在Python中调用C语言代码提升性能
    怎么在Python中调用C语言代码提升性能

    详细讲解在Python中调用C语言代码提升性能的完整实践指南,包含原理分析、编译步骤、ctypes与CFFI具体实现、性能对比及常见陷阱。

    Python与C语言的性能差异及底层原理
    Python与C语言的性能差异及底层原理

    深入解析Python与C语言在执行效率上的数量级差异,从编译机制、变量内存布局、动态类型推断到GIL锁,系统阐明底层核心原理。

    Python和C语言哪个更适合编程入门
    Python和C语言哪个更适合编程入门

    客观对比Python与C语言在心智负担、底层机制与学习反馈上的核心差异,提供清晰有据的选择标准与切实的入门学习路径。

    selenium上传文件教程本地文件路径设置方法
    selenium上传文件教程本地文件路径设置方法

    深入解析Selenium处理文件上传的技术细节,涵盖标准HTML控件的路径直接注入法与非标准控件的系统级模拟方案,提供Windows与Linux环境下的路径设置最佳实践及常见异常排查。

    大数据开发语言选型:Java对比Scala与Python的优缺点及适用场景
    大数据开发语言选型:Java对比Scala与Python的优缺点及适用场景

    针对大数据工程场景,系统对比Java、Scala与Python在执行性能、生态结合、开发效率和维护成本上的核心差异,给出清晰的架构选型依据与落地方案。

    langgraph python guide中文入门教程详解
    langgraph python guide中文入门教程详解

    本篇LangGraph Python中文入门教程详解,系统梳理StateGraph状态机定义、节点编写、边与条件路由、检查点持久化(MemorySaver)等核心机制,提供从环境安装到完整循环智能体构建的代码示例与实操指导。

    Windows 安装 Python:从官方入口到虚拟环境的可复现实践
    Windows 安装 Python:从官方入口到虚拟环境的可复现实践

    面向后端开发者,基于 Python 官方文档说明如何在 Windows 上安装 Python、创建 venv 虚拟环境及使用 pip 管理依赖。包含可复制命令、验证方法及工具选择边界,避免常见配置误区。

    查看更多
    精品专题 更多
    装机必备
    装机必备

    正软商城装机必备专区,精选办公、浏览器、安全防护、影音播放、压缩解压、设计创作和系统工具等电脑常用正版软件,帮助用户快速完成新电脑软件配置。

    Windows
    Windows

    正软商城Windows软件专区,汇集适用于Windows电脑的办公、设计、安全防护、影音播放、开发工具和系统优化软件,提供软件介绍、系统要求、正版授权及购买下载服务。

    PDF教程
    PDF教程

    正软商城PDF教程频道提供PDF编辑、转换、合并、拆分、压缩及格式处理方法,同时介绍常用PDF软件和工具的使用技巧。

    Mac软件 更多
    讯飞智作 网页版
    讯飞智作 网页版
    Windows/ macOS/ Linux

    讯飞智作是一款基于语音合成技术、虚拟人驱动技术与数字人形象声音构建能力的 AI 数字人音视频创作平台。

    火山引擎 网页版
    火山引擎 网页版
    Windows/ macOS/ Linux

    火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力,依托字节自研豆包多模态大模型,凭借火山方舟一站式平台,提供模型精调、推理部署、智能应用搭建等全链路服务,结合高性能AI算力,助力各行业快速落地大模型数字化与智能化应用。

    Aperty macOS版
    Aperty macOS版
    macOS

    Aperty 是 Skylum 推出的 AI 人像修图软件,支持自然肤质修饰、瑕疵处理、面部与身体调整、预设及批量同步。

    WINDOWS 更多
    讯飞智作 网页版
    讯飞智作 网页版
    Windows/ macOS/ Linux

    讯飞智作是一款基于语音合成技术、虚拟人驱动技术与数字人形象声音构建能力的 AI 数字人音视频创作平台。

    火山引擎 网页版
    火山引擎 网页版
    Windows/ macOS/ Linux

    火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力,依托字节自研豆包多模态大模型,凭借火山方舟一站式平台,提供模型精调、推理部署、智能应用搭建等全链路服务,结合高性能AI算力,助力各行业快速落地大模型数字化与智能化应用。

    PixTV 网页版
    PixTV 网页版
    Windows

    PixTV 是一款在浏览器中使用的 AI 视觉内容创作平台,提供图片、视频、音频、文字生成、AI 分镜、局部重绘、提示词反推和无限画布等工具,适合短剧、漫剧、广告及社交媒体内容制作。