如何快速把 Python 同步代码中的网络请求部分替换成异步代码

[itskingname]

我有一个 ETL 程序，将会按顺序实现如下功能：

1. 从数据源读取数据
2. 对数据进行脱敏
3. 对数据进行清洗
4. 分析每一条数据的情感
5. 数据存入中间表

其中，第 4 步是使用 requests 来发送 post 请求到一个 NLP 分析接口实现的。现在由于数据量增加，第 4 步的网络请求成为了瓶颈，因此希望把第 4 步改成 aiohttp.

但是，由于 aiohttp 需要使用 async/await, 如果从 0 开始的话，要加入事件循环，每个相关的函数也要改为 async def 来定义，而且也难以使用 class。

单独从 0 开始使用 async/await 重写这个 ETL 程序当然没有问题，但是有没有办法以最小的代码修改量替换第 4 步操作？最好能实现 1235 步的代码都不需要改动。

[shoaly]

换个思路, 第四步用队列去完成

[ClericPy]

以前学习的时候实现过同步代码里使用协程

from torequests.dummy import Requests
req = Requests(frequencies={'p.3.cn': (2, 2)})
tasks = [
req.get(
'http://p.3.cn',
retry=1,
timeout=5,
callback=lambda x: (len(x.content), print(req.frequencies, flush=1)))
for i in range(4)
]
req.x # or [task.x for task in tasks]
result = [task.cx for task in tasks]
print(result)


这里的 cx 是 callback 的返回结果, 如果没有 callback, 直接使用 task.x 就有了, 和普通协程比, 性能损失倒也不算大. 不过还是习惯在全局协程里用

[locoz]

加入中间件，将第四部拆出来放到另一个程序中处理

[Trim21]

只在第四步里开一个事件循环，并发请求

可以考虑一下 httpx，跟 requests 是 api 兼容的，

[Trim21]

@Trim21 虽然还没完全稳定下来，不过自带一个并行请求的功能（底层还是 asyncio ）

https://www.encode.io/httpx/parallel/

[itskingname]

@Trim21 我看一看，感谢

[itskingname]

@locoz 最后没有更好的办法时，确实会使用这个办法。