深入理解reqwest中异步与同步调用的最佳实践
在Rust生态系统中,reqwest是一个广泛使用的HTTP客户端库,它提供了异步和同步两种API。本文将探讨在异步运行时中调用同步代码,以及同步代码中调用异步函数的最佳实践,特别是在使用tokio运行时的情况下。
问题背景
在开发过程中,我们经常会遇到需要在同步上下文中调用异步代码的情况。例如,一个传统的同步库需要集成异步HTTP请求功能。这种情况下,我们需要谨慎处理,以避免常见的陷阱,如死锁或运行时阻塞。
常见解决方案分析
直接在当前运行时阻塞
第一种尝试是直接在当前tokio运行时中使用Handle::current().block_on()来阻塞执行异步代码。这种方法看似简单,但实际上会导致死锁。原因在于tokio运行时不允许在当前线程上阻塞,因为这会阻止运行时处理其他任务。
创建独立线程运行新运行时
第二种方案是在新线程中创建一个全新的tokio运行时,然后在这个运行时中执行异步代码。这种方法能够正常工作,因为它不会干扰主运行时的调度。但是,创建新运行时会带来额外的开销,可能不是最高效的解决方案。
使用当前运行时句柄传递到新线程
第三种方案是将当前运行时的句柄传递到新线程,然后在新线程中调用block_on。这种方法在简单情况下可以工作,但当异步代码中包含tokio::time::sleep等操作时,程序可能会挂起。这是因为主运行时可能没有被正确驱动,导致IO和定时器无法取得进展。
最佳实践建议
根据reqwest维护者的建议,最佳实践是设计系统时确保运行时始终在一个线程中运行,并将工作发送到该运行时中执行。这与reqwest自身阻塞模块的实现方式一致。
具体实现可以考虑以下模式:
-
专用运行时线程:创建一个专用线程运行tokio运行时,并通过通道将任务发送到这个线程执行。
-
任务队列:建立一个任务队列系统,同步代码可以将异步任务提交到队列,由运行时线程统一处理。
-
避免混合阻塞:尽量避免在异步代码中混合同步阻塞操作,保持异步代码的纯粹性。
技术细节解析
当使用Handle::current()传递到新线程并调用block_on时,如果主运行时没有被正确驱动(例如主线程被阻塞),那么依赖该运行时的异步操作(如网络请求和定时器)将无法完成。这就是为什么在示例代码中,当加入sleep操作后程序会挂起的原因。
相比之下,创建新运行时的方法之所以能工作,是因为它不依赖于主运行时的驱动状态,每个运行时都有自己的调度器来推进任务执行。
结论
在需要混合使用同步和异步代码的场景中,开发者应当:
- 避免在当前运行时线程中直接阻塞
- 考虑使用专用运行时线程或任务队列模式
- 理解运行时驱动机制对异步操作的影响
- 参考成熟库(如reqwest)的实现方式
通过遵循这些原则,可以构建出既高效又可靠的混合同步/异步系统架构。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00