Python怎么利用contextvars實(shí)現(xiàn)管理上下文變量

這篇文章主要介紹了Python怎么利用contextvars實(shí)現(xiàn)管理上下文變量的相關(guān)知識(shí)，內(nèi)容詳細(xì)易懂，操作簡(jiǎn)單快捷，具有一定借鑒價(jià)值，相信大家閱讀完這篇Python怎么利用contextvars實(shí)現(xiàn)管理上下文變量文章都會(huì)有所收獲，下面我們一起來看看吧。

Python 在 3.7 的時(shí)候引入了一個(gè)模塊：contextvars，從名字上很容易看出它指的是上下文變量（Context Variables），所以在介紹 contextvars 之前我們需要先了解一下什么是上下文（Context）。

Context 是一個(gè)包含了相關(guān)信息內(nèi)容的對(duì)象，舉個(gè)例子："比如一部 13 集的動(dòng)漫，你直接點(diǎn)進(jìn)第八集，看到女主角在男主角面前流淚了"。相信此時(shí)你是不知道為什么女主角會(huì)流淚的，因?yàn)槟銢]有看前面幾集的內(nèi)容，缺失了相關(guān)的上下文信息。

所以 Context 并不是什么神奇的東西，它的作用就是攜帶一些指定的信息。

web 框架中的 request

我們以 fastapi 和 sanic 為例，看看當(dāng)一個(gè)請(qǐng)求過來的時(shí)候，它們是如何解析的。

# fastapi
from fastapi import FastAPI, Request
import uvicorn

app = FastAPI()


@app.get("/index")
async def index(request: Request):
    name = request.query_params.get("name")
    return {"name": name}


uvicorn.run("__main__:app", host="127.0.0.1", port=5555)

# -------------------------------------------------------

# sanic
from sanic import Sanic
from sanic.request import Request
from sanic import response

app = Sanic("sanic")


@app.get("/index")
async def index(request: Request):
    name = request.args.get("name")
    return response.json({"name": name})


app.run(host="127.0.0.1", port=6666)

發(fā)請(qǐng)求測(cè)試一下，看看結(jié)果是否正確。

可以看到請(qǐng)求都是成功的，并且對(duì)于 fastapi 和 sanic 而言，其 request 和 視圖函數(shù)是綁定在一起的。也就是在請(qǐng)求到來的時(shí)候，會(huì)被封裝成一個(gè) Request 對(duì)象、然后傳遞到視圖函數(shù)中。

但對(duì)于 flask 而言則不是這樣子的，我們看一下 flask 是如何接收請(qǐng)求參數(shù)的。

from flask import Flask, request

app = Flask("flask")


@app.route("/index")
def index():
    name = request.args.get("name")
    return {"name": name}


app.run(host="127.0.0.1", port=7777)

我們看到對(duì)于 flask 而言則是通過 import request 的方式，如果不需要的話就不用 import，當(dāng)然我這里并不是在比較哪種方式好，主要是為了引出我們今天的主題。首先對(duì)于 flask 而言，如果我再定義一個(gè)視圖函數(shù)的話，那么獲取請(qǐng)求參數(shù)依舊是相同的方式，但是這樣問題就來了，不同的視圖函數(shù)內(nèi)部使用同一個(gè) request，難道不會(huì)發(fā)生沖突嗎？

顯然根據(jù)我們使用 flask 的經(jīng)驗(yàn)來說，答案是不會(huì)的，至于原因就是 ThreadLocal。

ThreadLocal

ThreadLocal，從名字上看可以得出它肯定是和線程相關(guān)的。沒錯(cuò)，它專門用來創(chuàng)建局部變量，并且創(chuàng)建的局部變量是和線程綁定的。

import threading

# 創(chuàng)建一個(gè) local 對(duì)象
local = threading.local()

def get():
    name = threading.current_thread().name
    # 獲取綁定在 local 上的 value
    value = local.value
    print(f"線程: {name}, value: {value}")

def set_():
    name = threading.current_thread().name
    # 為不同的線程設(shè)置不同的值
    if name == "one":
        local.value = "ONE"
    elif name == "two":
        local.value = "TWO"
    # 執(zhí)行 get 函數(shù)
    get()

t1 = threading.Thread(target=set_, name="one")
t2 = threading.Thread(target=set_, name="two")
t1.start()
t2.start()
"""
線程 one, value: ONE
線程 two, value: TWO
"""

可以看到兩個(gè)線程之間是互不影響的，因?yàn)槊總€(gè)線程都有自己唯一的 id，在綁定值的時(shí)候會(huì)綁定在當(dāng)前的線程中，獲取也會(huì)從當(dāng)前的線程中獲取?？梢园?ThreadLocal 想象成一個(gè)字典：

{
    "one": {"value": "ONE"},
    "two": {"value": "TWO"}
}

更準(zhǔn)確的說 key 應(yīng)該是線程的 id，為了直觀我們就用線程的 name 代替了，但總之在獲取的時(shí)候只會(huì)獲取綁定在該線程上的變量的值。

而 flask 內(nèi)部也是這么設(shè)計(jì)的，只不過它沒有直接用 threading.local，而是自己實(shí)現(xiàn)了一個(gè) Local 類，除了支持線程之外還支持 greenlet 的協(xié)程，那么它是怎么實(shí)現(xiàn)的呢？首先我們知道 flask 內(nèi)部存在 "請(qǐng)求 context" 和 "應(yīng)用 context"，它們都是通過棧來維護(hù)的（兩個(gè)不同的棧）。

# flask/globals.py
_request_ctx_stack = LocalStack()
_app_ctx_stack = LocalStack()
current_app = LocalProxy(_find_app)
request = LocalProxy(partial(_lookup_req_object, "request"))
session = LocalProxy(partial(_lookup_req_object, "session"))

每個(gè)請(qǐng)求都會(huì)綁定在當(dāng)前的 Context 中，等到請(qǐng)求結(jié)束之后再銷毀，這個(gè)過程由框架完成，開發(fā)者只需要直接使用 request 即可。所以請(qǐng)求的具體細(xì)節(jié)流程可以點(diǎn)進(jìn)源碼中查看，這里我們重點(diǎn)關(guān)注一個(gè)對(duì)象：werkzeug.local.Local，也就是上面說的 Local 類，它是變量的設(shè)置和獲取的關(guān)鍵。直接看部分源碼：

# werkzeug/local.py

class Local(object):
    __slots__ = ("__storage__", "__ident_func__")

    def __init__(self):
        # 內(nèi)部有兩個(gè)成員：__storage__ 是一個(gè)字典，值就存在這里面
        # __ident_func__ 只需要知道它是用來獲取線程 id 的即可
        object.__setattr__(self, "__storage__", {})
        object.__setattr__(self, "__ident_func__", get_ident)

    def __call__(self, proxy):
        """Create a proxy for a name."""
        return LocalProxy(self, proxy)

    def __release_local__(self):
        self.__storage__.pop(self.__ident_func__(), None)

    def __getattr__(self, name):
        try:
            # 根據(jù)線程 id 得到 value（一個(gè)字典）
            # 然后再根據(jù) name 獲取對(duì)應(yīng)的值
            # 所以只會(huì)獲取綁定在當(dāng)前線程上的值
            return self.__storage__[self.__ident_func__()][name]
        except KeyError:
            raise AttributeError(name)

    def __setattr__(self, name, value):
        ident = self.__ident_func__()
        storage = self.__storage__
        try:
            # 將線程 id 作為 key，然后將值設(shè)置在對(duì)應(yīng)的字典中
            # 所以只會(huì)將值設(shè)置在當(dāng)前的線程中
            storage[ident][name] = value
        except KeyError:
            storage[ident] = {name: value}

    def __delattr__(self, name):
        # 刪除邏輯也很簡(jiǎn)單
        try:
            del self.__storage__[self.__ident_func__()][name]
        except KeyError:
            raise AttributeError(name)

所以我們看到 flask 內(nèi)部的邏輯其實(shí)很簡(jiǎn)單，通過 ThreadLocal 實(shí)現(xiàn)了線程之間的隔離。每個(gè)請(qǐng)求都會(huì)綁定在各自的 Context 中，獲取值的時(shí)候也會(huì)從各自的 Context 中獲取，因?yàn)樗褪怯脕肀４嫦嚓P(guān)信息的（重要的是同時(shí)也實(shí)現(xiàn)了隔離）。

相應(yīng)此刻你已經(jīng)理解了上下文，但是問題來了，不管是 threading.local 也好、還是類似于 flask 自己實(shí)現(xiàn)的 Local 也罷，它們都是針對(duì)線程的。如果是使用 async def 定義的協(xié)程該怎么辦呢？如何實(shí)現(xiàn)每個(gè)協(xié)程的上下文隔離呢？所以終于引出了我們的主角：contextvars。

contextvars

該模塊提供了一組接口，可用于在協(xié)程中管理、設(shè)置、訪問局部 Context 的狀態(tài)。

import asyncio
import contextvars

c = contextvars.ContextVar("只是一個(gè)標(biāo)識(shí), 用于調(diào)試")

async def get():
    # 獲取值
    return c.get() + "~~~"

async def set_(val):
    # 設(shè)置值
    c.set(val)
    print(await get())

async def main():
    coro1 = set_("協(xié)程1")
    coro2 = set_("協(xié)程2")
    await asyncio.gather(coro1, coro2)


asyncio.run(main())
"""
協(xié)程1~~~
協(xié)程2~~~
"""

ContextVar 提供了兩個(gè)方法，分別是 get 和 set，用于獲取值和設(shè)置值。我們看到效果和 ThreadingLocal 類似，數(shù)據(jù)在協(xié)程之間是隔離的，不會(huì)受到彼此的影響。

但我們?cè)僮屑?xì)觀察一下，我們是在 set_ 函數(shù)中設(shè)置的值，然后在 get 函數(shù)中獲取值?？?await get() 相當(dāng)于是開啟了一個(gè)新的協(xié)程，那么意味著設(shè)置值和獲取值不是在同一個(gè)協(xié)程當(dāng)中。但即便如此，我們依舊可以獲取到希望的結(jié)果。因?yàn)?Python 的協(xié)程是無棧協(xié)程，通過 await 可以實(shí)現(xiàn)級(jí)聯(lián)調(diào)用。

我們不妨再套一層：

import asyncio
import contextvars

c = contextvars.ContextVar("只是一個(gè)標(biāo)識(shí), 用于調(diào)試")

async def get1():
    return await get2()

async def get2():
    return c.get() + "~~~"

async def set_(val):
    # 設(shè)置值
    c.set(val)
    print(await get1())
    print(await get2())

async def main():
    coro1 = set_("協(xié)程1")
    coro2 = set_("協(xié)程2")
    await asyncio.gather(coro1, coro2)


asyncio.run(main())
"""
協(xié)程1~~~
協(xié)程1~~~
協(xié)程2~~~
協(xié)程2~~~
"""

我們看到不管是 await get1() 還是 await get2()，得到的都是 set_ 中設(shè)置的結(jié)果，說明它是可以嵌套的。

并且在這個(gè)過程當(dāng)中，可以重新設(shè)置值。

import asyncio
import contextvars

c = contextvars.ContextVar("只是一個(gè)標(biāo)識(shí), 用于調(diào)試")

async def get1():
    c.set("重新設(shè)置")
    return await get2()

async def get2():
    return c.get() + "~~~"

async def set_(val):
    # 設(shè)置值
    c.set(val)
    print("------------")
    print(await get2())
    print(await get1())
    print(await get2())
    print("------------")

async def main():
    coro1 = set_("協(xié)程1")
    coro2 = set_("協(xié)程2")
    await asyncio.gather(coro1, coro2)


asyncio.run(main())
"""
------------
協(xié)程1~~~
重新設(shè)置~~~
重新設(shè)置~~~
------------
------------
協(xié)程2~~~
重新設(shè)置~~~
重新設(shè)置~~~
------------
"""

先 await get2() 得到的就是 set_ 函數(shù)中設(shè)置的值，這是符合預(yù)期的。但是我們?cè)?get1 中將值重新設(shè)置了，那么之后不管是 await get1() 還是直接 await get2()，得到的都是新設(shè)置的值。

這也說明了，一個(gè)協(xié)程內(nèi)部 await 另一個(gè)協(xié)程，另一個(gè)協(xié)程內(nèi)部 await 另另一個(gè)協(xié)程，不管套娃（await）多少次，它們獲取的值都是一樣的。并且在任意一個(gè)協(xié)程內(nèi)部都可以重新設(shè)置值，然后獲取會(huì)得到最后一次設(shè)置的值。再舉個(gè)栗子：

import asyncio
import contextvars

c = contextvars.ContextVar("只是一個(gè)標(biāo)識(shí), 用于調(diào)試")

async def get1():
    return await get2()

async def get2():
    val = c.get() + "~~~"
    c.set("重新設(shè)置啦")
    return val

async def set_(val):
    # 設(shè)置值
    c.set(val)
    print(await get1())
    print(c.get())

async def main():
    coro = set_("古明地覺")
    await coro

asyncio.run(main())
"""
古明地覺~~~
重新設(shè)置啦
"""

await get1() 的時(shí)候會(huì)執(zhí)行 await get2()，然后在里面拿到 c.set 設(shè)置的值，打印 "古明地覺~~~"。但是在 get2 里面，又將值重新設(shè)置了，所以第二個(gè) print 打印的就是新設(shè)置的值。\

如果在 get 之前沒有先 set，那么會(huì)拋出一個(gè) LookupError，所以 ContextVar 支持默認(rèn)值：

import asyncio
import contextvars

c = contextvars.ContextVar("只是一個(gè)標(biāo)識(shí), 用于調(diào)試",
                           default="哼哼")

async def set_(val):
    print(c.get())
    c.set(val)
    print(c.get())

async def main():
    coro = set_("古明地覺")
    await coro

asyncio.run(main())
"""
哼哼
古明地覺
"""

除了在 ContextVar 中指定默認(rèn)值之外，也可以在 get 中指定：

import asyncio
import contextvars

c = contextvars.ContextVar("只是一個(gè)標(biāo)識(shí), 用于調(diào)試",
                           default="哼哼")

async def set_(val):
    print(c.get("古明地戀"))
    c.set(val)
    print(c.get())

async def main():
    coro = set_("古明地覺")
    await coro

asyncio.run(main())
"""
古明地戀
古明地覺
"""

所以結(jié)論如下，如果在 c.set 之前使用 c.get：

• 當(dāng) ContextVar 和 get 中都沒有指定默認(rèn)值，會(huì)拋出 LookupError；

• 只要有一方設(shè)置了，那么會(huì)得到默認(rèn)值；

• 如果都設(shè)置了，那么以 get 為準(zhǔn)；

如果 c.get 之前執(zhí)行了 c.set，那么無論 ContextVar 和 get 有沒有指定默認(rèn)值，獲取到的都是 c.set 設(shè)置的值。

所以總的來說還是比較好理解的，并且 ContextVar 除了可以作用在協(xié)程上面，它也可以用在線程上面。沒錯(cuò)，它可以替代 threading.local，我們來試一下：

import threading
import contextvars

c = contextvars.ContextVar("context_var")

def get():
    name = threading.current_thread().name
    value = c.get()
    print(f"線程 {name}, value: {value}")

def set_():
    name = threading.current_thread().name
    if name == "one":
        c.set("ONE")
    elif name == "two":
        c.set("TWO")
    get()

t1 = threading.Thread(target=set_, name="one")
t2 = threading.Thread(target=set_, name="two")
t1.start()
t2.start()
"""
線程 one, value: ONE
線程 two, value: TWO
"""

和 threading.local 的表現(xiàn)是一樣的，但是更建議使用 ContextVars。不過前者可以綁定任意多個(gè)值，而后者只能綁定一個(gè)值（可以通過傳遞字典的方式解決這一點(diǎn)）。

c.Token

當(dāng)我們調(diào)用 c.set 的時(shí)候，其實(shí)會(huì)返回一個(gè) Token 對(duì)象：

import contextvars

c = contextvars.ContextVar("context_var")
token = c.set("val")
print(token)
"""
<Token var=<ContextVar name='context_var' at 0x00..> at 0x00...>
"""

Token 對(duì)象有一個(gè) var 屬性，它是只讀的，會(huì)返回指向此 token 的 ContextVar 對(duì)象。

import contextvars

c = contextvars.ContextVar("context_var")
token = c.set("val")

print(token.var is c)  # True
print(token.var.get())  # val

print(
    token.var.set("val2").var.set("val3").var is c
)  # True
print(c.get())  # val3

Token 對(duì)象還有一個(gè) old_value 屬性，它會(huì)返回上一次 set 設(shè)置的值，如果是第一次 set，那么會(huì)返回一個(gè) <Token.MISSING>。

import contextvars

c = contextvars.ContextVar("context_var")
token = c.set("val")

# 該 token 是第一次 c.set 所返回的
# 在此之前沒有 set，所以 old_value 是 <Token.MISSING>
print(token.old_value)  # <Token.MISSING>

token = c.set("val2")
print(c.get())  # val2
# 返回上一次 set 的值
print(token.old_value)  # val

那么這個(gè) Token 對(duì)象有什么作用呢？從目前來看貌似沒太大用處啊，其實(shí)它最大的用處就是和 reset 搭配使用，可以對(duì)狀態(tài)進(jìn)行重置。

import contextvars
#### 
c = contextvars.ContextVar("context_var")
token = c.set("val")
# 顯然是可以獲取的
print(c.get())  # val

# 將其重置為 token 之前的狀態(tài)
# 但這個(gè) token 是第一次 set 返回的
# 那么之前就相當(dāng)于沒有 set 了
c.reset(token)
try:
    c.get()  # 此時(shí)就會(huì)報(bào)錯(cuò)
except LookupError:
    print("報(bào)錯(cuò)啦")  # 報(bào)錯(cuò)啦

# 但是我們可以指定默認(rèn)值
print(c.get("默認(rèn)值"))  # 默認(rèn)值

contextvars.Context

它負(fù)責(zé)保存 ContextVars 對(duì)象和設(shè)置的值之間的映射，但是我們不會(huì)直接通過 contextvars.Context 來創(chuàng)建，而是通過 contentvars.copy_context 函數(shù)來創(chuàng)建。

import contextvars

c1 = contextvars.ContextVar("context_var1")
c1.set("val1")
c2 = contextvars.ContextVar("context_var2")
c2.set("val2")

# 此時(shí)得到的是所有 ContextVar 對(duì)象和設(shè)置的值之間的映射
# 它實(shí)現(xiàn)了 collections.abc.Mapping 接口
# 因此我們可以像操作字典一樣操作它
context = contextvars.copy_context()
# key 就是對(duì)應(yīng)的 ContextVar 對(duì)象，value 就是設(shè)置的值
print(context[c1])  # val1
print(context[c2])  # val2
for ctx, value in context.items():
    print(ctx.get(), ctx.name, value)
    """
    val1 context_var1 val1
    val2 context_var2 val2
    """

print(len(context))  # 2

除此之外，context 還有一個(gè) run 方法：

import contextvars

c1 = contextvars.ContextVar("context_var1")
c1.set("val1")
c2 = contextvars.ContextVar("context_var2")
c2.set("val2")

context = contextvars.copy_context()

def change(val1, val2):
    c1.set(val1)
    c2.set(val2)
    print(c1.get(), context[c1])
    print(c2.get(), context[c2])

# 在 change 函數(shù)內(nèi)部，重新設(shè)置值
# 然后里面打印的也是新設(shè)置的值
context.run(change, "VAL1", "VAL2")
"""
VAL1 VAL1
VAL2 VAL2
"""

print(c1.get(), context[c1])
print(c2.get(), context[c2])
"""
val1 VAL1
val2 VAL2
"""

我們看到 run 方法接收一個(gè) callable，如果在里面修改了 ContextVar 實(shí)例設(shè)置的值，那么對(duì)于 ContextVar 而言只會(huì)在函數(shù)內(nèi)部生效，一旦出了函數(shù)，那么還是原來的值。但是對(duì)于 Context 而言，它是會(huì)受到影響的，即便出了函數(shù)，也是新設(shè)置的值，因?yàn)樗苯影褍?nèi)部的字典給修改了。

關(guān)于“Python怎么利用contextvars實(shí)現(xiàn)管理上下文變量”這篇文章的內(nèi)容就介紹到這里，感謝各位的閱讀！相信大家對(duì)“Python怎么利用contextvars實(shí)現(xiàn)管理上下文變量”知識(shí)都有一定的了解，大家如果還想學(xué)習(xí)更多知識(shí)，歡迎關(guān)注億速云行業(yè)資訊頻道。