協程python
一,迭代器iterable 能實現必定的數據,可是又不會佔用很大的空間,協程切換任務資源小,效率高。
如何判斷某一類型是否能夠迭代函數
from collections import Iterable print(isinstance([11,2,3], Iterable))
python2是以下實現的,python3中將range改爲了xrange
range(2000)生成2000個值的結果,會佔用很大的內存空間
xrange(2000)是指生成2000個值的方式,佔用很小的空間。ui
若是一個對象是迭代器,那麼必定能夠迭代,若是一個對象能夠迭代,但不必定是迭代器。url
迭代器對象必需要有__iter__和__next__方法。spa
若是數據量很大的狀況下,最好使用建立迭代器的方式來節省內存空間。
eg:線程
class Fibo(object): def __init__(self, all_num): self.all_num = all_num self.current_num = 0 self.a = 0 self.b = 1 def __iter__(self): return self def __next__(self): if self.current_num < self.all_num: ret = self.a self.a, self.b = self.b, self.a + self.b self.current_num += 1 return ret else: raise StopIteration fibo = Fibo(20) for temp in fibo: print(temp)
二, 生成器generator
生成器是一種特殊的迭代器,能夠讓函數暫停執行。因此能夠利用生成器實現多任務。
生成迭代器有兩種方式:code
def fibo(max_num): a, b = 0, 1 current_num = 0 while current_num < max_num: yield a a, b = b, a + b current_num += 1 fi = fibo(20) while True: try: ret = next(fi) print(ret) except: break
三,協程greenlet、gevent完成多任務
gevent是協程最經常使用的一種方式。當線程在等待執行浪費的時間,能夠用協程來解決。協程會在等待時間去執行別的方法。
eg:協程的實際使用協程
def download_pic(img_name, img_url): request = urllib.request.urlopen(img_url) img_content = request.read() with open(img_name, 'wb') as f: f.write(img_content) def main(): gevent.joinall([ gevent.spawn(download_pic, '1.jpg', 'https://timgsa.baidu.com/timg?image&quality=80&size=b9999_10000&sec=1556006133066&di=6c4ea03a666b333328d59163b8137de9&imgtype=0&src=http%3A%2F%2Fattach.bbs.miui.com%2Fforum%2F201408%2F27%2F103420lzrq3jcimigfjmuw.jpg'), gevent.spawn(download_pic, '2.jpg', 'https://timgsa.baidu.com/timg?image&quality=80&size=b9999_10000&sec=1556006133066&di=1f17489eb4f7fd3ce4f16c2365fab82a&imgtype=0&src=http%3A%2F%2Fb-ssl.duitang.com%2Fuploads%2Fblog%2F201511%2F08%2F20151108150337_tu32m.jpeg') ]) if __name__ == '__main__': main()