Python并发编程（十一）：进程池，线程池，协程

目录

 

注意

一、Python标准模块--concurrent.futures（并发未来）

二、线程池

基于concurrent.futures模块的进程池

基于concurrent.futures模块的线程池

应用线程池（下载网页并解析）

map函数的应用

三、协程介绍

yield复习

yield功能示例1

yield功能示例2

yield表达式示例

协程的本质

四、Greenlet

五、Gevent介绍

gevent的一些方法（重要）

六、Gevent之同步于异步

七、Gevent之应用举例一

协程应用爬虫

协程应用爬虫加了回调函数的

八、Gevent之应用举例二

---

注意

1、不能无限的开进程和线程，最常用的就是开进程池，开线程池。

2、其中回调函数非常重要，回调函数其实可以作为一种编程思想，函数式编程。谁好了谁就去执行。

3、只要你用并发，就会有锁的问题，但是你不能一直去自己加锁吧，那么我们就用QUEUE，这样还解决了自动加锁的问题。

4、由Queue延伸出的一个点也非常重要的概念，以后写程序也会用到这个思想，就是生产者与消费者问题。

一、Python标准模块--concurrent.futures（并发未来）

concurent.future模块需要了解的内容：

1.concurent.future模块是用来创建并行的任务，提供了更高级别的接口，为了异步执行调用

2.concurent.future这个模块用起来非常方便，它的接口也封装的非常简单

3.concurent.future模块既可以实现进程池，也可以实现线程池

4.模块导入进程池和线程池
from concurrent.futures import ProcessPoolExecutor,ThreadPoolExecutor
还可以导入一个Executor,但是你别这样导，这个类是一个抽象类
抽象类的目的是规范他的子类必须有某种方法（并且抽象类的方法必须实现），但是抽象类不能被实例化

5.
p = ProcessPoolExecutor(max_works)对于进程池如果不写max_works：默认的是cpu的数目,默认是4个（进程池）
p = ThreadPoolExecutor(max_works)对于线程池如果不写max_works： 默认的是cpu的数目*5（线程池） 

6.如果是进程池，得到的结果如果是一个对象。我们得用一个.get()方法得到结果
但是现在用了concurent.future模块，我们可以用obj.result方法
p.submit(task,i) #相当于apply_async异步方法
p.shutdown() #默认有个参数wite=True (相当于close和join)

 

二、线程池

那么什么是线程池呢？我们来了解一下

进程池：就是在一个进程内控制一定个数的线程
基于concurent.future模块的进程池和线程池 （他们的同步执行和异步执行是一样的）

基于concurrent.futures模块的进程池

 1 # 1.同步执行--------------
 2 from  concurrent.futures import ProcessPoolExecutor,ThreadPoolExecutor
 3 import os,time,random
 4 def task(n):
 5     print('[%s] is running'%os.getpid())
 6     time.sleep(random.randint(1,3))  #I/O密集型的，，一般用线程，用了进程耗时长
 7     return n**2
 8 if __name__ == '__main__':
 9     start = time.time()
10     p = ProcessPoolExecutor()
11     for i in range(10): #现在是开了10个任务， 那么如果是上百个任务呢，就不能无线的开进程，那么就得考虑控制
12         # 线程数了，那么就得考虑到池了
13         obj  = p.submit(task,i).result()  #相当于apply同步方法
14     p.shutdown()  #相当于close和join方法
15     print('='*30)
16     print(time.time() - start)  #17.36499309539795
17 
18 
19 # 2.异步执行-----------
20 # from  concurrent.futures import ProcessPoolExecutor,ThreadPoolExecutor
21 # import os,time,random
22 # def task(n):
23 #     print('[%s] is running'%os.getpid())
24 #     time.sleep(random.randint(1,3))  #I/O密集型的，，一般用线程，用了进程耗时长
25 #     return n**2
26 # if __name__ == '__main__':
27 #     start = time.time()
28 #     p = ProcessPoolExecutor()
29 #     l = []
30 #     for i in range(10): #现在是开了10个任务， 那么如果是上百个任务呢，就不能无线的开进程，那么就得考虑控制
31 #         # 线程数了，那么就得考虑到池了
32 #         obj  = p.submit(task,i)  #相当于apply_async()异步方法
33 #         l.append(obj)
34 #     p.shutdown()  #相当于close和join方法
35 #     print('='*30)
36 #     print([obj.result() for obj in l])
37 #     print(time.time() - start)  #5.362306594848633

 

基于concurrent.futures模块的线程池

 1 from  concurrent.futures import ProcessPoolExecutor,ThreadPoolExecutor
 2 from threading import currentThread
 3 import os,time,random
 4 def task(n):
 5     print('%s:%s is running'%(currentThread().getName(),os.getpid()))  #看到的pid都是一样的，因为线程是共享了一个进程
 6     time.sleep(random.randint(1,3))  #I/O密集型的，，一般用线程，用了进程耗时长
 7     return n**2
 8 if __name__ == '__main__':
 9     start = time.time()
10     p = ThreadPoolExecutor() #线程池 #如果不给定值，默认cup*5
11     l = []
12     for i in range(10):  #10个任务 # 线程池效率高了
13         obj  = p.submit(task,i)  #相当于apply_async异步方法
14         l.append(obj)
15     p.shutdown()  #默认有个参数wite=True (相当于close和join)
16     print('='*30)
17     print([obj.result() for obj in l])
18     print(time.time() - start)  #3.001171827316284

 

应用线程池（下载网页并解析）

 

from concurrent.futures import ThreadPoolExecutor,ProcessPoolExecutor
import requests
import time,os
def get_page(url):
    print('<%s> is getting [%s]'%(os.getpid(),url))
    response = requests.get(url)
    if response.status_code==200:  #200代表状态：下载成功了
        return {'url':url,'text':response.text}
def parse_page(res):
    res = res.result()
    print('<%s> is getting [%s]'%(os.getpid(),res['url']))
    with open('db.txt','a') as f:
        parse_res = 'url:%s size:%s\n'%(res['url'],len(res['text']))
        f.write(parse_res)
if __name__ == '__main__':
    # p = ThreadPoolExecutor()
    p = ProcessPoolExecutor()
    l = [
        'http://www.baidu.com',
        'http://www.baidu.com',
        'http://www.baidu.com',
        'http://www.baidu.com',
    ]
    for url in l:
        res = p.submit(get_page,url).add_done_callback(parse_page) #这里的回调函数拿到的是一个对象。得
        #  先把返回的res得到一个结果。即在前面加上一个res.result() #谁好了谁去掉回调函数
                                # 回调函数也是一种编程思想。不仅开线程池用，开线程池也用
    p.shutdown()  #相当于进程池里的close和join
    print('主',os.getpid())

 

map函数的应用

# map函数举例
obj= map(lambda x:x**2 ,range(10))
print(list(obj))

#运行结果[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]

 

可以和上面的开进程池/线程池的对比着看，就能发现map函数的强大了

map函数具体应用

 1 # 我们的那个p.submit(task,i)和map函数的原理类似。我们就
 2 # 可以用map函数去代替。更减缩了代码
 3 from  concurrent.futures import ProcessPoolExecutor,ThreadPoolExecutor
 4 import os,time,random
 5 def task(n):
 6     print('[%s] is running'%os.getpid())
 7     time.sleep(random.randint(1,3))  #I/O密集型的，，一般用线程，用了进程耗时长
 8     return n**2
 9 if __name__ == '__main__':
10     p = ProcessPoolExecutor()
11     obj = p.map(task,range(10))
12     p.shutdown()  #相当于close和join方法
13     print('='*30)
14     print(obj)  #返回的是一个迭代器
15     print(list(obj))

 

三、协程介绍

协程：单线程下实现并发（提高效率）

说到协程，我们先说一下协程联想到的知识点

yield复习

切换关键的一点是：保存状态（从原来停留的地方继续切）

return:只能执行一次，结束函数的标志

yield:函数中但凡有yield，这个函数的执行结果就变成了一个生成器，

生成器本质就是一个迭代器，那么迭代器怎么用呢？用一个next()方法

 

1.yield语句的形式：yield 1

yield功能1：可以用来返回值，可以返回多次值

yield功能2：可以把函数暂停住，保存原来的状态

 

2.yield表达式的形式:x = yieldsend可以把一个函数的结果传给另一个函数，以此实现单线程内程序之间的切换

send()要想用就得先next()一下

但是要用send至少要用两个yield　

yield功能示例1

yield功能示例2

 1 3.yield功能2（可以吧函数暂停住，保存原来的状态）--------------
 2 def f1():
 3     print('first')
 4     yield 1
 5     print('second')
 6     yield 2
 7     print('third')
 8     yield 3
 9 # print(f1())  #加了yield返回的是一个生成器
10 g = f1()
11 print(next(g))  #当遇见了yield的时候就返回一个值,而且保存原来的状态
12 print(next(g))  #当遇见了yield的时候就返回一个值
13 print(next(g))  #当遇见了yield的时候就返回一个值

 

yield表达式示例

 1 # 3.yield表达式(对于表达式的yield)--------------------
 2 import time
 3 def wrapper(func):
 4     def inner(*args,**kwargs):
 5         ret =func(*args,**kwargs)
 6         next(ret)
 7         return ret
 8     return inner
 9 @wrapper
10 def consumer():
11     while True:
12         x= yield
13         print(x)
14 
15 def producter(target):
16     '''生产者造值'''
17     # next(g)  #相当于g.send(None)
18     for i in range(10):
19         time.sleep(0.5)
20         target.send(i)#要用send就得用两个yield
21 producter(consumer())

 

协程的本质

本节主题是实现单线程下的并发，即只在一个主线程，并且很明显的是，可利用的cpu只有一个情况下实现并发，

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

 

 

     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，实现看起来大家都被执行的效果，如果多个程序都是纯计算任务，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

单纯的切换反而会影响效率

串行执行

 1 #串行执行
 2 import time
 3 def consumer(res):
 4     '''任务1:接收数据,处理数据'''
 5     pass
 6 
 7 def producer():
 8     '''任务2:生产数据'''
 9     res=[]
10     for i in range(10000000):
11         res.append(i)
12     return res
13 
14 start=time.time()
15 #串行执行
16 res=producer()
17 consumer(res)
18 stop=time.time()
19 print(stop-start) #1.5536692142486572

基于yield并发执行

 1 import time
 2 def wrapper(func):
 3     def inner(*args,**kwargs):
 4         ret =func(*args,**kwargs)
 5         next(ret)
 6         return ret
 7     return inner
 8 @wrapper
 9 def consumer():
10     while True:
11         x= yield
12         print(x)
13 
14 def producter(target):
15     '''生产者造值'''
16     # next(g)  #相当于g.send(None)
17     for i in range(10):
18         time.sleep(0.5)
19         target.send(i)#要用send就得用两个yield
20 producter(consumer())

 

 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）控制单线程下多个任务能遇到io就切换，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，对于操作系统来说：这哥们（该线程）好像是一直处于计算过程的，io比较少。   

    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。

    因此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（重新运行时，可以基于暂停的位置继续）

    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

四、Greenlet

Greenlet模块和yield没有什么区别，就只是单纯的切换，跟效率无关。

只不过比yield更好一点，切的时候方便一点。但是仍然没有解决效率

Greenlet可以让你在多个任务之间来回的切

#安装
pip3 install greenlet

 

 1 from greenlet import greenlet
 2 import time
 3 def eat(name):
 4     print('%s eat 1' %name)
 5     time.sleep(10)  #当遇到IO的时候它也没有切，这就得用gevent了
 6     g2.switch('egon')
 7     print('%s eat 2' %name)
 8     g2.switch()
 9 def play(name):
10     print('%s play 1' %name)
11     g1.switch()
12     print('%s play 2' %name)
13 
14 g1=greenlet(eat)
15 g2=greenlet(play)
16 
17 g1.switch('egon')#可以在第一次switch时传入参数，以后都不需要

 

如果所有上面的方法都不可行，那么这就用到了Gevert ,也就是协程。它解决了单线程实现并发的问题，还提升了效率

五、Gevent介绍

#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。

#用法
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

gevent的一些方法（重要）

 1 from gevent import monkey;monkey.patch_all()
 2 import gevent
 3 import time
 4 def eat(name):
 5     print('%s eat 1' %name)
 6     time.sleep(2)  #我们用等待的时间模拟IO阻塞
 7     ''' 在gevent模块里面要用gevent.sleep(2)表示等待的时间
 8         然而我们经常用time.sleep()用习惯了，那么有些人就想着
 9         可以用time.sleep()，那么也不是不可以。要想用，就得在
10         最上面导入from gevent import monkey;monkey.patch_all()这句话
11         如果不导入直接用time.sleep()，就实现不了单线程并发的效果了
12     '''
13     # gevent.sleep(2)
14     print('%s eat 2' %name)
15     return 'eat'
16 def play(name):
17     print('%s play 1' %name)
18     time.sleep(3)
19     # gevent.sleep(3)
20     print('%s play 2' %name)
21     return 'paly'  #当有返回值的时候，gevent模块也提供了返回结果的操作
22 
23 start = time.time()
24 g1 = gevent.spawn(eat,'egon')  #执行任务
25 g2 = gevent.spawn(play,'egon')  #g1和g2的参数可以不一样
26 # g1.join()  #等待g1
27 # g2.join()  #等待g2
28 #上面等待的两句也可以这样写
29 gevent.joinall([g1,g2])
30 print('主',time.time()-start) #3.001171588897705
31 
32 print(g1.value)
33 print(g2.value)

 

需要说明的是：

gevent.sleep(2)模拟的是gevent可以识别的io阻塞，而time.sleep(2)或其他的阻塞,gevent是不能直接识别的，需要用下面一行代码来打补丁,就可以识别了

from gevent import monkey;monkey.patch_all()必须放到被打补丁者的前面，如time，socket模块之前

或者我们干脆记忆成要用gevent，需要将from gevent import monkey;monkey.patch_all()放到文件的开头

六、Gevent之同步于异步

 1 from gevent import spawn,joinall,monkey;monkey.patch_all()
 2 
 3 import time
 4 def task(pid):
 5     """
 6     Some non-deterministic task
 7     """
 8     time.sleep(0.5)
 9     print('Task %s done' % pid)
10 
11 
12 def synchronous():
13     for i in range(10):
14         task(i)
15 
16 def asynchronous():
17     g_l=[spawn(task,i) for i in range(10)]
18     joinall(g_l)
19 
20 if __name__ == '__main__':
21     print('Synchronous:')
22     synchronous()
23 
24     print('Asynchronous:')
25     asynchronous()
26 #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。执行流程只会在 所有greenlet执行完后才会继续向下走。

 

七、Gevent之应用举例一

协程应用爬虫

 1 from gevent import monkey;monkey.patch_all()  #打补丁
 2 import gevent
 3 import requests
 4 import time
 5 def get_page(url):
 6     print('get :%s'%url)
 7     response = requests.get(url)
 8     if response.status_code==200: #下载成功的状态
 9         print('%d bytes received from:%s'%(len(response.text),url))
10 start=time.time()
11 gevent.joinall([
12     gevent.spawn(get_page,'http://www.baidu.com'),
13     gevent.spawn(get_page, 'https://www.yahoo.com/'),
14     gevent.spawn(get_page, 'https://github.com/'),
15 ])
16 stop = time.time()
17 print('run time is %s' %(stop-start))

协程应用爬虫加了回调函数的

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

def parse_page(res):
    print('%s PARSE %s' %(current_thread().getName(),len(res)))

def get_page(url,callback=parse_page):
    print('%s GET %s' %(current_thread().getName(),url))
    response=requests.get(url)
    if response.status_code == 200:
        callback(response.text)

if __name__ == '__main__':
    urls=[
        'https://www.baidu.com',
        'https://www.taobao.com',
        'https://www.openstack.org',
    ]

    tasks=[]
    for url in urls:
        tasks.append(spawn(get_page,url))

    joinall(tasks)

 

八、Gevent之应用举例二

 也可以利用协程实现并发

服务端利用协程

 1 #!usr/bin/env python
 2 # -*- coding:utf-8 -*-
 3 from  gevent import monkey;monkey.patch_all()
 4 import gevent
 5 from socket import *
 6 print('start running...')
 7 def talk(conn,addr):
 8     while True:
 9         data = conn.recv(1024)
10         print('%s:%s %s'%(addr[0],addr[1],data))
11         conn.send(data.upper())
12     conn.close()
13 def server(ip,duankou):
14     server = socket(AF_INET, SOCK_STREAM)
15     server.setsockopt(SOL_SOCKET, SO_REUSEADDR, 1)
16     server.bind((ip,duankou))
17     server.listen(5)
18     while True:
19         conn,addr = server.accept()  #等待链接
20         gevent.spawn(talk,conn,addr)  #异步执行 （p =Process(target=talk,args=(coon,addr))
21                                                 # p.start()）相当于开进程里的这两句
22     server.close()
23 if __name__ == '__main__':
24     server('127.0.0.1',8081)

客户端开了100个进程

 1 #!usr/bin/env python
 2 # -*- coding:utf-8 -*-
 3 from multiprocessing import Process
 4 from gevent import monkey;monkey.patch_all()
 5 from socket import *
 6 def client(ip,duankou):
 7     client = socket(AF_INET, SOCK_STREAM)
 8     client.connect((ip,duankou))
 9     while True:
10         client.send('hello'.encode('utf-8'))
11         data = client.recv(1024)
12         print(data.decode('utf-8'))
13 if __name__ == '__main__':
14     for i in range(100):
15         p = Process(target=client,args=(('127.0.0.1',8081)))
16         p.start()

文章转自：http://www.cnblogs.com/haiyan123/p/7461294.htm