python---协程学习笔记

协程

协程又称为微线程，协程是一种用户态的轻量级线程

协程拥有自己的寄存器和栈。协程调度切换的时候，将寄存器上下文和栈都保存到其他地方，在切换回来的时候，恢复到先前保存的寄存器上下文和栈，因此：协程能保留上一次调用状态，每次过程重入时，就相当于进入上一次调用的状态。

协程的好处：

1.无需线程上下文切换的开销（还是单线程）

2.无需原子操作（一个线程改一个变量，改一个变量的过程就可以称为原子操作）的锁定和同步的开销

3.方便切换控制流，简化编程模型

4.高并发+高扩展+低成本：一个cpu支持上万的协程都没有问题，适合用于高并发处理

缺点：

1.无法利用多核的资源，协程本身是个单线程，它不能同时将单个cpu的多核用上，协程需要和进程配合才能运用到多cpu上（协程是跑在线程上的）

2.进行阻塞操作时会阻塞掉整个程序：如io

使用yield实现协程的例子：

import time

import queue

def consumer(name):

    print("---->start eating baozi......")

    while True:

        #yield默认可以返回数据，走到yield整个程序返回，yield被唤醒的时候还可以接收数据

        #进入死循环碰到yield暂停，被唤醒的时候才执行print

        new_baozi = yield

        print("[%s] is eating baozi %s" %(name,new_baozi))

        #time.sleep(2)

def producer():

    #__next__()调用消费者的next,consumer直接调用的话，第一次不会执行，会变成一个生成器

    #函数如果里面有yield第一次加括号调用，他是一个生成器，还没有真正执行，__next__()才会执行

    r = con.__next__()

    r = con2.__next__()

    n = 0

    while n<5:

        n += 1

        #send有两个作用：唤醒生成器的同时，传送一个值，传的这个值就是yield接收到的值new_baozi

        con.send(n)

        con2.send(n)
　　　　　#time.sleep(1)

        print("\033[32;1m[producer]\033[0m is making baozi %s" %n)

if __name__ == '__main__':

    con = consumer("c1")

    con2 = consumer("c2")

    p = producer()

整个就是通过yield实现的一个简单的协程，在程序运行过程中，直接完成运作，感觉像多并发的效果。

问题：他们好像能够实现多并发的效果，是因为每一个生产者没有任何的sleep，如果在producer中加一个time.sleep(1)，那么运行速度就变慢了。

遇到io操作就切换，io操作很耗时，协程之所以能够处理大并发，就是把io操作去除，之后就变成这个程序只有cpu在切换

如何实现程序自动检测io操作完成：

greenlet

from greenlet import greenlet

def tesst1():

    print(12)

    gr2.switch()

    print(34)

    gr2.switch()

def tesst2():

    print(56)

    gr1.switch()

    print(78)

gr1 = greenlet(tesst1)#启动一个协程

gr2 = greenlet(tesst2)

gr1.switch()#手动切换

运行结果：

greenlet现在还是手动切换

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，但他们被协作式的调度

import gevent

def foo():

    print("Running in foo")

    gevent.sleep(2)

    print("Explicit context switch to foo again")

def bar():

    print("Explicit context to bar")

    gevent.sleep(1)

    print("Implicit context to switch back to bar")

gevent.joinall(

    [

        gevent.spawn(foo),

        gevent.spawn(bar),

    ]

)

运行结果：

运行整个也就运行了2秒，模拟io操作

下面我们做一个简单的小爬虫：

from urllib.request import urlopen

import gevent,time

def f(url):

    print("GET: %s "%url)

    resp = urlopen(url)

    data = resp.read()

    print("%d bytes received from %s." %(len(data),url))

urls = [

    'https://www.python.org/',

    'https://www.yahoo.com/',

    'https://github.com/'

]

time_start = time.time()

for url in urls:

    f(url)

print("同步cost",time.time()-time_start)

async_time_start = time.time()

gevent.joinall([

    gevent.spawn(f,'https://www.python.org/'),

    gevent.spawn(f,'https://www.yahoo.com/'),

    gevent.spawn(f,'https://github.com/')

])

print("异步cost",time.time()-time_start)

用了同步和异步两种方式来进行网页的爬取，但是结果却是同步的比异步的用的时间还要短，我们之前用了gevent.sleep（1）来模拟io操作，顺便就完成了执行任务。原因是：gevent调用urllib默认是堵塞的，gevent检测不到urllib的io操作，所以不会进行切换，所以还是串行运行。

那怎么才能够让gevent知道urllib是io操作呢，要用到一个模块monkey

from urllib.request import urlopen

import gevent,time

from gevent import monkey

monkey.patch_all()#把当前程序的所有io操作单独的坐上标记

def f(url):

    print("GET: %s "%url)

    resp = urlopen(url)

    data = resp.read()

    print("%d bytes received from %s." %(len(data),url))

urls = [

    'https://www.python.org/',

    'https://www.yahoo.com/',

    'https://github.com/'

]

time_start = time.time()

for url in urls:

    f(url)

print("同步cost",time.time()-time_start)

async_time_start = time.time()

gevent.joinall([

    gevent.spawn(f,'https://www.python.org/'),

    gevent.spawn(f,'https://www.yahoo.com/'),

    gevent.spawn(f,'https://github.com/')

])

print("异步cost",time.time()-async_time_start)

这样就异步爬取的速度瞬间快了很多

下面我们在利用gevent写一个socket服务器端和客户端：

服务器端：

 import sys,socket,time,gevent

 from gevent import socket,monkey

 monkey.patch_all()

 def server(port):

     s = socket.socket()

     s.bind(('0.0.0.0',port))

     s.listen(500)

     while True:

         cli,addr = s.accept()

         gevent.spawn(handle_request,cli)

 def handle_request(conn):

     try:

         while True:

             data = conn.recv(1024)

             print("recv:",data)

             conn.send(data)

             if not data:

                 conn.shutdown(socket.SHUT_WR)

     except Exception as e:

         print(e)

     finally:

         conn.close()

 if __name__ == '__main__':

     server(8001)

和socketserver差不多，处理数据都是在handle_request函数中，然后在server中建立一个gevent

客户端：

 import socket

 HOST = 'localhost'

 PORT = 8001

 s = socket.socket(socket.AF_INET,socket.SOCK_STREAM)

 s.connect((HOST,PORT))

 while True:

     msg = bytes(input(">>>:"),encoding="utf-8")

     s.sendall(msg)

     data = s.recv(1024)

     #repr格式化输出

     print("Recv:",repr(data))

 s.close()

运行结果：

由上面几个运行结果可以知道：我们已经实行了并发运行，不需要使用什么多线程。我们用协程，遇到io就阻塞

我们现在实现了切换，但是我们是什么时候切换回来呢，我们怎么知道什么时候这个函数的东西执行完，切换到原函数呢

事件驱动与异步IO

通常，我们写服务器处理模型的程序时，有一下几个模型：

1.每收到一个请求，创建一个新的进程，来处理改请求：如socketserver

2.每收到一个请求，创建一个新的线程，来处理该请求：如socketserver

3.每收到一个请求，放入一个事件列表，让主进程通过非阻塞I/O方式来处理请求，即事件驱动的模式，该模式是大多数网络服务器采用的方式

在ui编程中，我们常常要对鼠标点击进行相应的反应，我们怎么获得鼠标点击呢？

目前大部分的UI编程都是事件驱动模型，如很多的ui平台都会提供onclick()事件，这个事件就代表了鼠标按下的事件。事件驱动模型大体思路：

1.有一个事件队列

2.鼠标按下时，往这个队列中增加一个点击事件

3.有个循环，不断的从队列中取出事件，根据不同的事件，调用不同的函数，如：onclick（），onkeydown()等

4.事件（消息）一般都各自保存各自的处理函数指针，这样，每个消息都有独立的处理函数

那我们在回到上面的问题，io什么时候切换回来。我们可以注册一个回调函数，回调函数就是当你的程序一遇到io操作，就切换，然后等着io操作结束又切换回来。io操作是操作系统完成的。就是通过这个事件驱动。

写的不是太好，希望大家多多包涵QAQ

巴特西

python---协程学习笔记

协程

greenlet

gevent

事件驱动与异步IO

最新文章

热门文章

巴特西

python---协程 学习笔记

协程

greenlet

gevent

事件驱动与异步IO

最新文章

热门文章

python---协程学习笔记