本文介绍了如何在 Tornado 应用程序中使用 PeriodicCallback 结合线程池来解决耗时任务阻塞主线程的问题。通过将耗时计算任务放入独立的线程中执行，可以确保 Tornado 的 IOLoop 不被阻塞，从而提高应用程序的响应速度和并发能力。
在 Tornado 应用程序中，tornado.ioloop.PeriodicCallback 用于定期执行回调函数。然而，如果回调函数执行时间过长，可能会阻塞 IOLoop，导致应用程序响应变慢。特别是当多个 PeriodicCallback 并发执行时，如果其中一个回调函数耗时较长，其他回调函数可能会被延迟执行。为了解决这个问题，可以将耗时任务放入独立的线程中执行，从而避免阻塞 IOLoop。
使用 run_in_executor() 方法
Tornado 提供了 IOLoop.run_in_executor() 方法，可以将阻塞任务提交到线程池或进程池中执行。该方法接收一个执行器（executor）和一个回调函数作为参数，并将回调函数提交到执行器中执行。
示例代码
以下示例演示了如何使用 run_in_executor() 方法在独立的线程中执行 calculator1 函数：
睿拓智能网站系统-网上商城1.0免费版软件大小:5M运行环境：asp+access本版本是永州睿拓信息专为电子商务入门级用户开发的网上电子商城系统，拥有产品发布，新闻发布，在线下单等全部功能，并且正式商用用户可在线提供多个模板更换，可实现一般网店交易所有功能，是中小企业和个人开展个人独立电子商务商城最佳的选择，以下为详细功能介绍：1.最新产品-提供最新产品发布管理修改，和最新产品订单查看2.推荐产
import tornado.ioloop
import tornado.web
from concurrent.futures import ThreadPoolExecutor
# 创建线程池
executor = ThreadPoolExecutor(max_workers=8)
def calculator1():
"""
模拟一个耗时计算任务
"""
import time
time.sleep(0.6) # 模拟耗时操作
print("calculator1 executed")
def calculator1_runner():
"""
用于调用 calculator1 函数的包装函数
"""
tornado.ioloop.IOLoop.current().run_in_executor(executor, calculator1)
def calculator2():
"""
模拟另一个耗时计算任务
"""
import time
time.sleep(1.2)
print("calculator2 executed")
def calculator2_runner():
"""
用于调用 calculator2 函数的包装函数
"""
tornado.ioloop.IOLoop.current().run_in_executor(executor, calculator2)
class WebsocketHandler(tornado.websocket.WebSocketHandler):
def open(self):
print("WebSocket opened")
def on_message(self, message):
self.write_message("You said: " + message)
def on_close(self):
print("WebSocket closed")
class DataRequestHandler(tornado.web.RequestHandler):
def get(self):
self.write("Data requested")
def make_app():
return tornado.web.Application([
(r"/websocket", WebsocketHandler),
(r"/getData", DataRequestHandler),
])
if __name__ == '__main__':
app = make_app()
app.listen(8888)
# 注册 runner 函数用于定期执行
tornado.ioloop.PeriodicCallback(
callback=calculator1_runner,
callback_time=500
).start()
tornado.ioloop.PeriodicCallback(
callback=calculator2_runner,
callback_time=1000
).start()
tornado.ioloop.IOLoop.current().start()代码解释：
- 创建线程池： 使用 ThreadPoolExecutor 创建一个线程池，用于执行耗时任务。max_workers 参数指定线程池中线程的最大数量。
- 定义回调函数： calculator1 和 calculator2 函数模拟耗时计算任务。calculator1_runner 和 calculator2_runner 函数是包装函数，用于调用 calculator1 和 calculator2 函数，并使用 IOLoop.run_in_executor() 方法将它们提交到线程池中执行。
- 注册回调函数： 使用 tornado.ioloop.PeriodicCallback 注册 calculator1_runner 和 calculator2_runner 函数，指定回调时间和回调函数。
注意事项：
- 确保线程池的大小足够处理并发任务。如果线程池过小，可能会导致任务排队等待执行。
- 在线程中执行的任务不能直接访问 IOLoop，因为 IOLoop 是线程安全的。如果需要在线程中访问 IOLoop，可以使用 IOLoop.add_callback() 方法将任务提交到 IOLoop 中执行。
- 在多线程环境下，需要注意线程安全问题。可以使用锁或其他同步机制来保护共享资源。
总结：
通过使用 run_in_executor() 方法，可以将耗时任务放入独立的线程中执行，从而避免阻塞 Tornado 的 IOLoop。这可以提高应用程序的响应速度和并发能力。在实际应用中，可以根据任务的特点选择合适的执行器，例如线程池或进程池。同时，需要注意线程安全问题，确保应用程序的稳定性和可靠性。
