python 全栈开发，Day43(引子,协程介绍,Greenlet模块,Gevent模块,Gevent之同步与异步)...

python 全栈开发，Day43(引子,协程介绍,Greenlet模块,Gevent模块,Gevent之同步与异步)

昨日内容回顾                                                                   

I/O模型，面试会问到
I/O操作，不占用CPU。它内部有一个专门的处理I/O模块。
print和写log 属于I/O操作，它不占用CPU

线程
GIL保证一个进程中的多个线程在同一时刻只有一个可以被CPU执行

后续的项目，特别是处理网络请求，非常多。

 

实例化一个Lock()，它就是一个互斥锁

LCOK 和RLOCK
互斥锁LCOK
死锁
rlock 递归锁
递归锁不会发生死锁现象

 

2个进程中的线程，不会受到GIL影响。
GIL是针对一个进程中的多个线程，同一时间，只能有一个线程访问CPU
针对GIL的CPU利用率问题
起多个进程，就可以解决CPU利用率问题。

 

昨天的科学家吃面的例子，它不能用一把锁，必须2个锁。

def eat1(noodle_lock,fork_lock,name):
    noodle_lock.acquire()
    print('%s抢到了面'%name)
    fork_lock.acquire()
    print('%s抢到了叉子'%name)
    print('%s正在吃面'%name)
    fork_lock.release()
    print('%s归还了叉子' % name)
    noodle_lock.release()
    print('%s归还了面' % name)

　　

看下图

假设有三个人，

A要面和叉子

B只要面

C只要叉子

如果只有一个锁，那么就无法处理这3个人的需求，会发生数据不安全的情况。

 

semaphore 在一开始固定一个线程的流量
condition 通过一个信号控制线程的流量
event 通过一个信号控制所有线程
timer 定时器
队列 线程数据安全

线程池
能够在多线程的基础上进一步节省内存和时间开销

 

 一、引子                                                                         

之前我们学习了线程、进程的概念，了解了在操作系统中进程是资源分配的最小单位,线程是CPU调度的最小单位。按道理来说我们已经算是把cpu的利用率提高很多了。但是我们知道无论是创建多进程还是创建多线程来解决问题，都要消耗一定的时间来创建进程、创建线程、以及管理他们之间的切换。

　　随着我们对于效率的追求不断提高，基于单线程来实现并发又成为一个新的课题，即只用一个主线程（很明显可利用的cpu只有一个）情况下实现并发。这样就可以节省创建线进程所消耗的时间。

　　为此我们需要先回顾下并发的本质：切换+保存状态

 　　cpu正在运行一个任务，会在两种情况下切走去执行其他的任务（切换由操作系统强制控制），一种情况是该任务发生了阻塞，另外一种情况是该任务计算的时间过长

　  　

　　ps：在介绍进程理论时，提及进程的三种执行状态，而线程才是执行单位，所以也可以将上图理解为线程的三种状态 

　　 一：其中第二种情况并不能提升效率，只是为了让cpu能够雨露均沾，实现看起来所有任务都被“同时”执行的效果，如果多个任务都是纯计算的，这种切换反而会降低效率。

　　为此我们可以基于yield来验证。yield本身就是一种在单线程下可以保存任务运行状态的方法，我们来简单复习一下：

#1 yiled可以保存状态，yield的状态保存与操作系统的保存线程状态很像，但是yield是代码级别控制的，更轻量级
#2 send可以把一个函数的结果传给另外一个函数，以此实现单线程内程序之间的切换

#串行执行
import time
def consumer(res):
    '''任务1:接收数据,处理数据'''
    pass

def producer():
    '''任务2:生产数据'''
    res=[]
    for i in range(10000000):
        res.append(i)
    return res

start=time.time()
#串行执行
res=producer()
consumer(res) #写成consumer(producer())会降低执行效率
stop=time.time()
print(stop-start) #1.5536692142486572



#基于yield并发执行
import time
def consumer():
    '''任务1:接收数据,处理数据'''
    while True:
        x=yield

def producer():
    '''任务2:生产数据'''
    g=consumer()
    next(g)
    for i in range(10000000):
        g.send(i)

start=time.time()
#基于yield保存状态,实现两个任务直接来回切换,即并发的效果
#PS:如果每个任务中都加上打印,那么明显地看到两个任务的打印是你一次我一次,即并发执行的.
producer()

stop=time.time()
print(stop-start) #2.0272178649902344

单纯地切换反而会降低运行效率

二：第一种情况的切换。在任务一遇到io情况下，切到任务二去执行，这样就可以利用任务一阻塞的时间完成任务二的计算，效率的提升就在于此。

import time
def consumer():
    '''任务1:接收数据,处理数据'''
    while True:
        x=yield

def producer():
    '''任务2:生产数据'''
    g=consumer()
    next(g)
    for i in range(10000000):
        g.send(i)
        time.sleep(2)

start=time.time()
producer() #并发执行,但是任务producer遇到io就会阻塞住,并不会切到该线程内的其他任务去执行

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

yield无法做到遇到io阻塞

对于单线程下，我们不可避免程序中出现io操作，但如果我们能在自己的程序中（即用户程序级别，而非操作系统级别）控制单线程下的多个任务能在一个任务遇到io阻塞时就切换到另外一个任务去计算，这样就保证了该线程能够最大限度地处于就绪态，即随时都可以被cpu执行的状态，相当于我们在用户程序级别将自己的io操作最大限度地隐藏起来，从而可以迷惑操作系统，让其看到：该线程好像是一直在计算，io比较少，从而更多的将cpu的执行权限分配给我们的线程。

    协程的本质就是在单线程下，由用户自己控制一个任务遇到io阻塞了就切换另外一个任务去执行，以此来提升效率。为了实现它，我们需要找寻一种可以同时满足以下条件的解决方案：

#1. 可以控制多个任务之间的切换，切换之前将任务的状态保存下来，以便重新运行时，可以基于暂停的位置继续执行。
#2. 作为1的补充：可以检测io操作，在遇到io操作的情况下才发生切换

 

红色表示忙(IO)，绿色表示正常运行

左边是正常的线程，右边是协程

在执行程序的过程中，遇到IO操作就切换其他线程执行，比如b。

网络的recv，访问网页，都存在IO

协程
协程并不是实际存在的实体
它的本质 就是一个线程的多个部分

比线程的单位更小 —— 协程、纤程
它的本质就是一个线程的多个部分
在一个线程中可以开启很多协程
在执行程序的过程中，遇到IO操作就冻结当前位置的状态
去执行其他任务，在执行其他任务过程中，
会不断的检测上一个冻结的任务是否IO结束
如果IO结束了，就继续从冻结的位置开始执行

一个线程不会遇到阻塞 —— 一直在使用CPU
多个线程 —— 只能有一个线程使用CPU
协程比线程之间的切换和线程的创建销毁
所花费的时间、空间开销要小的多

 

协程的特点
冻结当前程序/任务的执行状态 —— 技能解锁
可以规避IO操作的时间

它的特点，是线程没有的。

 

冻结函数状态-->生成器

def func():
    print(1)
    yield 'aaa'
    print(2)
    yield 'bbb'
    print(3)
    yield 'ccc'

g = func()
next(g)

执行输出：1

 

def func():
    x = yield 1
    print(x)
    yield 2

g = func()
print(next(g))
print(g.send('aaa'))

执行输出：

1

aaa

2

 

上面代码的运行过程如下。
1.当调用next(g)方法时，python首先会执行func方法的yield 1语句。由于是一个yield语句，因此方法的执行过程被挂起，而next方法返回值为yield关键字后面表达式的值，即为1。

2.当调用g.send('aaa')方法时，python首先恢复func方法的运行环境。同时，将表达式yield 1的返回值定义为send方法参数的值，即为aaa
这样，接下来x = yield 1 这一赋值语句会将x的值置为aaa。继续运行会遇到yield 2语句。
因此，func方法再次被挂起。同时，send方法的返回值为yield关键字后面表达式的值，为2。
最终输出:
1
aaa
2

 

单纯的切换状态，会不会影响程序执行时间？

看上面的例子：单纯地切换反而会降低运行效率

结论：

单纯的切换 还是要耗费一些时间的 记住当前执行的状态

上面的列表虽然执行快，但是它占用了大量内存。它是用时间换了空间。

 

二、协程介绍                                                                   

协程：是单线程下的并发，又称微线程，纤程。英文名Coroutine。一句话说明什么是线程：协程是一种用户态的轻量级线程，即协程是由用户程序自己控制调度的。、

需要强调的是：

#1. python的线程属于内核级别的，即由操作系统控制调度（如单线程遇到io或执行时间过长就会被迫交出cpu执行权限，切换其他线程运行）
#2. 单线程内开启协程，一旦遇到io，就会从应用程序级别（而非操作系统）控制切换，以此来提升效率（！！！非io操作的切换与效率无关）

对比操作系统控制线程的切换，用户在单线程内控制协程的切换

优点如下：

#1. 协程的切换开销更小，属于程序级别的切换，操作系统完全感知不到，因而更加轻量级
#2. 单线程内就可以实现并发的效果，最大限度地利用cpu

缺点如下：

#1. 协程的本质是单线程下，无法利用多核，可以是一个程序开启多个进程，每个进程内开启多个线程，每个线程内开启协程
#2. 协程指的是单个线程，因而一旦协程出现阻塞，将会阻塞整个线程

总结协程特点：

1. 必须在只有一个单线程里实现并发
2. 修改共享数据不需加锁
3. 用户程序里自己保存多个控制流的上下文栈
4. 附加：一个协程遇到IO操作自动切换到其它协程（如何实现检测IO，yield、greenlet都无法实现，就用到了gevent模块（select机制））

 

三、Greenlet模块                                                            

简介：

Greenlet是python的一个C扩展，来源于Stackless python，旨在提供可自行调度的‘微线程’， 即协程。generator实现的协程在yield value时只能将value返回给调用者(caller)。 而在greenlet中，target.switch（value）可以切换到指定的协程（target）， 然后yield value。greenlet用switch来表示协程的切换，从一个协程切换到另一个协程需要显式指定。

 

安装 ：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')#可以在第一次switch时传入参数，以后都不需要

greenlet实现状态切换

单纯的切换（在没有io的情况下或者没有重复开辟内存空间的操作），反而会降低程序的执行速度

#顺序执行
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

#切换
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

效率对比

greenlet只是提供了一种比generator更加便捷的切换方式，当切到一个任务执行时如果遇到io，那就原地阻塞，仍然是没有解决遇到IO自动切换来提升效率的问题。

单线程里的这20个任务的代码通常会既有计算操作又有阻塞操作，我们完全可以在执行任务1时遇到阻塞，就利用阻塞的时间去执行任务2。。。。如此，才能提高效率，这就用到了Gevent模块。

 

greenlet不是创造协程的模块
它是用来做多个协程任务切换的
它到底是怎么实现切换的呢？

from greenlet import greenlet

def func():
    print(123)

def func2():
    print(456)

g1 = greenlet(func)  # 实例化
g2 = greenlet(func2)
g1.switch()  # 开始运行,它会运行到下一个switch结束。否则一直运行

执行输出：123

 

from greenlet import greenlet
def test1():
    print 12
    gr2.switch()
    print 34

def test2():
    print 56
    gr1.switch()
    print 78

gr1 = greenlet(test1)
gr2 = greenlet(test2)
gr1.switch()

　　

执行输出：

12
56
34

执行过程：

当创建一个greenlet时，首先初始化一个空的栈， switch到这个栈的时候，会运行在greenlet构造时传入的函数（首先在test1中打印 12）， 如果在这个函数（test1）中switch到其他协程（到了test2 打印34），那么该协程会被挂起，等到切换回来（在test2中切换回来 打印34）。当这个协程对应函数执行完毕，那么这个协程就变成dead状态。
　　注意 上面没有打印test2的最后一行输出 78，因为在test2中切换到gr1之后挂起，但是没有地方再切换回来。这个可能造成泄漏，后面细说。

 

上面的例子，有几个缺点
1.手动切换
2.不能规避I/O操作(睡眠)

 

四、Gevent模块                                                              

安装：pip3 install gevent

Gevent 是一个第三方库，可以轻松通过gevent实现并发同步或异步编程，在gevent中用到的主要模式是Greenlet, 它是以C扩展模块形式接入Python的轻量级协程。 Greenlet全部运行在主程序操作系统进程的内部，但它们被协作式地调度。

g1=gevent.spawn(func,1,,2,3,x=4,y=5)创建一个协程对象g1，spawn括号内第一个参数是函数名，如eat，后面可以有多个参数，可以是位置实参或关键字实参，都是传给函数eat的

g2=gevent.spawn(func2)

g1.join() #等待g1结束

g2.join() #等待g2结束

#或者上述两步合作一步：gevent.joinall([g1,g2])

g1.value#拿到func1的返回值

用法介绍

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')

例：遇到io主动切换

我们可以用threading.current_thread().getName()来查看每个g1和g2，查看的结果为DummyThread-n，即假线程

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')

查看threading.current_thread().getName()

 

真正能实现协程的模块gevent

import gevent
def eat():
    print('eating1')
    print('eating2')
g1 = gevent.spawn(eat)  #创建一个协程对象g1

执行输出为空，表示它还没执行。

import gevent
def eat():
    print('eating1')
    print('eating2')
g1 = gevent.spawn(eat)  #创建一个协程对象g1
g1.join()  #等待g1结束

执行输出：

eating1
eating2

 

import time
import gevent
def eat():
    print('eating1')
    time.sleep(1)
    print('eating2')

def play():
    print('playing1')
    time.sleep(1)
    print('playing2')

g1 = gevent.spawn(eat)  #创建一个协程对象g1
g2 = gevent.spawn(play)
g1.join()  #等待g1结束
g2.join()

执行输出：

eating1
eating2
playing1
playing2

 

如果想顺序执行呢？需要用到gevent.sleep

import time
import gevent
def eat():
    print('eating1')
    gevent.sleep(1)  #延时调用 
    print('eating2')

def play():
    print('playing1')
    gevent.sleep(1)  #延时调用 
    print('playing2')

g1 = gevent.spawn(eat)  #创建一个协程对象g1
g2 = gevent.spawn(play)
g1.join()  #等待g1结束
g2.join()

执行输出：

eating1
playing1
eating2
playing2

 

如果想让协程执行time.sleep()呢？由于默认，协程无法识别time.sleep()方法，需要导入一个模块monkey

monkey patch (猴子补丁)
用来在运行时动态修改已有的代码，而不需要修改原始代码。

from gevent import monkey;monkey.patch_all()
# 它会把下面导入的所有的模块中的IO操作都打成一个包，gevent就能够认识这些IO了
import time
import gevent
def eat():
    print('eating1')
    time.sleep(1)  #延时调用
    print('eating2')

def play():
    print('playing1')
    time.sleep(1)  #延时调用
    print('playing2')

g1 = gevent.spawn(eat)  #创建一个协程对象g1
g2 = gevent.spawn(play)
g1.join()  #等待g1结束
g2.join()

执行输出：

eating1
playing1
eating2
playing2

 

结论：

使用gevent模块来执行多个函数，表示在这些函数遇到IO操作的时候可以在同一个线程中进行切换
利用其他任务的IO阻塞时间来切换到其他的任务继续执行

前提是：

spawn来发布协程任务
join负责开启并等待任务执行结束
gevent本身不认识其他模块中的IO操作，但是如果我们在导入其他模块之前执行from gevent import monkey;monkey.patch_all()  这行代码，必须在文件最开头
gevent就能够认识在这句话之后导入的模块中的所有IO操作了

 

五、Gevent之同步与异步                                                

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

import time
def task(pid):
    """
    Some non-deterministic task
    """
    time.sleep(0.5)
    print('Task %s done' % pid)


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

def asynchronous(): # 异步
    g_l=[spawn(task,i) for i in range(10)]
    joinall(g_l)
    print('DONE')
    
if __name__ == '__main__':
    print('Synchronous:')
    synchronous()
    print('Asynchronous:')
    asynchronous()
#  上面程序的重要部分是将task函数封装到Greenlet内部线程的gevent.spawn。
#  初始化的greenlet列表存放在数组threads中，此数组被传给gevent.joinall 函数，
#  后者阻塞当前流程，并执行所有给定的greenlet任务。执行流程只会在 所有greenlet执行完后才会继续向下走。

当一个任务执行时，依赖另外一个任务的结果时，这种情况不适合异步，只能用同步

 

Gevent之应用举例一                                                                                                                      

手动安装模块requests

pip3 install requests

from gevent import monkey;monkey.patch_all()
import gevent
import requests
import time

def get_page(url):
    print('GET: %s' %url)
    response=requests.get(url)
    if response.status_code == 200:
        print('%d bytes received from %s' %(len(response.text),url))


start_time=time.time()
gevent.joinall([
    gevent.spawn(get_page,'https://www.python.org/'),
    gevent.spawn(get_page,'https://www.yahoo.com/'),
    gevent.spawn(get_page,'https://github.com/'),
])
stop_time=time.time()
print('run time is %s' %(stop_time-start_time))

协程应用：爬虫

等待网页请求结果是，去执行其他任务

红色表示等待，绿色表示执行任务

 另外一个爬虫例子：

对比使用普通函数和使用协程，谁更快一点

由于操作系统，访问一次网页后，会有缓存。

所以测试时，先访问一遍网页。再分别测试协程和普通函数。

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('先执行一次',time.time() - start)

start = time.time()
gevent.joinall([gevent.spawn(get_page,url) for url in url_lst])
print('协程',time.time() - start)

start = time.time()
for url in url_lst:get_page(url)
print('普通',time.time() - start)

执行输出：

先执行一次 0.6465449333190918
协程 0.34525322914123535
普通 0.570899486541748

 结论
以后用爬虫，可以使用协程，它的速度更快。

 

Gevent之应用举例二                                                                                                                      

通过gevent实现单线程下的socket并发

注意 ：from gevent import monkey;monkey.patch_all()一定要放到导入socket模块之前，否则gevent无法识别socket的阻塞

from gevent import monkey;monkey.patch_all()
from socket import *
import gevent

#如果不想用money.patch_all()打补丁,可以用gevent自带的socket
# from gevent import socket
# s=socket.socket()

def server(server_ip,port):
    s=socket(AF_INET,SOCK_STREAM)
    s.setsockopt(SOL_SOCKET,SO_REUSEADDR,1)
    s.bind((server_ip,port))
    s.listen(5)
    while True:
        conn,addr=s.accept()
        gevent.spawn(talk,conn,addr)

def talk(conn,addr):
    try:
        while True:
            res=conn.recv(1024)
            print('client %s:%s msg: %s' %(addr[0],addr[1],res))
            conn.send(res.upper())
    except Exception as e:
        print(e)
    finally:
        conn.close()

if __name__ == '__main__':
    server('127.0.0.1',8080)

server

from socket import *

client=socket(AF_INET,SOCK_STREAM)
client.connect(('127.0.0.1',8080))


while True:
    msg=input('>>: ').strip()
    if not msg:continue

    client.send(msg.encode('utf-8'))
    msg=client.recv(1024)
    print(msg.decode('utf-8'))

client

from threading import Thread
from socket import *
import threading

def client(server_ip,port):
    c=socket(AF_INET,SOCK_STREAM) #套接字对象一定要加到函数内，即局部名称空间内，放在函数外则被所有线程共享，则大家公用一个套接字对象，那么客户端端口永远一样了
    c.connect((server_ip,port))

    count=0
    while True:
        c.send(('%s say hello %s' %(threading.current_thread().getName(),count)).encode('utf-8'))
        msg=c.recv(1024)
        print(msg.decode('utf-8'))
        count+=1
if __name__ == '__main__':
    for i in range(500):
        t=Thread(target=client,args=('127.0.0.1',8080))
        t.start()

多线程并发多个客户端

 

进程5个，线程20个，协程500个 —— 通用的组合  —— 50000qps

0.3s以内，用户是感觉不到的

只有进程能处理并行

重点掌握进程，线程，协程

这3者之间的区别，优缺点，理论知识。面试会问道。

task，翻译是任务

1 多进程/多线程网络编程都是一个进程或者线程处理一个task，当task过多时，就会导致巨量的进程/线程。 
2 巨量的进程/线程会导致 上下文切换极其频繁！  大家知道：上下文切换是要消耗cpu资源的 所以当进程/线程数量过多时，cpu资源就得不到有效利用
3 而协程实际上就是：在用户空间实现task的上下文切换！ 这种上下文切换消耗的代价相较而言微乎其微。这就是协程的优势！
4 当然协程也有劣势：就是无法利用多核cpu，但是我们有解决办法：多进程 + 协程 

 

看下图

 playing2没有输出，是因为阻塞结束，不再切换。

 

明天默写：

socket_server

from gevent import monkey;monkey.patch_all()
import socket
import gevent
def async_talk(conn):
    try:
        while True:
            conn.send(b'hello')
            ret = conn.recv(1024)
            print(ret)
    finally:
        conn.close()
sk = socket.socket()
sk.bind(('127.0.0.1',9000))
sk.listen()
while True:
    conn,addr = sk.accept()
    gevent.spawn(async_talk,conn)
sk.close()

socket_client

import socket
from threading import Thread
def socket_client():
    sk = socket.socket()
    sk.connect(('127.0.0.1',9000))
    while True:
        print(sk.recv(1024))
        sk.send(b'bye')
    sk.close()
for i in range(500):
    Thread(target=socket_client).start()

　　

posted @ 2018-05-17 21:25 肖祥 阅读( ...) 评论( ...) 编辑 收藏