前引

  在了解flask上下文管理机制之前,先来一波必知必会的知识点。

面向对象双下方法

  首先,先来聊一聊面向对象中的一些特殊的双下划线方法,比如__call__、__getattr__系列、__getitem__系列。

  __call__

  这个方法相信大家并不陌生,在单例模式中,我们可能用到过,除此之外,还想就没有在什么特殊场景中用到了。我们往往忽视了它一个很特殊的用法:对象object+()或者类Foo()+()这种很特殊的用法。在Flask上下文管理中,入口就是使用了这种方式。

  __getitem__系列

  使用这个系列的方法时,我们最大的印象就是调用对象的属性可以像字典取值一样使用中括号([])。使用中括号对对象中的属性进行取值、赋值或者删除时,会自动触发对应的__getitem__、__setitem__、__delitem__方法。

class Foo(object):def __init__(self):self.name = "boo"def __getitem__(self, item):print("调用__getitem__了")if item in self.__dict__:return self.__dict__[item]def __setitem__(self, key, value):print("调用__setitem__方法了")self.__dict__[key] = valuedef __delitem__(self, key):print("调用__delitem__")del self.__dict__[key]foo = Foo()
ret = foo["name"]
# print(ret)     # 输出     调用__getitem__了      boo
foo["age"] = 18
# print(foo["age"])   # 输出   调用__setitem__方法了   调用__getitem__了    18
del foo["age"]   #  输出  调用__delitem__

__item__系列

  __getattr__系列

  使用对象取值、赋值或者删除时,会默认的调用对应的__getattr__、__setattr__、__delattr__方法。

  对象取值时,取值的顺序为:先从__getattribute__中找,第二步从对象的属性中找,第三步从当前类中找,第四步从父类中找,第五步从__getattr__中找,如果没有,直接抛出异常。

class Foo(object):def __init__(self):self.name = "boo"def __getattr__(self, item):print("调用__getattr__了")def __setattr__(self, key, value):print("调用__setattr__方法了")def __delattr__(self, item):print("调用__delattr__")foo = Foo()
ret = foo.xxx    # 输出     调用__getattr__了
foo.age = 18    # 调用__setattr__方法了
del foo.age   #  输出  调用__delattr__

__attr__系列

偏函数  

  再来说说Python中的偏函数

  python中有一个小工具包functools,这个包中包含了几个在很有用的小功能,比如:wraps:在使用装饰器时,使用这个方法可以保护函数的元信息。reduce:一个合并序列项为一个单一值的小方法。还有一个就是偏函数: partial

  一句话来总结partial的作用,固定函数中的一些参数,返回一个新的函数,方便调用

from functools import partialclass Foo(object):def __init__(self):self.request = "request"self.session = "session"foo = Foo()def func(args):return getattr(foo,args)re_func = partial(func,'request')
se_func = partial(func,'session')print(re_func())

来一个复杂点的偏函数的用法

仿照flask来实现一个更复杂的

from functools import partialclass HttpRequest(object):def __init__(self):self.method = "GET"self.body = b"name=abc@age=123"class Foo(object):def __init__(self):self.request = HttpRequest()self.session = {"login":True,"is_super":False}foo = Foo()def func(args):return getattr(foo,args)re_func = partial(func,'request')
se_func = partial(func,'session')class LocalProxy(object):def __init__(self,local):self._local = localdef _get_current_object(self):return self._local()def __getitem__(self, item):return getattr(self._get_current_object(),item)request = LocalProxy(re_func)
ret = request._get_current_object().method
print(ret)ret = request['method']
print(ret)session = LocalProxy(se_func)
print(session._get_current_object())

仿flask版

threading.local

  再来说一说threading.local方法

  在多线程中,同一个进程中的多个线程是共享一个内存地址的,多个线程操作数据时,就会造成数据的不安全,所以我们就要加锁。但是,对于一些变量,如果仅仅只在本线程中使用,怎么办?

  方法一,可以通过全局的字典,key为当前线程的线程ID,value为具体的值。

  方法二,使用threading.local方法

threading.local 在多线程操作时,为每一个线程创建一个值,使得线程之间各自操作自己 的值,互不影响。

import time
import threadinglocal = threading.local()def func(n):local.val = ntime.sleep(5)print(n)for i in range(10):t = threading.Thread(target=func,args=(i,))t.start()# 结果输出    0--9

threading.local示例

自定义使用threading.local的功能

import time
import threading
# from threading import current_thread as getcurrent
from greenlet import getcurrentclass Local(object):def __init__(self):object.__setattr__(self,"_storage",{})def __setattr__(self, key, value):# ident = threading.get_ident()ident = getcurrent()   # 定制粒度更细的if ident in self._storage:self._storage[ident][key] = valueelse:self._storage[ident] = {key:value}def __getattr__(self, item):# ident = threading.get_ident()ident = getcurrent()return self._storage[ident][item]local = Local()def func(n):local.val = ntime.sleep(2)print(local.val)for i in range(10):t = threading.Thread(target=func,args=(i,))t.start()

自定制更细粒度的threadinglocal

仿照flask用栈来实现自定义threading.local的存取

from greenlet import getcurrentclass Local(object):def __init__(self):object.__setattr__(self,"_storage",{})def __setattr__(self, key, value):# ident = threading.get_ident()ident = getcurrent()   # 定制粒度更细的if ident in self._storage:self._storage[ident][key] = valueelse:self._storage[ident] = {key:value}def __getattr__(self, item):# ident = threading.get_ident()ident = getcurrent()return self._storage[ident][item]class LocalStack(object):def __init__(self):self.local = Local()def push(self,item):self.local.stack = []self.local.stack.append(item)def pop(self):return self.local.stack.pop()def top(self):return self.local.stack[-1]_local_stack = LocalStack()
_local_stack.push(55)
print(_local_stack.top())  # 取栈顶元素

利用栈

预热完毕,来一波真正的操作,不过在正戏上演之前,先来提一嘴,flask与其他python框架比如(Django、tornado)在整个请求生命周期中对于数据的管理机制的不同。django、tornado是通过传参的形式传递数据,而flask是通过其特有的上下文管理机制来管理数据的。

  下面进入我们今天的正题----flask的上下文管理机制。在flask中,上下文管理机制分为两个大的部分:请求上下文和应用上下文。

flask的上下文管理机制

  接下来,从以下三个大的方面分别探讨flask的两大上下文管理机制。

  1. 方面一:请求进来时
  2. 方面二:视图函数
  3. 方面三:请求结束前

先来一个最简单的flask版的Hello World

from flask import Flaskapp = Flask(__name__)@app.route('/')
def index():return "Hello World"if __name__ == '__main__':app.run()

Flask版Hello World

启动一个flask项目时,会先执行app.run()方法,这是整个项目的入口,执行run方法时,接着执行werkzeug模块中的run_simple

  

  werkzeug中触发调用了Flask的__call__方法

请求进来时

触发执行__call__方法,__call__方法的逻辑很简单,直接执行wsgi_app方法,将包含所有请求相关数据和一个响应函数传进去。

def application(environ, start_response):start_response('200 OK', [('Content-Type', 'text/html')])return '<h1>Hello, web!</h1>'上面的application()函数就是符合WSGI标准的一个HTTP处理函数,它接收两个参数:environ:一个包含所有HTTP请求信息的dict对象;start_response:一个发送HTTP响应的函数。在application()函数中,调用:start_response('200 OK', [('Content-Type', 'text/html')])

符合wsgi协议标准的函数

备注:__call__是一个符合wsgi标准的函数

执行wsgi_app方法

def wsgi_app(self, environ, start_response):ctx = self.request_context(environ)error = Nonetry:try:ctx.push()response = self.full_dispatch_request()except Exception as e:error = eresponse = self.handle_exception(e)except:error = sys.exc_info()[1]raisereturn response(environ, start_response)finally:if self.should_ignore_error(error):error = Nonectx.auto_pop(error)

wsgi_app

第一步先执行了一个request_context的方法,将environ传进去,最后返回一个RequestContext类的对象,被ctx的变量接收(ctx=request_context(environ))

 def request_context(self, environ):"""Create a :class:`~flask.ctx.RequestContext` representing aWSGI environment. Use a ``with`` block to push the context,which will make :data:`request` point at this request.See :doc:`/reqcontext`.Typically you should not call this from your own code. A requestcontext is automatically pushed by the :meth:`wsgi_app` whenhandling a request. Use :meth:`test_request_context` to createan environment and context instead of this method.:param environ: a WSGI environment"""return RequestContext(self, environ)

request_context方法

这个ctx对象在初始化时,赋了两个非常有用的属性,一个是request,一个是session

def __init__(self, app, environ, request=None):    self.app = app    if request is None:        request = app.request_class(environ)    self.request = request    self.url_adapter = app.create_url_adapter(self.request)    self.flashes = None    self.session = None

  这两个属性中request是一个Request()对象,这个对象就是我们在flask中使用的request对象,为我们提供了很多便捷的属性和方法,比如:request.method、request.form、request.args等等,另一个属性是session,初始为None。

  紧接着执行ctx.push()方法,这个方法中,在执行请求上下文对象ctx之前先实例化了一个app_context对象,先执行了app_context的push方法,然后才执行_request_ctx_stack对象中的top和_request_ctx_stack.push(self),最后对ctx中的session进行处理。

  所以,flask中的应用上下文发生在请求上下文之前

def push(self):           top = _request_ctx_stack.topif top is not None and top.preserved:top.pop(top._preserved_exc)# 在执行request_context请求上下文的push方法时,先执行了app_context应用上下文的push方法app_ctx = _app_ctx_stack.topif app_ctx is None or app_ctx.app != self.app:app_ctx = self.app.app_context()app_ctx.push()self._implicit_app_ctx_stack.append(app_ctx)else:self._implicit_app_ctx_stack.append(None)if hasattr(sys, 'exc_clear'):sys.exc_clear()# 然后执行请求上下文对象中LocalStack对象的push方法
        _request_ctx_stack.push(self)# 最后处理sessionif self.session is None:session_interface = self.app.session_interfaceself.session = session_interface.open_session(self.app, self.request)if self.session is None:self.session = session_interface.make_null_session(self.app)

在ctx.push方法的执行逻辑

但是我们先说请求上下文,在处理完应用上下文的push方法后,紧接着执行了_request_ctx_stack对象的两个方法。

  而这个_request_ctx_stack是LocalStack这个类的对象。_request_ctx_stack = LocalStack()

  LocalStack有没有很眼熟,没错,flask内部使用的机制就是类似于我们上文中自定义的LocalStack的机制,实例化过程中使用了面向对象中的组合概念,self._local = Local(),然后在自身又实现了push、pop、top方法,这三个方法中都是通过反射从Local类的实例化对象中对一个stack属性进行append、pop、[-1]的操作,所以,Local对象中的stack属性对应的值一定是一个类似于列表的东西。通过对列表的操作,实现一个类似于栈的存取。

  接着聊聊这个Local类,在实例化时,会对每个对象生成一个storage的空字典。我们翻遍整个Local类的源码,发现内部并没有实现一个叫stack的方法或者属性,但是上面我们提到了LocalStack对象会对Local对象中的一个叫stack的东西进行一系列操作。找不到不会报错吗?

  这就是flask的巧妙之处,通过类的一些魔法方法巧妙的实现了相应的处理。在前引中,提到如果对象中没有某个属性,取值时,最终会执行类中的__getattr__方法,然后再做后续的异常处理,flask将所有的对应逻辑都实现在了类的__getattr__方法中,将每一个线程存储到字典中,在请求进来时,将每一个对应的请求ctx存在一个列表中,使用时直接调用,而不是通过传参的形式,更体现出了flask框架的轻量级。

  处理完_request_ctx_stack后,就该处理session了。

  在flask中,处理session时,非常的巧妙,完美的遵循了开闭原则,会先执行session_interface对象的open_session方法,在这个方法中,会先从用户请求的cookie中获取sessionid,获取该用户之前设置的session值,然后将值赋值到ctx.session中。

  处理完session后,ctx.push方法就执行完了,返回到最开始的app.wsgi_app方法中,执行完push方法后,接着执行full_dispatch_request方法,从这个名字中我们也能猜到,这个方法只要是负责请求的分发。

def full_dispatch_request(self):self.try_trigger_before_first_request_functions()try:request_started.send(self)rv = self.preprocess_request()if rv is None:rv = self.dispatch_request()except Exception as e:rv = self.handle_user_exception(e)return self.finalize_request(rv)      

full_dispath_request方法

  在full_dispatch_request方法中先执行preprocess_request方法,这个方法,会先执行所有被before_request装饰器装饰的函数,然后就通过路由的分发执行视图函数了(dispatch_request)

执行视图函数时

  在执行视图函数之前,先执行了before_request,在执行我们的视图函数。

  视图函数主要处理业务逻辑。在视图函数中可以调用request对象,进行取值,也可以调用session对象对session的存取。

  在整个request的请求生命周期中,获取请求的数据直接调用request即可,对session进行操作直接调用session即可。request和session都是LocalProxy对象,借助偏函数的概念将对应的值传入_lookup_req_object函数。先从_request_ctx_stack(LocalStack)对象中获取ctx(请求上下文对象),再通过反射分别获取request和session属性。整个过程中LocalStack扮演了一个全局仓库的角色,请求进来将数据存取,需要时即去即用。所以,flask实现了在整个请求的生命周期中哪儿需要就直接调用的特色。

request = LocalProxy(partial(_lookup_req_object, 'request'))
session = LocalProxy(partial(_lookup_req_object, 'session'))

请求结束前

  视图函数执行完后,dispatch_request执行结束,执行full_dispatch_request方法的返回值finalize_request方法。这个方法中,同样的,在返回响应之前,先执行所有被after_request装饰器装饰的函数。

---->finalize_request ------> process_response

 def process_response(self, response):ctx = _request_ctx_stack.topbp = ctx.request.blueprintfuncs = ctx._after_request_functionsif bp is not None and bp in self.after_request_funcs:funcs = chain(funcs, reversed(self.after_request_funcs[bp]))if None in self.after_request_funcs:funcs = chain(funcs, reversed(self.after_request_funcs[None]))for handler in funcs:response = handler(response)if not self.session_interface.is_null_session(ctx.session):self.session_interface.save_session(self, ctx.session, response)return response

process_response

执行process_response过程中,执行完after_request后,然后,执行session的save_session方法。将内存中保存在ctx.session的值取到后,json.dumps()序列化后,写入响应的cookie中(set_cookie),最后返回响应。

    def save_session(self, app, session, response):domain = self.get_cookie_domain(app)path = self.get_cookie_path(app)# If the session is modified to be empty, remove the cookie.# If the session is empty, return without setting the cookie.if not session:if session.modified:response.delete_cookie(app.session_cookie_name,domain=domain,path=path)return# Add a "Vary: Cookie" header if the session was accessed at all.if session.accessed:response.vary.add('Cookie')if not self.should_set_cookie(app, session):returnhttponly = self.get_cookie_httponly(app)secure = self.get_cookie_secure(app)samesite = self.get_cookie_samesite(app)expires = self.get_expiration_time(app, session)val = self.get_signing_serializer(app).dumps(dict(session))# set_cookie将session写入响应的cookie中
        response.set_cookie(app.session_cookie_name,val,expires=expires,httponly=httponly,domain=domain,path=path,secure=secure,samesite=samesite)

save_session

返回响应后,自动的调用ctx.auto_pop(error),将Local中存储的ctx对象pop掉,整个请求结束。

请求上下文的执行流程:

应用上下文

  与请求上下文类似,当请求进来时,先实例化一个AppContext对象app_ctx,在实例化的过程中,提供了两个有用的属性,一个是app,一个是g。self.app就是传入的全局的app对象,self.g是一个全局的存储值的对象。接着将这个app_ctx存放到LocalStack()。

class AppContext(object):
  def __init__(self, app):
    self.app = app
    self.url_adapter = app.create_url_adapter(None)
    self.g = app.app_ctx_globals_class()  

  视图函数中,我们就可以调用app对象和g对象,如果我们使用蓝图构建我们的项目时,在每一个直接引用app就会造成循环引用的异常,这时,应用上下文就会显得非常有用,我们可以直接调用current_app就可以在整个生命周期中使用我们的app对象了。比如使用我们的配置项:current_app.config

current_app = LocalProxy(_find_app)

  最后,当视图函数执行结束后,从storage中pop掉app_ctx对象。

from flask import Flask,request,session,gapp = Flask(__name__)  # type:Flask

@app.before_request
def auth_demo():g.val = 123@app.route('/')
def index():print(g.val)return "Hello World"if __name__ == '__main__':app.run()

g的简单使用示例

总结:flask中的上下文管理机制分为请求上下文和应用上下文两大方面,通过上下文的管理机制,实现了即去即用的一个特色。

转载于:https://www.cnblogs.com/MayDayTime/p/10027967.html

Flask的上下文管理机制相关推荐

  1. flask上下文管理机制

    flask中的上下文分为请求上写文和应用上下文,接下来,从以下三个大的方面分别探讨flask的两大上下文管理机制. 方面一:请求进来时 方面二:视图函数 方面三:请求结束前 先来一个最简单的flask ...

  2. python Flask 10 Flask请求上下文管理werkzeug

    什么是上下文    上下文相当于一个容器,保存了 Flask 程序运行过程中的一些信息. Flask 中有两种上下文,请求上下文(request 和 session )和应用上下文(current_a ...

  3. flask 上下文管理

    前引 在了解flask上下文管理机制之前,先来一波必知必会的知识点. 面向对象双下方法 首先,先来聊一聊面向对象中的一些特殊的双下划线方法,比如__call__.__getattr__系列.__get ...

  4. Flask 上下文管理-- (session,request,current_app的传递)--类似本地线程实现,以及多app应用...

    Flask session,request,current_app的传递 请求上下文的作用 -- 封装请求相关得数据(request,session) 请求上下文requestsessionreque ...

  5. python sqlite3事务_python使用上下文管理器实现sqlite3事务机制

    如题,本文记录如何使用python上下文管理器的方式管理sqlite3的句柄创建和释放以及事务机制. 1.python上下文管理(with) python上下文管理(context),解决的是这样一类 ...

  6. Python 21 Flask(二)上下文管理详解

    上下文管理 对于上下文管理我没有找到明确的定义,但是经过源码流程的学习后,我觉得所谓的上下文管理应该就是Flask对请求和应用相关数据的一种处理方式,它不是像Django一样通过参数的传导,而是创建了 ...

  7. flask总结之session,websocket,上下文管理

    1.关于session flask是带有session的,它加密后存储在用户浏览器的cookie中,可以通过app.seesion_interface源码查看 from flask import Fl ...

  8. Flask入门(一)之消息闪现、请求扩展、中间件、蓝图、上下文管理

    上一篇文章>Flask安装及入门操作 一.消息闪现(flash) 1.使用 #!/usr/bin/env python # coding:utf-8 from flask import Flas ...

  9. flask的上下文的机理与应用(转载+整理)

    请求上下文面向开发者使用的对象主要是request和session: 应用上下文面向开发者使用的对象主要是current_app和g; #------------------------------- ...

最新文章

  1. 创意留言墙图片_年会攻略2|创意合影墙、特色文化墙,有点意思启动仪式,继续玩出彩!!...
  2. 转:如何进行软件架构设计?
  3. 编译器编译16bit单片机程序对数组data[0]=0x12,data[1]=0xBD,data[2]=0x00,data[3]=0x45转换成16进制整数12BD0045的报警
  4. 三角网导线平差实例_导线测量平差实例
  5. 一、OpenStack架构
  6. 3 vue 线条箭头_线条眉要如何处理才能更自然?
  7. CTF入门--题目介绍
  8. matlab mcc 安装,matlab中安装mcc
  9. android清理缓存动画、天气APP、购物下单选择器、阅读APP、饿了么demo等源码
  10. Confluence 6 针对大数据量备份
  11. python 超像素分割
  12. 计算机主板USB接口介绍,如何解决计算机主板USB接口供电不足
  13. 淘宝购物流程图 基本流和备选流以及测试用例
  14. mysql报08S01的错误- SQL Error: 0, SQLState: 08S01 偶发
  15. 纯视觉3D目标检测新SOTA!STS:基于Camera的深度估计新方法
  16. 20162312Java结对编程之挑战出题
  17. 大学毕业小总结以及感想
  18. 竞品商业情报收集和竞品商业情报分析该怎么做?
  19. 【机器学习】机器学习之一元线性回归
  20. Windows RDS远程会话服务

热门文章

  1. 精通python要多久-精通python 或者R语言大约需要多长时间?怎样算精通?
  2. python多线程爬虫实例-python多线程爬虫实例讲解
  3. 为什么要叫python-为什么要学 Python?
  4. python下载安装教程mac-数据分析入门~mac 下载及安装 Python 环境
  5. python安装numpy-如何为python安装numpy和scipy?
  6. python安装pip-Python2.7.5安装pip9.0.1
  7. python中and与or的执行顺序-python 代码运行顺序问题?
  8. LeetCode 626. Exchange Seats
  9. 题目1183:守形数
  10. TCP/IP协议(3):数据链路层