Python-gRPC实践(9)--gRPC在gevent与asyncio的简单使用对比

开启掘金成长之旅！这是我参与「掘金日新计划 · 12 月更文挑战」的第4天，点击查看活动详情
之前在 Python-gRPC实践系列文章中都是在多线程模式中介绍如何使用 gRPC ，但是在 Python 生态中更偏好通过协程的方式来运行服务，而 Python 的协程运行方式却有多种，虽然他们的原理类似，但是使用上却有区别，本文主要是对在 gevent 和 asyncio 中对 gRPC 的使用进行对比。
1.简单的例子

本章以官方中的 helloworld Protobuf 文件为例子，介绍在不同协程中如何运行服务，该 Protobuf 文件内容如下:
service Greeter {
  // Sends a greeting
  rpc SayHello (HelloRequest) returns (HelloReply) {}
// The request message containing the user's name.
message HelloRequest {
  string name = 1;
  int32 sleep_millisecond = 2;
// The response message containing the greetings
message HelloReply {
  string message = 1;
其中HelloRequest和HelloReply是Message，Gretter为service，它们生成的对应代码位于grpc_asyncio_example/protos目录下面，而对应的客户端代码如下：
import logging
import grpc
from grpc_asyncio_example.protos import helloworld_pb2, helloworld_pb2_grpc
def client(target: str = "localhost:9999"):
    with grpc.insecure_channel(target=target) as channel:
        stub: helloworld_pb2_grpc.GreeterStub = helloworld_pb2_grpc.GreeterStub(channel)
        response: helloworld_pb2.HelloReply = stub.SayHello(helloworld_pb2.HelloRequest(name='you'), timeout=10)
    logging.info("Greeter client received: " + response.message)
if __name__ == '__main__':
    logging.basicConfig()
    client()
服务端代码如下:
from concurrent import futures
import time
import logging
import grpc
from grpc_asyncio_example.protos import helloworld_pb2, helloworld_pb2_grpc
class Greeter(helloworld_pb2_grpc.GreeterServicer):
    def SayHello(
        self, request: helloworld_pb2.HelloRequest, context: grpc.ServicerContext
    ) -> helloworld_pb2.HelloReply:
        time.sleep(request.sleep_millisecond / 1000)  # 模拟IO
        return helloworld_pb2.HelloReply(message='Hello, %s!' % request.name)
def serve(target: str = "localhost:9999") -> grpc.server:
    server: grpc.server = grpc.server(futures.ThreadPoolExecutor(max_workers=100))
    helloworld_pb2_grpc.add_GreeterServicer_to_server(Greeter(), server)
    server.add_insecure_port(target)
    server.start()
    return server
if __name__ == '__main__':
    logging.basicConfig()
    serve().wait_for_termination()
客户端与服务端的代码都非常简单，客户端主要是发送一个请求，该请求参数为name=you，而服务端则是解析参数，并把Hello {name}返回给客户端，最终由客户端把服务端返回的消息打印出来。
这份代码只可以用于Python的多线程中，无法在协程环境中运行，接下来讲分别介绍Python gRPC在gevent和asyncio中的使用和原理分析。
只介绍UNARY_UNARY请求方式，其他方式不同可以通过对应的文档了解如何使用。
2.Gevent
gevent 是一个基于协程的Python网络库，它通过greenlet在libev或libuv事件循环之上提供高级同步API，在Python程序使用gevent很简单，只要在代码引入如下猴子补丁语法:
import gevent.monkey
gevent.monkey.patch_all()
那么整个程序的Python代码都支持gevent了，程序也可以通过gevent来运行。
不过Python gRPC是个例外，因为Python gRPC的核心是由C语言编写的，而gevent应用的猴子补丁只能涉及到用Python语言编写的代码，所以单靠应用gevent的猴子补丁是没办法使Python gRPC在gevent中运行的，可能还会导致调用gRPC客户端方法时出现卡死的情况。
好在Python gRPC提供了一个用法，使Python gRPC能够在gevent中兼容运行，代码如下:
# 先应用猴子补丁
import gevent.monkey
gevent.monkey.patch_all()
# 再为gRPC启用gevent兼容模式
import grpc.experimental.gevent
grpc.experimental.gevent.init_gevent()
# gRPC客户端或服务端的代码
这份代码通过调用grpc.experimental.gevent.init_gevent，使gRPC能在gevent中运行，而且在gevent模式下gRPC的所有模块和方法的使用方式都不需要改变。 但是gRPC在通过gevent的兼容模式运行的时候，性能会大打折扣，比如通过下面的命令:
ghz -c 100 -n 10000 \
    --insecure \
    --proto ../protos/grpc_asyncio_example/protos/helloworld.proto \
    --call helloworld.Greeter.SayHello \
    -d '{"name":"Joe", "sleep_millisecond": 10}' \
    localhost:9999
对gevent模式下的Python gRPC服务进行压测，其中c是指并发数，n为最大请求数，而-d是请求的参数，里面的sleep_millisecond代表服务端收到请求后会休眠10毫秒来模拟IO处理，他们的压测结果如下:
# 多线程模式
Summary:
  Count:	10000
  Total:	2.67 s
  Slowest:	45.01 ms
  Fastest:	12.04 ms
  Average:	26.34 ms
  Requests/sec:	3746.87
# gevent兼容模式
Summary:
  Count:	10000
  Total:	5.23 s
  Slowest:	69.31 ms
  Fastest:	13.43 ms
  Average:	51.83 ms
  Requests/sec:	1913.44
通过压测结果可以发现，gevent兼容模式的性能只有多线程模式下的一半(以Requests/sec对比)，会有这样的结果是因为Python gRPC的异步请求是在多线程上执行，同时Python gRPC是一个基于C的库，它可以绕过Python的GIL，从而获得了CPU多核的并发能力，而在启用了gevent兼容模式后gevent可能会导致多线程无法绕过Python的GIL，从而失去了上面提到的并发性。
此外Python gRPC目前只做到了兼容gevent的运行，通过commands.py中TestGevent的注释可以看出Python gRPC尚未对gevent模式的性能做出优化，所以建议不要在Python gRPC的服务端启用gevent兼容模式，在Python gRPC的客户端可以根据实际情况决定是否启用(比如在gunicorn + gevent + Flask运行的服务中的Python gRPC客户端)。
通过下列文件可以看出gevent兼容模式是把线程池替换为gevent的线程池:
客户端调用到gevent的代码credentials.pyx.pxi
服务端调用到gevent的代码completion_queue.pyx.pxi
启用gevent兼容模式的代码grpc_gevent.pyx.pxi
3.Asyncio
Python gRPC一开始是不支持在Asyncio中运行的，所以社区出现了一个名为grpclib的库来解决这一问题，而官方的Python gRPC在后面的迭代后诞生了grpc.aio模块以支持grpc在Asyncio中运行。
3.1.grpclib
grpclib这个库提供了纯Python的实现，这意味着能按自己的需求对它进行拓展，可塑性强。
所以诞生了基于grpclib和pure-protobuf封装的另一个库--python-betterproto
。该库可以使开发者编写grpc代码更加的方便，比如helloworld生成对应的Message代码如下:
@dataclass(eq=False, repr=False)
class HelloRequest(betterproto.Message):
    """The request message containing the user's name."""
    name: str = betterproto.string_field(1)
    sleep_millisecond: int = betterproto.int32_field(2)
@dataclass(eq=False, repr=False)
class HelloReply(betterproto.Message):
    """The response message containing the greetings"""
    message: str = betterproto.string_field(1)
可以看到这段代码打可读性比起官方的Python gRPC要高很多，这样开发者在查阅message的用法时会非常的方便，而客户端和服务端的用法则与官方的Python gRPC类似，比如客户端的代码：
import asyncio
import logging
from grpclib.client import Channel
from grpc_asyncio_example.protos import helloworld
async def client() -> None:
    channel: Channel = Channel(host="localhost", port=9999)
    response: helloworld.HelloReply = await helloworld.GreeterStub(channel).say_hello(
        hello_request=helloworld.HelloRequest(name="you")
    logging.info(response)
    # don't forget to close the channel when done!
    channel.close()
if __name__ == "__main__":
    asyncio.run(client())
可以看出与多线程的Python gRPC代码类似，而服务端的代码如下:
import asyncio
from grpclib.server import Server
from grpc_asyncio_example.protos import helloworld
class HelloWorldService(helloworld.GreeterBase):
    async def say_hello(
        self, request: "helloworld.HelloRequest"
    ) -> "helloworld.HelloReply":
        await asyncio.sleep(request.sleep_millisecond / 1000)
        return helloworld.HelloReply(message="Hello, %s!" % request.name)
async def serve() -> Server:
    server: Server = Server([HelloWorldService()])
    await server.start("localhost", 9999)
    return server
if __name__ == "__main__":
    async def main() -> None:
        await (await serve()).wait_closed()
    asyncio.run(main())
可以看出服务端的代码与多线程的Python gRPC也类似，但是缺少Context的参数，如果跳进去helloworld.GretterBase查看源码:
class GreeterBase(ServiceBase):
    async def say_hello(self, hello_request: "HelloRequest") -> "HelloReply":
        raise grpclib.GRPCError(grpclib.const.Status.UNIMPLEMENTED)
    async def __rpc_say_hello(
        self, stream: "grpclib.server.Stream[HelloRequest, HelloReply]"
    ) -> None:
        request = await stream.recv_message()
        response = await self.say_hello(request)
        await stream.send_message(response)
则可以发现在__rpc_say_hellp方法中的stream对象是类似于官方Python gRPC中的Context，这意味着如果要使用Context方法时需要自己新增一个方法去处理，好在该库是纯Python编写的，grpclib对应客户端的Channel和服务端对应的Server代码也封装得很好，不像官方Python gRPC一样跳进源代码后就不知道它的代码在哪里，所以处理起来比较方便。
不过它也因此拥有了纯Python编写库的缺点--性能较低， 在经过与gevent一样的命令进行压测后得出如下数据:
# grpclib
Summary:
  Count:	10000
  Total:	6.37 s
  Slowest:	96.38 ms
  Fastest:	31.54 ms
  Average:	63.33 ms
  Requests/sec:	1571.05
# grpclib && uvloop
Summary:
  Count:	10000
  Total:	5.44 s
  Slowest:	90.97 ms
  Fastest:	38.18 ms
  Average:	53.13 ms
  Requests/sec:	1839.73
通过数据可以发现，betterproto的性能基本是多线程模式性能的3成，而这部分性能的差距主要来自于对HTTP2的解析，如果能把解析HTTP2的实现进行替换为高性能的版本，那么它的性能就能够接近Python gRPC官方实现的grpc.aio了。




    

此外，grpclib的功能比官方Python gRPC比较少，需要开发能力比较强以及对gRPC了解得比较深的开发者对其进行二次开发，才能使它发挥更好的作用。
3.2.grpc.aio
官方的Python gRPC现在通过grpc.aio模块对Asyncio提供了支持，它的用法与线程版本一致，只是涉及到IO相关的模块是存在于grpc.aio包中，对于使用者来说，需要把用到的grpc.XXX模块需要变为grpc.aio.XXX模块,同时要确保调用代码一处异步，处处异步，比如客户端的代码如下:
import asyncio
import logging
import grpc
from grpc_asyncio_example.protos import helloworld_pb2, helloworld_pb2_grpc
async def client(target: str = "localhost:9999") -> None:
    async with grpc.aio.insecure_channel(target) as channel:
        stub: helloworld_pb2_grpc.GreeterStub = helloworld_pb2_grpc.GreeterStub(channel)
        response: helloworld_pb2.HelloRequest = await stub.SayHello(helloworld_pb2.HelloRequest(name='you'))
    logging.info("Greeter client received: " + response.message)
if __name__ == '__main__':
    logging.basicConfig()
    asyncio.run(client())
通过代码可以看出初始化Channel的代码不是grpc.insecure_channel而是grpc.aio.insecure_channel，而且在helloworld_pb2_grpc.GreeterStub没有发生变化的情况下，调用stub.SayHello时仍然需要加上await语法，这是因为Python gRPC中Stub的设计模式类似于sans-io，是否要添加await语法则是取决于核心IO处理的实现，在这里处理IO的是Channel，所以开发者在调用stub.SayHello时最终会由stub的channel来发送请求，而channel发送请求是一个异步IO实现，所以需要添加await语法。
而对于服务端的改动也是类似的，对应的代码如下:
import asyncio
import logging
import grpc
from grpc_asyncio_example.protos import helloworld_pb2, helloworld_pb2_grpc
class Greeter(helloworld_pb2_grpc.GreeterServicer):
    async def SayHello(
        self, request: helloworld_pb2.HelloRequest, context: grpc.aio.ServicerContext
    ) -> helloworld_pb2.HelloReply:
        await asyncio.sleep(request.sleep_millisecond / 1000)
        return helloworld_pb2.HelloReply(message='Hello, %s!' % request.name)
async def serve(target: str = "localhost:9999") -> grpc.aio.Server:
    server: grpc.aio.Server = grpc.aio.server()
    helloworld_pb2_grpc.add_GreeterServicer_to_server(Greeter(), server)
    server.add_insecure_port(target)
    logging.info("Starting server on %s", target)
    await server.start()
    return server
if __name__ == '__main__':
    logging.basicConfig(level=logging.INFO)
    async def main() -> None:
        await (await serve()).wait_for_termination()
    asyncio.run(main())
可以看到代码中IO相关语法都需要添加await语句，同时SayHello方法添加了async语法，这样就可以在SayHello函数里面编写await语句了。
需要注意的是，由于Python gRPC是通过ServicerContext来传输数据的，导致ServicerContext中有些方法是与IO相关的，所以这里用到的ServicerContext是grpc.aio.ServicerContext。
对于IO相关的用法可能有一些区别，但是对于其他跟IO无关的功能，则保持跟多线程模式的一致，比如客户端在启用时填写的参数如下:
    with grpc.insecure_channel(target='localhost:50051',
                               options=[('grpc.lb_policy_name', 'pick_first'),
                                        ('grpc.enable_retries', 0),
                                        ('grpc.keepalive_timeout_ms', 10000)
                                       ]) as channel:
而在grpc.aio中代码如下:
    async with grpc.aio.insecure_channel(target='localhost:50051',
                               options=[('grpc.lb_policy_name', 'pick_first'),
                                        ('grpc.enable_retries', 0),
                                        ('grpc.keepalive_timeout_ms', 10000)
                                       ]) as channel:
可以看到填写的参数Key名和值都是一样的，没有发生变化。
这里只是以一些常见的功能举例，简述不同模式Python gRPC的使用，详细的grpc.aio功能见grpc_asyncio文档，如果熟悉多线程模式下Python gRPC和Python Asyncio的用法，那么上手grpc.aio是非常容易的。
3.2.1.grpc.aio的事件循环
在Python gRPC的grpc.aio中使用到了asyncio的事件循环，所以可以通过uvloop来提高grpc.aio的性能，使用uvloop非常简单，只要在代码最前面添加如下代码:
import uvloop
uvloop.install()
就可以使程序获得uvloop带来的性能加成，在对使用asyncio.loop和uvloop.loop的服务端代码进行压测后结果如下：
# asyncio.loop
Summary:
  Count:	10000
  Total:	2.15 s
  Slowest:	30.56 ms
  Fastest:	11.09 ms
  Average:	21.19 ms
  Requests/sec:	4643.73
# uvloop.loop
Summary:
  Count:	10000
  Total:	1.45 s
  Slowest:	25.14 ms
  Fastest:	9.41 ms
  Average:	14.08 ms
  Requests/sec:	6885.81
可以发现grpc.aio的性能比多线程模式稍好一些，同时在使用了uvloop后性能提升了50%(以Requests/sec对比)。
不过在与用uvicorn运行的服务中使用gRPC客户端时，需要确保在uvicorn启动后才初始化grpc.aio.Channel，因为在初始化grpc.aio.Channel时会获取到一个事件循环，如果当前没有事件循环时则会自动创建一个事件循环，而uvicorn在启动是会单独创建一个新的事件循环，这会导致grpc.aio.Channel与uvicorn不在同一个事件循环运行导致运行出错。不过这个问题也很好解决，解决代码如下:
from typing import Any
import grpc
from starlette.applications import Starlette
from grpc_asyncio_example.protos import helloworld_pb2, helloworld_pb2_grpc
def create_app() -> Starlette:
    app: Starlette = Starlette()
    async def _before_server_start(*_: Any) -> None:
        app.state.channel = grpc.aio.insecure_channel("localhost:9999")
    async def _after_server_stop(*_: Any) -> None:
        await app.state.channel.close()
    app.add_event_handler("startup", _before_server_start)
    app.add_event_handler("shutdown", _after_server_stop)
    return app
if __name__ == "__main__":
    import uvicorn  # type: ignore
    starlette_app: Starlette = create_app()
    uvicorn.run(starlette_app)
在所示的代码中，grpc.aio.channel在startup事件时才进行初始化，在shutdown事件关闭，由于触发startup事件时，uvicorn已经初始化了一个事件循环，所以初始化grpc.aio.Channel时获取到的事件循环与uvicorn一致。
如果为了能跟上社区的脚步，以及为了跨语言能够很好的合作，建议还是根据服务所在场景来使用多线程默认的gRPC或者grpc.aio，这是最好的选择;
对于类似gunicorn + gevnet + 类似于Flask框架的服务通过gRPC客户端发送请求时可以使用gevent兼容模式；
对于开发能力比较强，本身也是追求Pythonic的开发者且是基于Asyncio生态编写服务以及有比较强的定制需求的，则可以考虑使用betterproto。