python全棧學習--day43(引子,協程介紹,Greenlet模塊,Gevent模塊,Gevent之同步與異步)

 

I/O操做，不佔用CPU。它內部有一個專門的處理I/O模塊。
print和寫log 屬於I/O操做，它不佔用CPU

線程

GIL鎖保證一個進程中的多個線程在同一時刻只有一個能夠被CPU執行

 

實例化一個LOCK( )，它就是一個互斥鎖

lock 和 rlock 

互斥鎖LOCK

死鎖

rlock 遞歸鎖

遞歸鎖不會發送死鎖現象

 

2個進程中的線程，不會受到GIL影響

GIL 是針對一個進程中的多個線程，同一時間，只能有一個線程訪問CPU

針對GIL的CPU利用率問題

起多個進程，就能夠解決CPU利用率問題。

 

科學家吃麪的例子，它不能用一把鎖，必須2個鎖。

def eat1(noodle_lock,fork_lock,name):
    noodle_lock.acquire()
    print('%s搶到了面'%name)
    fork_lock.acquire()
    print('%s搶到了叉子'%name)
    print('%s正在吃麪'%name)
    fork_lock.release()
    print('%s歸還了叉子' % name)
    noodle_lock.release()
    print('%s歸還了面' % name)

　　

 

 

假設有三我的，

A要面和叉子

B只要面

C只要叉子

若是隻有一個鎖，那麼就沒法處理這3我的的需求，會發生數據不安全的狀況。

 

semaphore 在開始固定一個線程的流量

condition 經過信號控制線程的流量

event 經過一個信號控制全部線程

timer 定時器

隊列 線程數據安全

線程池

可以在多線程的基礎上進一步節省內存和時間開銷

 

semaphore 在一開始固定一個線程的流量

condition 經過一個信號控制線程的流量

event 經過一個信號控制全部線程

timer 定時器

隊列 線程數據安全

線程池
可以在多線程的基礎上進一步節省內存和時間開銷

 

 1、引子                                                                         

以前咱們學習了線程、進程的概念，瞭解了在操做系統中進程是資源分配的最小單位,線程是CPU調度的最小單位。按道理來講咱們已經算是把cpu的利用率提升不少了。可是咱們知道不管是建立多進程仍是建立多線程來解決問題，都要消耗必定的時間來建立進程、建立線程、以及管理他們之間的切換。

　　隨着咱們對於效率的追求不斷提升，基於單線程來實現併發又成爲一個新的課題，即只用一個主線程（很明顯可利用的cpu只有一個）狀況下實現併發。這樣就能夠節省建立線進程所消耗的時間。

　　爲此咱們須要先回顧下併發的本質：切換+保存狀態

 　　cpu正在運行一個任務，會在兩種狀況下切走去執行其餘的任務（切換由操做系統強制控制），一種狀況是該任務發生了阻塞，另一種狀況是該任務計算的時間過長

ps：在介紹進程理論時，說起進程的三種執行狀態，而線程纔是執行單位，因此也能夠將上圖理解爲線程的三種狀態 

一：其中第二種狀況並不能提高效率，只是爲了讓cpu可以雨露均沾，實現看起來全部任務都被「同時」執行的效果，若是多個任務都是純計算的，這種切換反而會下降效率。

爲此咱們能夠基於yield來驗證。yield自己就是一種在單線程下能夠保存任務運行狀態的方法，咱們來簡單複習一下：

#1 yiled能夠保存狀態，yield的狀態保存與操做系統的保存線程狀態很像，可是yield是代碼級別控制的，更輕量級
#2 send能夠把一個函數的結果傳給另一個函數，以此實現單線程內程序之間的切換

 

 

import time
def consumer(res):
    '''任務1:接收數據,處理數據'''
    pass

def producer():
    '''任務2:生產數據'''
    res=[]
    for i in range(10000000):
        res.append(i)
    return res

start=time.time()
#串行執行
res=producer()
consumer(res) #寫成consumer(producer())會下降執行效率
stop=time.time()
print(stop-start) #1.1190457344055176

#基於yield併發執行
import time
def consumer():
    while True:
        x = yield

def producer():
    g = consumer()
    next(g)
    for i in range(1000000):
        g.send(i)

start=time.time()

producer()

stop = time.time()
print(stop-start)    #0.10477948188781738

二: 第一種狀況的切換。在任務一遇到IO狀況下，切換到任務二去執行，這樣就能夠利用任務----阻塞的時間完成任務二的計算，效率的提高就在於此。

import time
def consumer():
    '''任務1:接收數據,處理數據'''
    while True:
        x=yield

def producer():
    '''任務2:生產數據'''
    g=consumer()
    next(g)
    for i in range(10000000):
        g.send(i)
        time.sleep(2)

start=time.time()
producer() #併發執行,可是任務producer遇到io就會阻塞住,並不會切到該線程內的其餘任務去執行

stop=time.time()
print(stop-start)

對於單線程下，咱們不可避免程序中出現IO操做，但若是咱們能在本身的程序中(即用戶程序級別，而非操做系統級別)控制單線程下的多個任務能在一個任務遇到IO阻塞時就切換到另一個任務去計算，這樣就保證了改線程可以最大限度的處於就緒狀態。即隨時可均可以被CPU執行的狀態，至關於咱們在用戶程序級別將本身的IO操做最大限度的隱藏起來，從而能夠迷惑操做系統，讓其看到: 該線程好像一直是計算，io 比較少，從而更多的將CPU執行權限分配給咱們的線程。

　　協成的本質就是在單線程下，由用戶本身控制一個任務遇到io阻塞了就切換另一個任務去執行，以此來提高效率。爲了實現它，咱們須要尋找一種能夠同時知足如下條件的解決方案：

1.能夠控制多個任務之間的切換，切換以前將任務的狀態保存下來，以便從新運行時，能夠基於暫停的位置繼續執行。

2.做爲1的補充：能夠監測IO操做，在遇到io遇到的狀況下才發生切換。

 

二，協程介紹

協程：是單線程下的併發，又稱微線程，纖程。一句話說明什麼是線程: 協程是一種用戶態的輕量級線程，即協程是由用戶程序本身控制調度的。

須要強調的是：

1.python的線程屬於內核級別的，即由操做系統控制調度 (如單線程遇到IO或執行時間就會被迫交出CPI執行權限，切換其餘線程運行)

2.單線程內核開啓協程，一旦遇到IO，就會從應用程序級別（而非操做系統）控制切換，以此來提高效率（！！！非io操做的切換與效率無關）

對比操做系統控制線程的切換，用戶在單線程內控制協程的切換

優勢以下：

#1. 協程的切換開銷更小，屬於程序級別的切換，操做系統徹底感知不到，於是更加輕量級
#2. 單線程內就能夠實現併發的效果，最大限度地利用cpu

缺點以下：

#1. 協程的本質是單線程下，沒法利用多核，能夠是一個程序開啓多個進程，每一個進程內開啓多個線程，每一個線程內開啓協程
#2. 協程指的是單個線程，於是一旦協程出現阻塞，將會阻塞整個線程

總結協程特色：

1. 必須在只有一個單線程裏實現併發
2. 修改共享數據不需加鎖
3. 用戶程序裏本身保存多個控制流的上下文棧
4. 附加：一個協程遇到IO操做自動切換到其它協程（如何實現檢測IO，yield、greenlet都沒法實現，就用到了gevent模塊（select機制））

3、Greenlet模塊

安裝 ：pip3 install greenlet

from greenlet import greenlet

def eat(name):
    print('%s eat 1'%name)
    g2.switch('egon')
    print('%s eat 2'%name)
    g2.switch()
def play(name):
    print('%s play 1'%name)
    g1.switch()
    print('%s play 2'%name)

g1=greenlet(eat)
g2=greenlet(play)

g1.switch('egon')

單純的切換(在沒有IO的狀況下或者沒有重複內存空間的操做)，反而會下降程序的執行速度

#順序執行
import time
def f1():
    res=1
    for i in range(100000000):
        res+=i

def f2():
    res=1
    for i in range(100000000):
        res*=i

start=time.time()
f1()
f2()
stop=time.time()
print('run time is %s' %(stop-start)) #10.985628366470337

#切換
from greenlet import greenlet
import time
def f1():
    res=1
    for i in range(100000000):
        res+=i
        g2.switch()

def f2():
    res=1
    for i in range(100000000):
        res*=i
        g1.switch()

start=time.time()
g1=greenlet(f1)
g2=greenlet(f2)
g1.switch()
stop=time.time()
print('run time is %s' %(stop-start)) # 52.763017892837524

效率對比

　

greenlet只是提供了一種比generator更加便捷的切換方式，當切到一個任務執行時若是遇到io，那就原地阻塞，仍然是沒有解決遇到IO自動切換來提高效率的問題。

單線程裏的這20個任務的代碼一般會既有計算操做又有阻塞操做，咱們徹底能夠在執行任務1時遇到阻塞，就利用阻塞的時間去執行任務2。。。。如此，才能提升效率，這就用到了Gevent模塊。

 

4、Gevent模塊                                                              

安裝：pip3 install gevent

Gevent 是一個第三方庫，能夠輕鬆經過gevent實現併發同步或異步編程，在gevent中用到的主要模式是Greenlet, 它是以C擴展模塊形式接入Python的輕量級協程。 Greenlet所有運行在主程序操做系統進程的內部，但它們被協做式地調度。

g1=gevent.spawn(func,1,,2,3,x=4,y=5)建立一個協程對象g1，spawn括號內第一個參數是函數名，如eat，後面能夠有多個參數，能夠是位置實參或關鍵字實參，都是傳給函數eat的

g2=gevent.spawn(func2)

g1.join() #等待g1結束

g2.join() #等待g2結束

#或者上述兩步合做一步：gevent.joinall([g1,g2])

g1.value#拿到func1的返回值

 

from gevent import monkey;monkey.patch_all()

import gevent
import time
def eat():
    print('eat food 1')
    time.sleep(2)
    print('eat food 2')

def play():
    print('play 1')
    time.sleep(1)
    print('play 2')

g1=gevent.spawn(eat)
g2=gevent.spawn(play)
gevent.joinall([g1,g2])
print('主')

 threading.current_thread().getName()來查看每一個g1和g2，查看的結果爲DummyThread-n，即假線程

 

　

from gevent import monkey;monkey.patch_all()
import threading
import gevent
import time
def eat():
    print(threading.current_thread().getName())
    print('eat food 1')
    time.sleep(2)
    print('eat food 2')

def play():
    print(threading.current_thread().getName())
    print('play 1')
    time.sleep(1)
    print('play 2')

g1 = gevent.spawn(eat)
g2 = gevent.spawn(play)
gevent.joinall([g1,g2])
print('主')

5、Gevent之同步與異步         

from gevent import spawn,joinall,monkey;monkey.patch_all()

import time
def task(pid):
    time.sleep(0.5)
    print('Task %s done'% pid)

def synchronous():
    for i in range(10):
        task(i)

def asynchronous():
    g_1 = [spawn(task,i)for i in range(10)]
    joinall(g_1)
    print('DONE')

if __name__ == '__main__':
    print('Synchronous:')
    synchronous()
    print('Asynchronous:')
    asynchronous()
#  上面程序的重要部分是將task函數封裝到Greenlet內部線程的gevent.spawn。
#  初始化的greenlet列表存放在數組threads中，此數組被傳給gevent.joinall 函數，

對比使用普通函數和使用協程，誰更快一點

因爲操做系統，訪問一次網頁後，會有緩存。

因此測試時，先訪問一遍網頁。再分別測試協程和普通函數。

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27

from  gevent  import  monkey;monkey.patch_all() from  urllib.request  import  urlopen import  gevent import  time   def  get_page(url):      res  =  urlopen(url)      #print(len(res.read()))   url_lst  =  [      'http://www.baidu.com' ,      'http://www.sogou.com' ,      'http://www.sohu.com' ,      'http://www.qq.com' ,      'http://www.cnblogs.com' , ] start  =  time.time() gevent.joinall([gevent.spawn(get_page,url)  for  url  in  url_lst]) print ( '先執行一次' ,time.time()  -  start)   start  =  time.time() gevent.joinall([gevent.spawn(get_page,url)  for  url  in  url_lst]) print ( '協程' ,time.time()  -  start)   start  =  time.time() for  url  in  url_lst:get_page(url) print ( '普通' ,time.time()  -  start)

執行輸出：

先執行一次 0.6465449333190918
協程 0.34525322914123535
普通 0.570899486541748

 結論
之後用爬蟲，可使用協程，它的速度更快。

 

Gevent 之應用舉例二

經過gevent實現單線程下的socket併發

注意：from gevent import monkey;monkey.patch_all( ) 必定要放到導入socket模塊以前，不然gevent沒法識別socket的阻塞