asyncio.gather til batchbehandling
På denne side
Orkestrering af parallelle anmodninger
asyncio.gather er kernen i at køre flere coroutines parallelt og indsamle alle resultater. Kombineret med en semaphore kan du behandle batches af anmodninger effektivt, samtidig med at du overholder API-grænser.
Grundlæggende syntaks
import asyncio
requests = ["Question 1", "Question 2", "Question 3"]
tasks = [process_request(r) for r in requests]
responses = await asyncio.gather(*tasks)
asyncio.gather tager et variabelt antal coroutines (derfor bruges *tasks til at udpakke listen) og returnerer en liste med resultater i samme rækkefølge, som opgaverne blev indsendt. Dette er vigtigt: Selvom spørgsmål 3 bliver færdigt før spørgsmål 1, vil responses[0] altid indeholde resultatet for spørgsmål 1.
Komplet mønster: Batch med semaphore
Her er det mønster, du oftest vil bruge i produktion:
import os
from asyncio import Semaphore
from openai import AsyncOpenAI
import httpx
client = AsyncOpenAI(
api_key=os.getenv("XAI_API_KEY"),
base_url="https://api.x.ai/v1",
timeout=httpx.Timeout(3600.0)
)
async def process_batch(prompts: list[str], max_concurrent: int = 5) -> list[str]:
sem = Semaphore(max_concurrent)
async def single_request(prompt: str) -> str:
async with sem:
response = await client.chat.completions.create(
model="grok-4.5",
messages=[{"role": "user", "content": prompt}]
)
return response.choices[0].message.content
tasks = [single_request(p) for p in prompts]
return await asyncio.gather(*tasks)
Dette mønster kapsler semaphoren inden i batch-funktionen. Du skal blot kalde process_batch(prompts) og hente listen med svar.
Håndtering af fejl i en batch
Som standard annullerer asyncio.gather alt og propagerer fejlen, hvis én enkelt coroutine kaster en undtagelse. Parameteren return_exceptions=True ændrer denne adfærd:
async def safe_batch(prompts: list[str]) -> list[str | Exception]:
sem = Semaphore(5)
async def single_request(prompt: str) -> str:
async with sem:
response = await client.chat.completions.create(
model="grok-4.5",
messages=[{"role": "user", "content": prompt}]
)
return response.choices[0].message.content
tasks = [single_request(p) for p in prompts]
results = await asyncio.gather(*tasks, return_exceptions=True)
return results
# Brug
results = await safe_batch(mes_prompts)
for i, result in enumerate(results):
if isinstance(result, Exception):
print(f"Error on prompt {i}: {result}")
else:
print(f"Result {i}: {result[:100]}...")
Med return_exceptions=True fanges fejl som værdier i resultatlisten. Derefter kan du identificere og genforsøge mislykkede anmodninger.
Opdeling i under-batches (Chunking)
Ved meget store mængder er det bedre at opdele i under-batches frem for at starte tusindvis af opgaver samtidigt:
async def chunked_batch(
prompts: list[str],
chunk_size: int = 50,
max_concurrent: int = 5
) -> list[str]:
all_results = []
for i in range(0, len(prompts), chunk_size):
chunk = prompts[i:i + chunk_size]
print(f"Processing batch {i//chunk_size + 1} ({len(chunk)} prompts)")
results = await process_batch(chunk, max_concurrent)
all_results.extend(results)
return all_results
Chunking tilbyder flere fordele: Du kan vise fremskridt, gemme mellemresultater og begrænse hukommelsesforbruget. Hvis én under-batch fejler, mister du ikke resultaterne fra de tidligere under-batches.
Sporing af fremskridt
Ved store batches er en fremskridtsindikator nyttig:
import asyncio
from asyncio import Semaphore
async def batch_with_progress(prompts: list[str], max_concurrent: int = 5) -> list[str]:
sem = Semaphore(max_concurrent)
completed = 0
total = len(prompts)
async def single_request(prompt: str) -> str:
nonlocal completed
async with sem:
response = await client.chat.completions.create(
model="grok-4.5",
messages=[{"role": "user", "content": prompt}]
)
completed += 1
print(f"\r{completed}/{total} completed", end="", flush=True)
return response.choices[0].message.content
tasks = [single_request(p) for p in prompts]
results = await asyncio.gather(*tasks)
print() # ny linje efter fremskridt
return results
Vigtige pointer
asyncio.gather(*tasks)kører coroutines parallelt og returnerer resultater i den oprindelige rækkefølgereturn_exceptions=Trueforhindrer, at en enkelt fejl får hele batchen til at fejle- Chunking giver dig mulighed for at håndtere meget store mængder uden at mætte hukommelsen
- Kombiner altid
gathermed en semaphore for at overholde hastighedsgrænser - Tilføj sporing af fremskridt ved langvarige processer