427 lines
12 KiB
Markdown
427 lines
12 KiB
Markdown
# 多协程
|
||
|
||
## 协程理论
|
||
|
||
进程是资源分配的最小单位,线程是CPU调度的最小单位
|
||
|
||
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。
|
||
|
||
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
|
||
|
||
1. yield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
|
||
|
||
```python
|
||
#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
|
||
```
|
||
|
||
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。
|
||
|
||
```python
|
||
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)
|
||
```
|
||
|
||
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
|
||
|
||
## 协程
|
||
|
||
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。、
|
||
|
||
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：
|
||
|
||
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：
|
||
|
||
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
|
||
|
||
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）
|
||
|
||
## Greenlet模块
|
||
|
||
pip install greenlet
|
||
|
||
```python
|
||
from greenlet import greenlet
|
||
|
||
def eat(name):
|
||
print('%s eat 1' %name)
|
||
g2.switch('张三')
|
||
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('张三') # 可以在第一次switch时传入参数，以后都不需要
|
||
```
|
||
|
||
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
|
||
|
||
```python
|
||
#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))
|
||
|
||
#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))
|
||
```
|
||
|
||
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。
|
||
|
||
## Gevent模块
|
||
|
||
pip 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。
|
||
|
||
用法介绍
|
||
|
||
```python
|
||
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
|
||
```
|
||
|
||
```python
|
||
import gevent
|
||
def eat(name):
|
||
print('%s eat 1' %name)
|
||
gevent.sleep(2)
|
||
print('%s eat 2' %name)
|
||
|
||
def play(name):
|
||
print('%s play 1' %name)
|
||
gevent.sleep(1)
|
||
print('%s play 2' %name)
|
||
|
||
|
||
g1=gevent.spawn(eat,'张三')
|
||
g2=gevent.spawn(play,name='张三')
|
||
g1.join()
|
||
g2.join()
|
||
#或者gevent.joinall([g1,g2])
|
||
print('主')
|
||
```
|
||
|
||
上例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,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
|
||
|
||
```python
|
||
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')
|
||
```
|
||
|
||
用threading.current_thread().name来查看每个g1和g2，查看的结果为DummyThread-n，即假线程
|
||
|
||
```python
|
||
from gevent import monkey;monkey.patch_all()
|
||
import threading
|
||
import gevent
|
||
import time
|
||
def eat():
|
||
print(threading.current_thread().name)
|
||
print('eat food 1')
|
||
time.sleep(2)
|
||
print('eat food 2')
|
||
|
||
def play():
|
||
print(threading.current_thread().name)
|
||
print('play 1')
|
||
time.sleep(1)
|
||
print('play 2')
|
||
|
||
g1=gevent.spawn(eat)
|
||
g2=gevent.spawn(play)
|
||
gevent.joinall([g1,g2])
|
||
print('主')
|
||
```
|
||
|
||
## Gevent之同步与异步
|
||
|
||
```python
|
||
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。
|
||
```
|
||
|
||
## Gevent之应用举例一
|
||
|
||
```python
|
||
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))
|
||
```
|
||
|
||
## 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
|
||
|
||
服务端
|
||
|
||
```python
|
||
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)
|
||
if len(res) == 0:
|
||
continue
|
||
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',8088)
|
||
```
|
||
|
||
客户端
|
||
|
||
```python
|
||
from socket import *
|
||
|
||
client=socket(AF_INET,SOCK_STREAM)
|
||
client.connect(('127.0.0.1',8088))
|
||
|
||
|
||
while True:
|
||
msg=input('>>: ').strip()
|
||
if not msg:continue
|
||
|
||
client.send(msg.encode('utf-8'))
|
||
msg=client.recv(1024)
|
||
print(msg.decode('utf-8'))
|
||
```
|
||
|
||
多线程并发客户端
|
||
|
||
```python
|
||
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().name,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',8088))
|
||
t.start()
|
||
``` |