利用gRPC构建Python微服务（七）AsyncIO和gRPC

　　在上一篇中，主要讲解了关于基于gRPC构建Python微服务的一些最佳实践，本篇将介绍在gRPC中如何使用AsyncIO，本篇也是终结篇。 全文导航
　　为了方便大家阅读，这里将全部目录进行一下索引，方便大家在老孙正经胡说(https://sunqi.site)中查看相关文章： 利用gRPC构建Python微服务(一)——关于微服务（https://sunqi.site/posts/python-microservices-grpc-1/） 利用gRPC构建Python微服务(二)——gRPC基础（https://sunqi.site/posts/python-microservices-grpc-2/） 利用gRPC构建Python微服务(三)——实战Python gRPC（https://sunqi.site/posts/python-microservices-grpc-3/） 利用gRPC构建Python微服务(四)——在Kubernetes中部署（https://sunqi.site/posts/python-microservices-grpc-4/） 利用gRPC构建Python微服务(五)——微服务可观测性（https://sunqi.site/posts/python-microservices-grpc-5/） 利用gRPC构建Python微服务(六)——Python gRPC最佳实践（https://sunqi.site/posts/python-microservices-grpc-6/） 利用gRPC构建Python微服务(七)——AsyncIO和gRPC（https://sunqi.site/posts/python-microservices-grpc-7/） AsyncIO 和 gRPC
　　在官方的grpc包中AsyncIO的支持缺失了很长时间，但是最近已经被添加了。仍然属于实验性功能，目前仍然在积极开发中，但是如果你希望在你的微服务中尝试AsyncIO，这目前是最好的选择了。具体的信息请查看gRPC AsyncIO文档。
　　grpclib是第三方包，实现了支持gPRC的AsyncIO，时间更久一点。
　　在服务端使用AsyncIO要非常小心。如果使用了阻塞代码，会让微服务陷于瘫痪。作为演示，这里使用AsyncIO编写Recommendations微服务，所有的逻辑去掉： import time
　　import asyncio
　　import grpc
　　import grpc.experimental.aio
　　from recommendations_pb2 import (
　　BookCategory,
　　BookRecommendation,
　　RecommendationResponse,
　　)
　　import recommendations_pb2_grpc
　　class AsyncRecommendations(recommendations_pb2_grpc.RecommendationsServicer):
　　async def Recommend(self, request, context):
　　print(＂Handling request＂)
　　time.sleep(5) # Oops, blocking!
　　print(＂Done＂)
　　return RecommendationResponse(recommendations=[])
　　async def main():
　　grpc.experimental.aio.init_grpc_aio()
　　server = grpc.experimental.aio.server()
　　server.add_insecure_port(＂[::]:50051＂)
　　recommendations_pb2_grpc.add_RecommendationsServicer_to_server(
　　AsyncRecommendations(), server
　　)
　　await server.start()
　　await server.wait_for_termination()
　　asyncio.run(main())
　　这里在17行有一个错误，在async函数中，你不小心进行了阻塞调用，这是一个非常大的禁忌。因为AsyncIO是单线程的，他阻塞了整个服务端，每次只能响应一个请求。这比现成服务器还要差。
　　你可以模拟使用多个并发请求： from concurrent.futures import ThreadPoolExecutor
　　import grpc
　　from recommendations_pb2 import BookCategory, RecommendationRequest
　　from recommendations_pb2_grpc import RecommendationsStub
　　request = RecommendationRequest(user_id=1, category=BookCategory.MYSTERY)
　　channel = grpc.insecure_channel(＂localhost:50051＂)
　　client = RecommendationsStub(channel)
　　executor = ThreadPoolExecutor(max_workers=5)
　　a = executor.submit(client.Recommend, request)
　　b = executor.submit(client.Recommend, request)
　　c = executor.submit(client.Recommend, request)
　　d = executor.submit(client.Recommend, request)
　　e = executor.submit(client.Recommend, request)
　　虽然是五个并发请求，服务端返回情况是这样的： Handling request
　　Done
　　Handling request
　　Done
　　Handling request
　　Done
　　Handling request
　　Done
　　Handling request
　　Done
　　请求响应是串行的，这并不符合预期。
　　在服务端使用AsyncIO时要非常小心，一定不要阻塞。这意味着你不能使用像requests包，甚至无法将RPC请求发送到其他微服务中，除非你使用run_in_executor开启另外的线程。
　　还有一点需要注意的是数据库查询。很多常用的Python包并没有支持AsyncIO，所以使用时需要确认。除非你在服务端有着非常强烈的AsyncIO需要，所以需要等待更多包能够支持AsyncIO。阻塞的问题很难被找到。
　　如果你想了解更多AsyncIO，你可以查看Getting Started With Async Features in Python 和 Async IO in Python: A Complete Walkthrough. 结论
　　微服务是一种管理复杂系统的方式。随着组织的增长，这是一种天然的方式进行代码管理。正确理解如何有效的利用Python实现微服务，能够让你公司正常过程中获得真正的价值。
　　在这个课程中，你学到了： 如何基于gRPC有效实现Python微服务 如何将微服务部署到Kubernetes 如何在你的微服务中实现集成测试，拦截器，TLS和AsyncIO 创建微服务过程中遵循的最佳实践
　　你现在可以实践将你的大型Python项目，拆分为更小的微服务，让你的代码更加容易组织和维护。