Python學習之路-隨筆03 多線程/進程和協程（下篇）

下面屬於協程的應用和以前剩下的沒寫詳細的。

asyncio

上篇說過了協程之間切換的開銷極小，用這個相對於threading的優點以及業務場景對比還有各類細分的對比能扯不少，我以爲在我目前的階段不須要太糾結這個

即把這個當成threading的替代便可，asyncio能夠簡單認爲比threading併發量更大，內存開銷更小就好了（GIL平常先背個鍋）

再說說簡單的用法，首先asyncio是一個消息循環，有什麼用呢？首先說一下協程工做完一段代碼以後要返回主線程，可是這時候可能主線程也在忙，而asyncio至關於

一個信箱，FIFO樣式的，協程工做完就把完成通知丟到「信箱」裏面去，供主線程有空的時候順序讀取以便安排新的任務。

看代碼：

 1 import threading
 2 import asyncio
 3 
 4 @asyncio.coroutine
 5 def t1():
 6     print('去洗菜', threading.currentThread())
 7     yield from asyncio.sleep(5)
 8     print('炒菜', threading.currentThread())
 9     
10 @asyncio.coroutine
11 def t2():
12     print('洗米', threading.currentThread())
13     yield from asyncio.sleep(5)
14     print('煮飯', threading.currentThread())
15 
16 @asyncio.coroutine
17 def t3():
18     print('洗衣服', threading.currentThread())
19     yield from asyncio.sleep(5)
20     print('晾衣服', threading.currentThread())
21     
22 loop = asyncio.get_event_loop()
23 tasks = [t1(),t2(),t3()]
24 loop.run_until_complete(asyncio.wait(tasks))
25 loop.close()

out:  去洗菜 <_MainThread(MainThread, started 7732)>
      洗米 <_MainThread(MainThread, started 7732)>
      洗衣服 <_MainThread(MainThread, started 7732)>
      炒菜 <_MainThread(MainThread, started 7732)>
      煮飯 <_MainThread(MainThread, started 7732)>
      晾衣服 <_MainThread(MainThread, started 7732)>

@asyncio.coroutine 表面這是一個要扔到消息循環（loop）的協程。asyncio.get_event_loop()是建立一個消息循環，而後分配任務，執行任務並等待任務結束，關閉消息循環。這就是一個簡單的用法。

而後爲了簡化@asyncio.coroutine和yield from，從python3.5開始引入了async and await，使用方法就是用async替換掉@asyncio.coroutine，await替換掉yield from

async def t1():
    print('去洗菜', threading.currentThread())
    await asyncio.sleep(5)
    print('炒菜', threading.currentThread())

而後還有諸如綁定回調，協程嵌套等等其餘用法暫時參考http://www.javashuo.com/article/p-okfxrbuu-c.html，否則就等我後面的更新哈哈哈哈哈哈<(￣︶￣)↗ 

aiohttp

爲何寫這玩意兒呢，我隱隱以爲之後會用到它，因此先記下來。

這玩意兒是基於asyncio（就是上面那玩意兒）實現的HTTP框架，能夠實現單線程併發IO，主要用於服務器端。畢竟HTTP做爲一個IO操做開銷也是很大的呀

用以前就先得裝好pip install aiohttp或者在ananconda裏面點一點安裝

真的只是先記下來啊，待我之後再來一篇(￢_￢)

concurrent.futures

一個相似於其餘語言的線程池的概念，用的是multiprocessing，真正的並行計算。上面的協程只是僞並行計算。

首先要用到的東西concurrent.futures.Executor，裏面有兩個

ThreadPoolExecutor和ProcessPoolExecutor，建池子的時候要指定用哪一個，而後給裏面的max_workers這個參數安排一下數量，給幾個核幹活。

而後用submit提交任務和任務參數，submit(fn, args, kwargs)，而後done執行，result獲取結果。

 1 from concurrent.futures import ThreadPoolExecutor
 2 import time
 3 
 4 
 5 def task(msg):
 6     time.sleep(5)
 7     return msg
 8 
 9 
10 # 建立一個線程池
11 pool = ThreadPoolExecutor(max_workers=2)
12 
13 # 往線程池加入2個task
14 t1 = pool.submit(task, 'hello')
15 t2 = pool.submit(task, 'world')
16 
17 print(t1.done())
18 time.sleep(5)
19 print(t2.done())
20 
21 print(t1.result())
22 print(t2.result())

View Code

而後還有一個判斷任務是否結束的問題，能夠用as_completed這個方法來實現（用以前要導入= =）

for future in as_completed(all_task):
    data = future.result()

大概這樣用

還有一個map函數，好比給同一個任務分配不一樣的參數丟進線程池執行

args = ['hello', 'world']
for data in pool.map(task, args):
    print(data)

這樣用呢省去了submit的步驟，而後有一個就是最後的輸出順序是按照參數的順序來的，而不是執行完成的順序。

暫停一下。未完待續