8.11. Iteratory asynchroniczne#
Iterator asynchroniczny to asyncio-wa wersja iteratora. W Przeglądzie Pythona przedstawiono synchroniczny protokół iteratora – __iter__ i __next__ – oraz pętlę for, która go napędza. Iteratory asynchroniczne dodają await do każdego kroku, dzięki czemu iterator może czekać pomiędzy wartościami bez blokowania pętli zdarzeń.
8.11.1. Protokół#
Klasa jest iteratorem asynchronicznym, gdy implementuje
__aiter__(self)– zwraca obiekt iteratora, zazwyczajself.async def __anext__(self)– zwraca następną wartość lub zgłaszaStopAsyncIteration, gdy nie ma już więcej wartości.
Odpowiadającą jej konstrukcją pętli jest async for
import asyncio
class FrameCounter:
"""Yield N integers, one per frame period."""
def __init__(self, n, period_ms):
self._n = n
self._period_ms = period_ms
self._i = 0
def __aiter__(self):
return self
async def __anext__(self):
if self._i >= self._n:
raise StopAsyncIteration
await asyncio.sleep_ms(self._period_ms)
self._i += 1
return self._i
async def main():
async for n in FrameCounter(5, 200):
print(n)
Pętla async for czeka (await) na każde wywołanie __anext__, więc korutyna napędzająca pętlę oddaje sterowanie pętli zdarzeń pomiędzy wartościami, dokładnie tak jak przy każdym innym await.
8.11.2. Kiedy z tego korzystać#
Zawsze, gdy aplikacja ma źródło danych napływających w czasie, a konsument powinien iterować po nich leniwie. Sensor produkujący próbkę na okres, gniazdo sieciowe dostarczające komunikaty, generator ramek – wszędzie tam, gdzie pasuje schemat while True: x = await source.next(); process(x), czystszym zapisem jest async for x in source.
Dla źródeł emitujących dane aż do skończonego warunku końcowego iterator zgłasza StopAsyncIteration, a async for kończy się normalnie. Dla źródeł, które nigdy się nie kończą – ciągłego strumienia z sensora, długotrwałej subskrypcji – pętla działa do momentu anulowania korutyny, w której się znajduje, lub zburzenia jej zadania.