akernel

一个具有不同风味的Python Jupyter内核

• 并发单元格执行，
• 响应式编程，
• 单元格执行缓存，
• 多内核仿真。

安装

pip install akernel
# pip install akernel[react]  # if you want to be able to use reactive programming
# pip install akernel[cache]  # if you want to be able to use cell execution caching

您可以为akernel的执行模式进行参数化

akernel install  # default (chained cell execution mode)
akernel install concurrent  # concurrent cell execution mode
akernel install react  # reactive programming mode
akernel install cache  # cell execution caching  mode
akernel install multi  # multi-kernel emulation mode
akernel install cache-multi-react-concurrent  # you can combine several modes

动机

ipykernel 提供了从REPL运行异步代码的能力 运行异步代码。这意味着您可以在异步函数之外的最高级别使用 await。遗憾的是，这仍然会阻塞内核。

akernel通过在任务中启动每个单元格来改变这种行为。默认情况下，单元格任务会链式执行，这意味着单元格将在上一个单元格完成后开始执行。您可能会想，这不是和ipykernel一样吗？嗯，并不完全一样。在ipykernel中，当异步单元格执行时，它也会阻塞处理 Comm消息，这阻止了内核与例如JupyterLab小部件等交互（参见 这里 和 那里）。在akernel中，情况并非如此。

如果您想完全让单元格并发执行，也可以这样做（见下文）。

功能

异步执行

首先，设置并发执行模式，以便异步单元格可以并发执行（您也可以在安装时通过 akernel install concurrent 来完成此操作）

__unchain_execution__()
# __chain_execution__()

akernel 允许异步代码执行。这意味着当在 Jupyter 笔记本中使用时，如果代码是协作的，您可以在并发中运行单元格。例如，您可以运行以下代码的单元格：

# cell 1
for i in range(10):
    print("cell 1:", i)
    await asyncio.sleep(1)

由于此单元格是 async（它包含一个 await），它不会阻塞其他单元格的执行。因此，您可以并发地运行另一个单元格，前提是这个单元格也是协作的

# cell 2
for j in range(10):
    print("cell 2:", j)
    await asyncio.sleep(1)

如果单元格 2 是阻塞的，单元格 1 将会暂停，直到单元格 2 完成。您可以通过将单元格 2 中的 await asyncio.sleep(1) 改为 time.sleep(1) 来看到这一点。

您可以使用它使一个单元格等待上一个单元格完成

# cell 3
await __task__()  # wait for cell 2 to be finished
print("cell 2 has run")

响应式编程

其他笔记本提供的一个功能是变量能够响应其他变量变化的能力。《Observable notebooks》（可观察笔记本）是这方面的良好示例，它可以提供全新的用户体验。例如，您可以无序地运行单元格

# cell 1
a = b + 1  # "b" is not defined yet
a

执行单元格 1 不会导致“未定义变量”错误。相反，操作的结果是未定义的，单元格 1 的输出是 None。然后您可以继续定义 b

# cell 2
b = 2  # triggers the computation of "a" in cell 1

现在，依赖于 b 的 a 将自动更新，单元格 1 的输出是 3。

当然，您可以通过在其他变量之上定义变量来定义更复杂的数据流。

单元格执行缓存

使用此模式，单元格执行将被缓存，以便下次运行单元格时，其输出将从缓存中检索（如果其输入未更改）。输入和输出从单元格代码中推断。

多内核仿真模式

此模式在同一个内核中仿真多个内核。通过使用执行请求的会话 ID 实现内核隔离。因此，您可以将多个笔记本连接到同一个内核，而它们不会共享执行状态。

这对于单元格是异步的尤其有用，因为它们不会阻塞内核。因此，同一个内核可以“共享”并由可能很多笔记本使用，从而大大减少资源使用。

限制

这仍然是一个正在进行中的工作，特别是

• stdout/stderr 重定向到单元格输出只能通过 print 函数来实现。
• 目前没有丰富的表示，只支持标准的 __repr__。这意味着还没有 matplotlib 图形 :-( 但由于 ipywidgets 的工作，为什么不使用 ipympl 呢？ :-)