并行工具:结果按身份回填,动作按依赖执行
并行工具:结果按身份回填,动作按依赖执行,从执行机制、错误边界与可运行例子理解工程取舍。
查询库存和查询价格可以同时开始,创建订单却依赖两者结果。并行化的前提是识别数据依赖和副作用冲突;把所有工具请求同时启动,并不会自动缩短正确业务流程。
call_id与依赖图
每次调用有独立call_id,工具名称相同也不能共享同一个标识。结果按ID对应原调用,不按完成先后猜测。模型接口还可能要求工具消息遵守特定配对结构,应由适配层维护,而不是让执行器随意拼自然语言。
任务可表示为有向无环依赖图:查询订单与库存是前置节点,计算可退款额度依赖订单,执行退款依赖计算与批准。只有所有必要前置满足才启动下游;依赖失败时,下游应标记阻塞或执行明确降级,不能把None当有效输入。
独立读取也可能观察到不同时间点,若业务要求一致快照,需要事务或版本校验。对共享余额等资源的写操作,即使调用参数不同也可能冲突,需要数据库并发控制或业务串行策略。模型说“这两个任务独立”不能替代资源冲突分析。
并发上限与部分成功
使用信号量或调度器限制同时执行数,结合服务限流、连接池、请求预算和队列等待时间。并发数无限增长会把延迟转化成排队和失败。区分总体deadline与每个工具timeout,重试仍占用预算;不能让一个工具无限重试拖住全部任务。
部分失败时保存已完成结果及来源,决定哪些可以使用、哪些需要补查。全成功才提交与允许部分响应是不同业务策略,需要预先定义。取消未完成任务后等待清理结束;远端副作用仍可能已发生,应保留状态查询入口。
跟做:快结果不占慢调用的位置
保存为parallel_calls.py,运行python -X utf8 parallel_calls.py。程序真实运行asyncio协程,用短延迟模拟不同响应速度,失败是显式返回的固定结果;没有访问远端工具。
"""真实asyncio并发,按call_id回填;只有内存读取。"""
import asyncio
async def execute(call_id, delay, fail=False):
await asyncio.sleep(delay)
return {'call_id':call_id,'ok':not fail,'value':None if fail else call_id+'-result'}
async def run():
order=['slow','fast','failed']
tasks=[asyncio.create_task(execute('slow',0.03)),asyncio.create_task(execute('fast',0)),asyncio.create_task(execute('failed',0.01,True))]
completed=[]
try:
for task in asyncio.as_completed(tasks):completed.append(await task)
finally:
for task in tasks:
if not task.done():task.cancel()
await asyncio.gather(*tasks,return_exceptions=True)
by_id={item['call_id']:item for item in completed}
print('实际完成顺序',[x['call_id'] for x in completed])
print('按原调用回注',[by_id[key]['call_id'] for key in order])
print('部分失败',[x['call_id'] for x in completed if not x['ok']])
return by_id
if __name__=='__main__':asyncio.run(run())实际运行输出:
实际完成顺序 ['fast', 'failed', 'slow']
按原调用回注 ['slow', 'fast', 'failed']
部分失败 ['failed']通常fast先完成、failed其次、slow最后;实际调度时间不构成性能基准。回注始终按原调用列表slow、fast、failed取对应ID,失败没有覆盖其他结果。改动延迟只应改变完成顺序,不应改变归属。把结果字典改成按数组下标回填,则可能把fast的结果错标给slow。
异常与取消怎样收尾
示例finally会取消剩余任务并等待清理,避免主流程结束后协程继续运行。真实调用还要关闭响应流和释放连接。若使用结构化并发,需要明确兄弟任务失败是否取消其他任务;把全部异常吞成空列表会隐藏失败来源。
面试分析并行收益时,先给出依赖图,再估算关键路径。两次独立读取各100毫秒,理想串行200、并行100,但还存在调度、网络与合并开销;依赖链仍无法通过简单并发消除。用目标负载测P95、错误率和资源占用,比只比较最快一次请求更可靠。
综合追问:两个读取一个退款能否全部并行?
这是给定条件下的机制推演;数值用于解释判断,不是新增线上或模型实测。先独立回答,再核对下面的推理。
展开推理、取舍与排错路径
订单与库存读取可并行,但退款依赖订单、额度与批准;用依赖图在前置结果真实到达后启动下游。即使两个写入没有数据依赖,也可能争同一余额,应由事务或业务串行控制。每次调用使用唯一call_id,快速返回的汇率不能按数组先后塞给慢速天气;同名工具也可能有多次调用。
并发上限应结合连接池、下游限流与总deadline,越高可能排队越长。部分成功保存逐项状态,按业务选择部分回答或阻塞下游,不用空数组掩盖失败。取消剩余协程后等待清理,但远端动作是否提交另查。排错交换延迟和完成顺序,ID归属应不变,再检查超时后资源是否释放。面试按关键路径估算理论收益并说明通信/合并成本,回注顺序由模型接口契约决定而非执行完成顺序。
课后练习展开习题收起习题
先独立作答,再展开参考思路。检查自己的解释是否包含机制、条件和反例。
完成顺序不同会导致错配吗?
参考思路与常见误区
如果按call_id映射就不会;按返回数组位置猜原请求会错配。
常见误区:把先返回当第一个调用。
哪些工具可以并行?
参考思路与常见误区
无必要数据依赖且不会产生未控制的资源冲突,仍需考虑一致快照与限流。
常见误区:只读就总是无需协调。
部分成功如何处理?
参考思路与常见误区
保留每项结果和状态,按业务策略使用或阻塞下游,不能把失败伪装为空成功。
常见误区:丢弃全部信息或默默忽略失败。
取消协程就代表远端未执行吗?
参考思路与常见误区
不代表,远端可能已提交,需要操作ID查询和幂等机制。
常见误区:本地取消等于外部回滚。
怎样分析并行加速上限?
参考思路与常见误区
先确定依赖关键路径,再计通信和合并成本,并在负载下测尾延迟。
常见误区:把工具数当理论加速倍数。
协议与接口细节请对照:官方资料1。