Pull to refresh

Самая короткая запись асинхронных вызовов в tornado v2, или патчим AST

Reading time9 min
Views4.4K
Меня очень заинтересовала статья Самая короткая запись асинхронных вызовов в tornado или патчим байткод в декораторе, не столько с практической точки зрения, сколько с точки зрения реализации.
Всё-таки модификация байткода в рантайме это слишком опасная и ненадежная операция. И уж наверняка не поддерживаемая альтернативными интерпретаторами Python.

Попробуем исправить этот недостаток способом, который для этого предназначен куда больше и который применяется для схожих целей во многих других языках (я точно встречал в Lisp или Erlang). Этот способ — модификация Абстрактного синтаксического дерева (AST) программы.

Для начала — что такое AST? AST это промежуточное представление программного кода в процессе компиляции, которое получается на выходе из парсера.

Например, этот код
def func(who):
    print "Hello, %s!" % who

func()

будет преобразован в следующее AST:
FunctionDef(
    name='func',  # имя функции
    args=arguments(  # дефолтные аргументы
        args=[Name(id='who', ctx=Param())],
        vararg=None,
        kwarg=None,
        defaults=[]),
    body=[  # тело функции
        Print(dest=None,
              values=[
                BinOp(left=Str(s='Hello %s!'),
                      op=Mod(),
                      right=Name(id='who', ctx=Load()))],
              nl=True)],
    decorator_list=[]),   # декораторы
Expr(value=Call(  # вызов функции
        func=Name(id='func', ctx=Load()),  # имя функции
        args=[],  # позиционные аргументы
        keywords=[],  # k-v аргументы
        starargs=None,  # *args аргументы
        kwargs=None))  # **kwargs аргументы

На первый взгляд ничего не понятно, но если приглядеться — то можно угадать назначение любого элемента этого дерева. Полная документация по элементам и инструментам для работы с AST (имеются в стандартной библиотеке в модуле ast) есть тут.

Так вот, вернёмся к Tornado. Попробуем использовать такие-же обозначения как в оригинальной статье, т.е. декоратор с именем @shortgen и оператор бинарного сдвига <<.
Будем использовать тот же пример кода, что и в оригинальной статье.

Подготовка



Установим tornado
mkdir tornado-shortgen
cd tornado-shortgen/
virtualenv .env
source .env/bin/activate
pip install tornado


Напишем Tornado — приложение

import tornado.ioloop
import tornado.web
import tornado.gen
import os

class Handler(web.RequestHandler):
    @asynchronous
    @gen.engine
    @shortgen
    def get_short(self):
        (result, status) << self.db.posts.find_e({'name': 'post'})

    @asynchronous
    @gen.engine
    def get(self):
        (result, status) = yield gen.Task(self.db.posts.find_e, {'name': 'post'})

application = tornado.web.Application([
        (r"/", Handler),
])

if __name__ == "__main__":
    application.listen(8888)
    tornado.ioloop.IOLoop.instance().start()

Сохраним в файл shortgen_test.py

Реализация трансформации


Попробуем получить AST нашего модуля.

$ python
>>> import ast
>>> print ast.dump(ast.parse(open("shortgen_test.py").read()))

Увидим длинную неотформатированную портянку текста, из которой нас интересует только определения функций get_short и get

get_short — исходная функция с бинарным сдвигом и декоратором
FunctionDef(
    name='get_short',
    args=arguments(args=[Name(id='self', ctx=Param())],
                   vararg=None,
                   kwarg=None,
                   defaults=[]),
    body=[
        Expr(value=BinOp(  # операция с 2-мя операндами
                left=Tuple(  # левый операнд - это кортеж
                    elts=[Name(id='result', ctx=Load()), Name(id='status', ctx=Load())],
                    ctx=Load()),
                op=LShift(),  # операция бинарного сдвига
                right=Call(  # правый операнд - вызов функции self.db.posts.find_e
                    func=Attribute(
                        value=Attribute(
                            value=Attribute(
                                value=Name(id='self', ctx=Load()),
                                attr='db',
                                ctx=Load()),
                            attr='posts',
                            ctx=Load()),
                        attr='find_e',
                        ctx=Load()),
                    args=[Dict(keys=[Str(s='name')], values=[Str(s='post')])],  # функция вызывается с одним позиционным аргументом
                    keywords=[],
                    starargs=None,
                    kwargs=None)))],
    decorator_list=[  # список декораторов
        Attribute(value=Name(id='web', ctx=Load()), attr='asynchronous', ctx=Load()),
        Attribute(value=Name(id='gen', ctx=Load()), attr='engine', ctx=Load()),
        Name(id='shortgen', ctx=Load())])  # а вот и наш декоратор!


get — желаемый результат
FunctionDef(
    name='get',
    args=arguments(args=[Name(id='self', ctx=Param())],
                   vararg=None, kwarg=None, defaults=[]),
    body=[
        Assign(  # операция присваивания
            targets=[
                Tuple(elts=[ # с левой стороны от = находится такой-же tuple, но ctx изменился на Store()
                        Name(id='result', ctx=Store()), 
                        Name(id='status', ctx=Store())],
                      ctx=Store())],
            value=Yield(  # с правой - yield и вызов функции
                value=Call(  # вызов gen.Task
                    func=Attribute(
                        value=Name(id='gen', ctx=Load()),
                        attr='Task', ctx=Load()),
                    args=[Attribute(  # первый аргумент - имя функции self.db.posts.find_e
                            value=Attribute(
                                value=Attribute(
                                    value=Name(id='self', ctx=Load()),
                                    attr='db', ctx=Load()),
                                attr='posts', ctx=Load()),
                            attr='find_e', ctx=Load()),
                          Dict(keys=[Str(s='name')], values=[Str(s='post')])],
                    keywords=[],  # остальные аргументы не изменились
                    starargs=None,
                    kwargs=None)))],
    decorator_list=[
        Name(id='asynchronous', ctx=Load()),
        Attribute(value=Name(id='gen', ctx=Load()), attr='engine', ctx=Load())])  # декоратора shortgen нет

Выглядит монструозно, но зато как гибко! На самом деле всё просто.
Давайте посмотрим на различия:
  1. Полностью пропал Expr
  2. Вместо BinOp(left, op, right) теперь Assign(targets, value)
  3. У правого операнда значения ctx изменилось с Load на Store
  4. Вызов self.db.posts.find_e(...) заменен на gen.Task(self.db.posts.find_e, ...)
  5. Добавился Yield вокруг вызова функции
  6. Пропал декоратор @shortgen

Соответственно, чтобы получить из первого второе, нам нужно
  1. Найти функцию, у которой в decorator_list есть декоратор @shortgen
  2. Удалить этот декоратор
  3. Найти в теле функции оператор бинарного сдвига BinOp
  4. Сохранить левый и правый операнды. В левом заменить ctx с Load на Store, из правого операнда извлечь название функции и её аргументы (позиционные, kw, и «звёздочные» — *, **)
  5. Добавить название функции (self.db.posts.find_e) первым позиционным аргументом (т.е. в нашем примере получим позиционные аргументы [self.db.posts.find_e, {'name': 'post'}], а все остальные пустые
  6. Создать новый Call, но уже функции gen.Task с этими аргументами
  7. Обернуть его в Yield
  8. Создать Assign(targets, value) и в качестве targets взять сохраненный ранее левый операнд BinOp а в качестве value — только что созданный нами Yield
  9. Заменить в исходном дереве Expr на наш свежесобранный Assign


Хоть звучит сложно, но в коде это заняло чуть больше 50 строк. Если что-то не понятно — смотрите сразу туда.

Как это реализовать? Можно написать решение в лоб каким-то while циклом или рекурсивной функцией. Но мы воспользуемся паттерном Visitor и его адаптацией ast.NodeTransformer

Это класс, от которого можно отнаследоваться и насоздавать в нём методов типа visit_[NodeType] например visit_FunctionDef или visit_Expr. Значение, которое вернет метод станет новым значением элемента AST. А сам Visitor просто рекурсивно обходит дерево, вызывая наши методы тогда, когда в дереве встретился соответствующий элемент. Это поможет нам удобнее организовать наш код.
  1. Создаем метод visit_FunctionDef, для отлова декорированной функции. В нём проверяем, что функция обернута в декоратор, если обернута — удаляем декоратор и ставим пометку self.decorated
  2. Создаем метод visit_Expression, для отлова бинарного сдвига. В нем проверяем, что выставлен флаг self.decorated и что Expr — это именно бинарный сдвиг. Проводим остальные манипуляции (преобразование Expr в Assign) вручную. Благо, все нужные данные уже рядышком.


Собственно код
# -*- coding: utf-8 -*-
'''
Created on 2012-10-07

@author: Sergey <me@seriyps.ru>

Альтернативный вариант решения из статьи http://habrahabr.ru/post/153595/
на базе модификации AST
'''
import ast
import marshal
import py_compile
import time
import os.path


class RewriteGenTask(ast.NodeTransformer):

    def __init__(self, *args, **kwargs):
        self.on_decorator = []
        self.on_assign = []
        super(RewriteGenTask, self).__init__(*args, **kwargs)

    def shortgen_deco_pos(self, decorator_list):
        # проверяет, что в списке декораторов имеется декоратор с именем
        # shortgen и возвращает его позицию.
        for pos, deco in enumerate(decorator_list):
            # Name(id='shortgen', ctx=Load())
            if isinstance(deco, ast.Name) and deco.id == 'shortgen':
                return pos
        return -1

    def visit_FunctionDef(self, node):
        """
        Проверяет, что функция обернута в декоратор shortgen.
        Если обернута, удаляем декоратор и трансформируем содержимое.
        FunctionDef(
            name='get_short',
            args=arguments(...),
            body=[...],
            decorator_list=[
                Attribute(value=Name(id='web', ...), attr='asynchronous', ...),
                Attribute(value=Name(id='gen', ...), attr='engine', ...),
                Name(id='shortgen', ctx=Load())])
        """
        deco_pos = self.shortgen_deco_pos(node.decorator_list)
        if deco_pos >= 0:
            # если функция обернута в shortgen декоратор, удаляем его,
            # делаем пометку в стеке и запускаем Visitor по содержимому
            # функции
            self.on_decorator.append(True)
            node.decorator_list.pop(deco_pos)
            self.generic_visit(node)  # трансформируем содержимое функции
            self.on_decorator.pop()
        return node

    def visit_Expr(self, expr):
        """
        == Основная трансформация ==
        Трансформируем
          result2 << func(arg, k=v, *args, **kwargs)
        в
          result2 = gen.Task(func, arg, k=v, *args, **kwargs)

        Пример AST представления "stmt << func(...)" (исходные данные):
        Expr(value=BinOp(left=Name(id='result', ctx=Load()),
              op=LShift(),
              right=Call(
                  func=Name(id='fetch', ctx=Load()),
                  args=[Num(n=1)],
                  keywords=[keyword(arg='k', value=Num(n=2))],
                  starargs=Tuple(elts=[Num(n=3)], ctx=Load()),
                  kwargs=Dict(keys=[Str(s='k2')], values=[Num(n=4)])))))
        ---- vvvvvvvvvvv ----
        Пример AST представления "stmt = yield func(...)" (результат):
        Assign(targets=[Name(id='result', ctx=Store())],
               value=Yield(value=Call(
                   func=Attribute(value=Name(id='gen', ctx=Load()),
                                  attr='Task', ctx=Load()),
                   args=[Name(id='fetch', ctx=Load()), Num(n=1)],
                   keywords=[keyword(arg='k', value=Num(n=2))],
                   starargs=Tuple(elts=[Num(n=3)], ctx=Load()),
                   kwargs=Dict(keys=[Str(s='k2')], values=[Num(n=4)]))))
        """
        node = expr.value       # BinOp
        if not (self.on_decorator
                and isinstance(expr.value, ast.BinOp)
                and isinstance(node.op, ast.LShift)):
            # если функция не обернута в декоратор (on_decorator пуст), ничего
            # не меняем
            return expr
        # если функция, содержащая LShift, обернута в декоратор,
        # то заменяем на вызов gen.Task()

        # для начала конвертируем изменение на месте (stmt <<) на
        # присваивание (stmt =). Для этого заменяем ctx=Load на
        # ctx=Store (см self.visit_Load())
        self.on_assign.append(True)
        assign_target = self.visit(node.left)
        self.on_assign.pop()
        # генерируем присваивание ... = ...
        (new_node, ) = ast.Assign(
            targets = [assign_target],
            value = ast.Yield(
                value=self.construct_gen_task_call(node.right))),
        # копируем номер линии оригинальной конструкции
        new_node = ast.fix_missing_locations(ast.copy_location(new_node, expr))
        return new_node

    def construct_gen_task_call(self, func_call):
        """
        Конвертируем вызов функции в вызов gen.Task с именем функции первым
        параметром
          func(arg, k=v, *args, **kwargs)
        в
          gen.Task(func, arg, k=v, *args, **kwargs)
        Пример AST представления "func(...)":
        Call(
            func=Name(id='fetch', ctx=Load()),
            args=[Num(n=1)],
            keywords=[keyword(arg='k', value=Num(n=2))],
            starargs=Tuple(elts=[Num(n=3)], ctx=Load()),
            kwargs=Dict(keys=[Str(s='k2')], values=[Num(n=4)])))
        ---- vvvvvvvvv ----
        Пример AST представления "gen.Task(func, ...)":
        Call(
            func=Attribute(value=Name(id='gen', ctx=Load()),
                           attr='Task', ctx=Load()),
            args=[Name(id='fetch', ctx=Load()), Num(n=1)],
            keywords=[keyword(arg='k', value=Num(n=2))],
            starargs=Tuple(elts=[Num(n=3)], ctx=Load()),
            kwargs=Dict(keys=[Str(s='k2')], values=[Num(n=4)]))
        """
        # Генерируем gen.Task
        gen_task = ast.Attribute(
                value=ast.Name(id='gen', ctx=ast.Load()),
                attr='Task', ctx=ast.Load())
        # Генерируем вызов gen.Task(func, ...)
        call = ast.Call(
            func=gen_task,
            # имя оригинальной ф-ции 1-м аргументом:
            args=[func_call.func] + func_call.args,
            keywords=func_call.keywords,
            starargs=func_call.starargs,
            kwargs=func_call.kwargs)
        return self.visit(call)

    def visit_Load(self, node):
        # Заменяем Load() на Store()
        if self.on_assign:
            return ast.copy_location(ast.Store(), node)
        return node


def shortgen(f):
    raise RuntimeError("ERROR! file must be compiled with yield_ast!")


def compile_file(filepath):
    path, filename = os.path.split(filepath)
    with open(filepath) as src:
        orig_ast = ast.parse(src.read())
    new_ast = RewriteGenTask().visit(orig_ast)
    code = compile(new_ast, filename, 'exec')

    pyc_filename = os.path.splitext(filename)[0] + '.pyc'
    pyc_filepath = os.path.join(path, pyc_filename)

    with open(pyc_filepath, 'wb') as fc:
        fc.write(py_compile.MAGIC)
        py_compile.wr_long(fc, long(time.time()))
        marshal.dump(code, fc)
        fc.flush()

if __name__ == '__main__':
    import sys
    if len(sys.argv) < 2:
        print "Usage: %s file_to_compile1.py [file2.py] ..." % sys.argv[0]
    for filename in sys.argv[1:]:
        compile_file(filename)


Gist

Полученный AST можно либо исполнить:

with open(filepath) as src:
    orig_ast = ast.parse(src.read())
new_ast = RewriteGenTask().visit(orig_ast)
code = compile(new_ast, filename, 'exec')
exec code


Либо сохранить в .pyo файл
stackoverflow.com/questions/8627835/generate-pyc-from-python-ast
gist.github.com/3849217#L172
И затем импортировать, либо вызывать python my_module.pyo

Заключение


Трансформация AST — более надежный и портируемый способ трансформации кода программы. Писать такие трансформации гораздо проще, чем модифицировать байткод. Этот способ широко применяется во многих языках, например Lisp или Erlang.
Второй плюс — нет необходимости ничего манкипатчить, трансформация работает и с нашим и с внешним кодом одинаково.
Остальные плюсы и минусы расписаны в моём комментарии к оригинальной статье. Еще раз отмечу, что основной недостаток — проблематично применить трансформацию AST на лету. Она должна осуществляться на стадии компиляции в .pyc файл. (Ну и, конечно, если применяешь такие хаки, нужно это хорошо задокументировать).
Для маленьких проектов, в которых этот yield пишется в паре мест, такой сахар не имеет особого смысла, плюс усложняет разработку т.к. появляется отдельный этап компиляции файла. Но на больших Tornado проектах можно и попробовать.

Ссылки


Весь код целиком на Gist
Документация по AST
Документация по tornado.gen
Генерация .pyc файла из AST
Если всё это кажется страшными костылями, есть выход xD

Домашнее задание


  • Правда ведь этот список из 3-х декораторов выглядит жутковато?
    @asynchronous
    @gen.engine
    @shortgen
    
    Как с помощью AST обойтись всего одним @shortgen а как без AST?
  • Текущая реализация требует чтобы декоратор применялся именно как @shortgen, @my_module.shortgen уже не сработает. Плюс требуется, чтобы модуль tornado.gen был импортирован как from tornado import gen, import tornado.gen или from tornado.gen import Task уже не прокатит. Как это исправить?
  • Попробуйте переписать сервер из статьи Раздача больших файлов через сервер TornadoWEB с использованием shortgen, скомпилировать и запустить.
Tags:
Hubs:
Total votes 33: ↑32 and ↓1+31
Comments4

Articles