先介绍下背景：由于工作需要，前段时间又写了一段爬虫去获取和更新一些数据。之前爬虫主要用Scrapy框架批量爬取一些页面数据，或者用Gevent调用目标站点的接口。偶然看到了Tornado，听说这个框架很强大，所以打算这次爬虫用Tornado试试。不足之处，欢迎指正。
总的来说，Tornado是Python里面一个轻量的异步非阻塞的框架，性能非常不错，最新版本的异步协程是基于Python内置的asyncio来实现(老版本用装饰器实现异步)。Tornado可以用来做Web服务，或者利用其异步功能，完成一些异步执行的操作，比如爬虫(PySpider就是基于Tornado实现)。
本次任务，涉及到调用百度自然语言理解(NLU)平台UNIT的一些接口，实现一些自动化和批量操作，比如词槽导入导出，开始机器学习训练，批量测试语句等等。没有拿到百度UNIT平台的接口文档，所以只能通过爬虫形式，模拟用户登录，然后进行各种操作。为了让本篇看起来更简洁，本次不打算详细介绍如何爬取百度UNIT平台，统一调用httpbin(http://www.httpbin.org/get)进行简化。百度UNIT平台的爬虫后续再补充。
说了那么多，重点来了。Tornado两种异步模式：
1，add_callback(基于asyncio，资源消耗少，性能还不错)
2，run_in_executor((基于线程池/进程池，性能很好，但是资源消耗要高于add_callback的方案)
add_callback方案：
代码语言：javascript复制from tornado.ioloop import IOLoop, PeriodicCallback
import requests
# 业务逻辑操作写在这里
def job():
url = 'http://www.httpbin.org/get'
resp = requests.get(url)
print(resp.text)
async def runner():
loop = IOLoop.current()
#任务派发写在这里
for i in range(10):
loop.add_callback(job)
print('This will be executed before loop is finished')
if __name__ == '__main__':
IOLoop.current().run_sync(runner)run_in_executor方案：
代码语言：javascript复制from tornado.ioloop import IOLoop, PeriodicCallback
import requests
from concurrent.futures import ThreadPoolExecutor
# 业务逻辑写在这里
def job():
url = 'http://www.httpbin.org/get'
resp = requests.get(url)
print(resp.text)
async def runner():
loop = IOLoop.current()
# 也可以用进程池ProcessPoolExecutor
exectutor = ThreadPoolExecutor(20)
# 任务派发写在这里
for i in range(10):
loop.run_in_executor(exectutor, job)
print('This will be executed before loop is finished')
if __name__ == '__main__':
IOLoop.current().run_sync(runner)
