python编程(python开发的三种运行模式)【转】

转自:http://blog.csdn.net/feixiaoxing/article/details/53980886

版权声明:本文为博主原创文章,未经博主允许不得转载。

目录(?)[-]

    单循环模式
    多线程模式
    reactor模式

【 声明:版权所有,欢迎转载,请勿用于商业用途。 联系信箱:feixiaoxing @163.com】

  Python作为一门脚本语言,使用的范围很广。有的同学用来算法开发,有的用来验证逻辑,还有的作为胶水语言,用它来粘合整个系统的流程。不管怎么说,怎么使用python既取决于你自己的业务场景,也取决于你自己的python应用能力。就我个人而言,我觉得python作为既可以用来进行业务的开发,也可以进行产品原型的开发.一般来说,python的运行主要下面这三种模式。
1.单循环模式

  单循环模式使用的最多,也最简单,当然也最稳定。为什么呢,因为单循环本来代码就写的很少,出错的机会就更少,所以一般只要写对了接口,犯错误的机会还是很低的。当然,我们不是说单循环就没什么用,恰恰相反。单循环模式是我们最经常使用的一种模式。这种开发对于一些小工具、小应用、小场景特别合适。

#!/usr/bin/python
import os
import sys
import re
import signal
import time

g_exit = 0

def sig_process(sig, frame):
    global g_exit
    g_exit = 1
    print ‘catch signal‘

def main():
    global g_exit
    signal.signal(signal.SIGINT, sig_process)
    while 0 == g_exit:
        time.sleep(1)

        ‘‘‘
        module process code
        ‘‘‘ 

if __name__ == ‘__main__‘:
    main()

2.多线程模式

  多线程模式经常用在那些容易阻塞的场合。比如多线程客户端读写,多线程web访问等等。这里的多线程有个特点,那就是每个线程都是按照客户端创建的。简单的举例就是服务器socket,来一个socket创建一个thread,这样如果存在多个用户的话,就有多个thread并发连接。这种方式比较简单,用起来很快,缺点就是所有业务有可能并发执行,全局数据保护起来很麻烦。

#!/usr/bin/python
import os
import sys
import re
import signal
import time
import threading

g_exit=0

def run_thread():
    global g_exit
    while 0 == g_exit:
        time.sleep(1)

        ‘‘‘
        do jobs per thread
        ‘‘‘

def sig_process(sig, frame):
    global g_exit
    g_exit = 1

def main():

    global g_exit

    signal.signal(signal.SIGINT, sig_process)
    g_threads = []
    for i in range(4):
        td = threading.Thread(target = run_thread)
        td.start()
        g_threads.append(td)

    while 0 == g_exit:
        time.sleep(1)

    for i in range(4):
        g_threads[i].join()

if __name__ == ‘__main__‘:
    main()

3.reactor模式

  reactor模式,不复杂,简单的来说,就是利用多线程来处理每一个业务。如果一个业务已经被某一个thread处理了,那么其他的thread就不能再次处理这个业务了。这样,它相当于解决了一个问题,也就是我们在前面所说的锁的问题。因此,对于这种模式的开发者来说,编写业务其实是一件简单的事情,因为他所要关注的只是自己的一亩三分地就可以了。之前云风同学编写的skynet就是这么一种模式,只不过它使用了c+lua来开发的。其实只要了解了reactor模式本身,用什么语言开发不重要,关键是理解reactor的精髓就可以了。

  如果写成code,那应该是这样的,

#!/usr/bin/python

import os
import sys
import re
import time
import signal
import threading

g_num = 4
g_exit =0
g_threads = []
g_sem = []
g_lock = threading.Lock()
g_event = {}

def add_event(name, data):
    global g_lock
    global g_event

    if ‘‘ == name:
        return

    g_lock.acquire()
    if name in g_event:
        g_event[name].append(data)
        g_lock.release()
        return

    g_event[name] = []

    ‘‘‘
    0 means idle, 1 means busy
    ‘‘‘
    g_event[name].append(0)
    g_event[name].append(data)
    g_lock.release()

def get_event(name):
    global g_lock
    global g_event

    g_lock.acquire()
    if ‘‘ != name:
        if [] != g_event[name]:
            if 1 != len(g_event[name]):
                data = g_event[name][1]
                del g_event[name][1]
                g_lock.release()
                return name, data
            else:
                g_event[name][0] = 0

    for k in g_event:
        if 1 == len(g_event[k]):
            continue

        if 1 == g_event[k][0]:
            continue

        g_event[k][0] =1
        data = g_event[k][1]
        del g_event[k][1]
        g_lock.release()
        return k, data

    g_lock.release()
    return ‘‘, -1

def sig_process(sig, frame):
    global g_exit
    g_exit =1
    print ‘catch signal‘

def run_thread(num):
    global g_exit
    global g_sem
    global g_lock

    name = ‘‘
    data = -1

    while 0 == g_exit:
        g_sem[num].acquire()

        while True:
            name, data = get_event(name)
            if ‘‘ == name:
                break

            g_lock.acquire()
            print name, data
            g_lock.release()

def test_thread():
    global g_exit

    while 0 == g_exit:
        for i in range(100):
            add_event(‘1‘, (i << 2) + 0)
            add_event(‘2‘, (i << 2) + 1)
            add_event(‘3‘, (i << 2) + 2)
            add_event(‘4‘, (i << 2) + 3)

        time.sleep(1)

def main():
    global g_exit
    global g_num
    global g_threads
    global g_sem

    signal.signal(signal.SIGINT, sig_process)
    for i in range(g_num):
        sem = threading.Semaphore(0)
        g_sem.append(sem)
        td = threading.Thread(target=run_thread, args=(i,))
        td.start()
        g_threads.append(td)

    ‘‘‘
    test thread to give data
    ‘‘‘
    test = threading.Thread(target=test_thread)
    test.start()

    while 0 == g_exit:
        for i in range(g_num):
            g_sem[i].release()
        time.sleep(1)

    ‘‘‘
    call all thread to close
    ‘‘‘
    for i in range(g_num):
        g_sem[i].release()

    for i in range(g_num):
        g_threads[i].join()

    test.join()
    print ‘exit now‘

‘‘‘
entry
‘‘‘
if __name__ == ‘__main__‘:
    main()
时间: 2024-10-15 08:51:02

python编程(python开发的三种运行模式)【转】的相关文章

Tomcat Connector的三种运行模式

详情参考: http://tomcat.apache.org/tomcat-7.0-doc/apr.html http://www.365mini.com/page/tomcat-connector-mode.htm 操作环境:rhel6.3 x86_x64. tomcat7.0.42 tomcat connector三种运行模式分别为:bio.nio和apr.你可以简单地理解成,性能上:bio<nio<=apr 其中bio为默认运行方式,即(server.xml): <Connecto

Tomcat Connector三种运行模式(BIO, NIO, APR)的比较和优化

Tomcat Connector的三种不同的运行模式性能相差很大,有人测试过的结果如下: 这三种模式的不同之处如下: BIO: 一个线程处理一个请求.缺点:并发量高时,线程数较多,浪费资源. Tomcat7或以下,在Linux系统中默认使用这种方式. NIO: 利用Java的异步IO处理,可以通过少量的线程处理大量的请求. Tomcat8在Linux系统中默认使用这种方式. Tomcat7必须修改Connector配置来启动: <Connector port="8080" pro

python全栈开发day37-css三种引入方式、基础选择器、高级选择器、补充选择器

一.昨日内容回顾 div:分割整个网站,很多块 (1)排版标签 (2)块级标签 独占一行 可以设置高和宽,如果不设置宽高,默认是父盒子的宽 span: (1) 小区域 (2)文本标签 (3)在一行内显示,不能放置容器类(块)的盒子 (4)宽高不能设置 (5)宽高跟span的内容相关 a: (1)文本级标签 (2)不能设置高和宽 (3)超链接href:连接资源 title 鼠标的悬浮时的标题 跳转顶部top: <div id= 'top'> <div> ....... <a h

php-fpm 三种运行模式

php-fpm配置 配置文件:php-fpm.conf 开启慢日志功能的: slowlog = /usr/local/var/log/php-fpm.log.slowrequest_slowlog_timeout = 5s 当某个请求的时间超过了5秒,就会在慢日志中记录相应的记录,注意上面的时间5s,不能忽略了单位,相应的还有其他单位,m分,h时 php-fpm慢日志会记录下进程号,脚本名称,具体哪个文件哪行代码的哪个函数执行时间过长: [21-Nov-2016 10:30:38] [pool

2019.9.22 Tomcat的三种运行模式 (BIO,NIO,AIO也叫apr)

1.同步概念: 同步 : 自己亲自出马持银行卡到银行取钱(使用同步IO时,Java自己处理IO读写). 异步 : 委托一小弟拿银行卡到银行取钱,然后给你(使用异步IO时,Java将IO读写委托给OS处理,需要将数据缓冲区地址和大小传给OS(银行卡和密码),OS需要支持异步IO操作API). 阻塞 : ATM排队取款,你只能等待(使用阻塞IO时,Java调用会一直阻塞到读写完成才返回). 非阻塞 : 柜台取款,取个号,然后坐在椅子上做其它事,等号广播会通知你办理,没到号你就不能去,你可以不断问大堂

Tomcat Connector(BIO, NIO, APR)三种运行模式(转)

Tomcat支持三种接收请求的处理方式:BIO.NIO.APR . BIO 阻塞式I/O操作即使用的是传统 I/O操作,Tomcat7以下版本默认情况下是以BIO模式运行的,由于每个请求都要创建一个线程来处理,线程开销较大,不能处理高并发的场景,在三种模式中性能也最低. 配置如下(tomcat安装目录下的/conf/server.xml): <Connector port="8080" protocol="HTTP/1.1" connectionTimeout

hadoop三种运行模式

1.单机模式:安装简单,几乎不用做任何配置,但仅限于调试用途 2.伪分布模式:在单节点上同时启动namenode.datanode.jobtracker.tasktracker.secondarynamenode等5个进程,模拟分布式运行的各个节点 3.完全分布式模式:正常的Hadoop集群,由多个各司其职的节点构成

Python编程中常用的12种基础知识总结

原地址:http://blog.jobbole.com/48541/ Python编程中常用的12种基础知识总结:正则表达式替换,遍历目录方法,列表按列排序.去重,字典排序,字典.列表.字符串互转,时间对象操作,命令行参数解析(getopt),print 格式化输出,进制转换,Python调用系统命令或者脚本,Python 读写文件. 1.正则表达式替换目标: 将字符串line中的 overview.gif 替换成其他字符串 1 2 3 4 5 6 7 8 9 10 11 >>> lin

Python 编程中常用的 12 种基础知识总结

Python 编程中常用的 12 种基础知识总结:正则表达式替换,遍历目录方法,列表按列排序.去重,字典排序,字典.列表.字符串互转,时间对象操作,命令行参数解析(getopt),print 格式化输出,进制转换,Python调用系统命令或者脚本,Python 读写文件. 1.正则表达式替换 目标:将字符串line中的 overview.gif 替换成其他字符串 >>> line = '<IMG ALIGN="middle" SRC=\'#\'" /s