Python全栈应用开发利器Dash 3.x新版本介绍(3)

更多Dash应用开发干货知识、案例,欢迎关注"玩转Dash"微信公众号👇

大家好我是费老师,在前两期文章中,我们针对Python生态中++强大++ 且++灵活++ 的全栈应用开发 框架Dash,介绍了其3.x新版本中的部分更新内容🧐:

而今天的文章中,我们将继续介绍Dash3.x新版本中的其他重磅💥新功能,今天要介绍的是新版本中对异步编程的新增支持。

Dash应用开发新增异步编程支持

3.1.0版本开始,得益于底层依赖的Flask当前对异步编程 较为稳定的支持,在Dash中我们可以编写异步函数形式的服务端回调函数 。终端执行下面的命令,即可完成额外异步依赖的安装:

bash 复制代码
pip install dash[async] -U

对于了解Python异步编程的朋友,可以将应用中相关的计算场景轻松改造为异步形式 ,从而大幅度降低计算耗时,下面我们举例演示:

异步形式的回调函数

针对服务端回调函数 场景,为了进行直观对比 ,我们先来看一个同步写法下的示例应用:

python 复制代码
import time
import dash
import random
from dash import html
import feffery_antd_components as fac
from dash.dependencies import Input, Output
from feffery_dash_utils.style_utils import style

app = dash.Dash(__name__)

app.layout = html.Div(
    [
        fac.AntdSpace(
            [
                fac.AntdButton(
                    "执行计算",
                    id="execute",
                    type="primary",
                    loadingChildren="计算中",
                ),
                fac.AntdText(id="result"),
            ]
        )
    ],
    style=style(padding=50),
)


def job():
    time.sleep(1)

    return random.randint(0, 100)


@app.callback(
    Output("result", "children"),
    Input("execute", "nClicks"),
    running=[[Input("execute", "loading"), True, False]],
    prevent_initial_call=True,
)
def sync_callback_demo(nClicks):
    start = time.time()

    # 模拟耗时计算任务过程
    results = [job() for _ in range(5)]

    return f"本次计算结果:{results}, 计算耗时:{round(time.time() - start, 2)} 秒"


if __name__ == "__main__":
    app.run(debug=True)

在对应的回调函数sync_callback_demo()中,我们调用了5次 具有一定模拟计算耗时的job()函数,因此每次点击按钮执行计算后,都要耗时约5秒

而在3.1.0版本之后的Dash中,我们可以使用Python中的异步编程相关写法,编写异步形式的回调函数,与前面同步形式示例做对比,异步形式示例代码如下:

python 复制代码
import time
import dash
import random
import asyncio
from dash import html
import feffery_antd_components as fac
from dash.dependencies import Input, Output
from feffery_dash_utils.style_utils import style

app = dash.Dash(__name__)

app.layout = html.Div(
    [
        fac.AntdSpace(
            [
                fac.AntdButton(
                    "执行计算",
                    id="execute",
                    type="primary",
                    loadingChildren="计算中",
                ),
                fac.AntdText(id="result"),
            ]
        )
    ],
    style=style(padding=50),
)


async def async_job():
    await asyncio.sleep(1)

    return random.randint(0, 100)


@app.callback(
    Output("result", "children"),
    Input("execute", "nClicks"),
    running=[[Input("execute", "loading"), True, False]],
    prevent_initial_call=True,
)
async def async_callback_demo(nClicks):
    start = time.time()

    # 模拟耗时计算任务过程
    coros = [async_job() for _ in range(5)]
    results = await asyncio.gather(*coros)

    return f"本次计算结果:{results}, 计算耗时:{round(time.time() - start, 2)} 秒"


if __name__ == "__main__":
    app.run(debug=True)

因为利用asyncio.gather()进行多个异步函数的整合执行,所以同样的计算操作,耗时得到有效降低,只需要约1秒

基于这项新特性,我们就可以在相关场景下进行有效的异步改造,从而提升计算效率⚡。

篇幅有限,更多新版本Dash更新相关内容,接下来的数篇文章我们继续为大家盘点,敬请期待~


以上就是本文的全部内容,对Dash应用开发感兴趣的朋友,欢迎添加微信号CNFeffery,备注"dash学习"加入我们的技术交流群,一起成长一起进步。

相关推荐
万千思绪24 分钟前
【PyCharm 2025.1.2配置debug】
ide·python·pycharm
微风粼粼2 小时前
程序员在线接单
java·jvm·后端·python·eclipse·tomcat·dubbo
云天徽上2 小时前
【PaddleOCR】OCR表格识别数据集介绍,包含PubTabNet、好未来表格识别、WTW中文场景表格等数据,持续更新中......
python·ocr·文字识别·表格识别·paddleocr·pp-ocrv5
你怎么知道我是队长2 小时前
python-input内置函数
开发语言·python
叹一曲当时只道是寻常3 小时前
Python实现优雅的目录结构打印工具
python
hbwhmama4 小时前
python高级变量XIII
python
dme.4 小时前
Javascript之DOM操作
开发语言·javascript·爬虫·python·ecmascript
加油吧zkf4 小时前
AI大模型如何重塑软件开发流程?——结合目标检测的深度实践与代码示例
开发语言·图像处理·人工智能·python·yolo
t_hj4 小时前
python规划
python