我有一个需要一段时间才能运行的函数，并且需要在请求中运行它。处理此问题的最佳方法是什么，以便此请求在处理时不会阻塞主线程？我查看了 @tornado.web.asynchronous 装饰器，但是当函数不是异步龙卷风模块时，它在这里用处不大。
class LongHandler(tornado.web.RequestHandler):
def get(self):
self.write(self.long_time_function())
def long_time_function(self):
time.sleep(5)
return "foo"
【问题讨论】：
标签： python asynchronous tornado
当你有一些阻塞任务不适合异步事件循环时，你必须把它放在一个单独的线程中。
如果您要拥有无限数量的阻塞任务，则需要使用线程池。
无论哪种方式，您都希望有一个包装异步任务来阻止来自线程任务的通知。
最简单的方法是使用像 tornado-threadpool 这样的预构建库。* 然后，您只需执行以下操作：
class LongHandler(tornado.web.RequestHandler):
@thread_pool.in_thread_pool
def long_time_function(self, callback):
time.sleep(5)
callback("foo")
如果您想自己做，this gist 显示了您必须做的示例，或者，当然，各种 Tornado 线程池库的源代码可以用作示例代码。
请记住 Python GIL 的局限性：如果您的后台任务受 CPU 限制（并且大部分工作在 Python 中完成，而不是在像 numpy 那样释放 GIL 的 C 扩展中），您必须将它在一个单独的过程中。快速搜索 Tornado 进程池库并没有找到那么多不错的选择，但是在 Python 中将线程池代码调整为进程池代码通常非常容易。**
* 请注意，我并不是特别推荐该库；它只是在 Google 搜索中出现的第一件事，一眼看去它看起来可用且正确。
** 这通常就像用concurrent.futures.ProcessPoolExecutor 替换concurrent.futures.ThreadPoolExecutor 或用multiprocessing.Pool 替换multiprocessing.dummy.Pool 一样简单。唯一的技巧是确保所有任务参数和返回值都小且可腌制。
【讨论】：
使用其他答案中所述的另一个线程是一种方法。如果您的函数可以拆分为片段（例如，内部有一个包含许多迭代的循环），您还可以使用IOLoop.add_callback() 将其拆分，以将计算与处理其他请求交织在一起。这是一个如何执行此操作的示例：why my coroutine blocks whole tornado instance?
【讨论】：