并发编程——协程

协程:

  基于单线程来实现并发。

  协程并不是实际存在的实体,本质上是一个线程的多个部分。

  比线程的单位更小——协程,纤程,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,在执行其他任务的过程中,会不断地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,可以规避IO操作的时间。

import time
def producer():
    res = []
    for i in range(1000000):
        res.append(i)
    return res

def consumer(res):
    for i in res:pass

start = time.time()
res = producer()
consumer(res)
print(time.time()-start) # 0.26484227180480957

def producer():
    for i in range(1000000):
        yield i
def consumer():
    g = producer()
    for i in g:pass

start = time.time()
consumer()
print(time.time() - start)  # 0.09993767738342285

import time
def consumer():
    while True:
        x=yield

def producer():
    g=consumer()
    next(g)
    for i in range(10000000):
        g.send(i)
start = time.time()
producer()
print(time.time() - start)  # 1.6259949207305908

# 单纯的切换,还是要耗费一些时间的,记住当前执行的状态。
# 用时间换了空间

协程的引子

   协程:是单线程下的开发,又称微线程,纤程。

  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的线程是属于内核级别的,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,每个线程内开启多个协程。

  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。

总结协程的特点:

  1,必须在只有一个单线程里实现并发。

  2,修改共享数据不需要加锁。

  3,用户程序里自己保存多个控制流的上下文栈。

  4,一个协程遇到 io 操作自动切换到其他协程

Greenlet模块:

安装:pip3 install greenlet

import time
from greenlet import greenlet

def func1(name):
    print(‘%s‘%name,123)
    g2.switch(‘小白‘)
    time.sleep(1)
    print(‘%s‘%name,‘abc‘)

def func2(name):
    time.sleep(1)
    print(‘%s‘%name,456)
    g1.switch()

g1 = greenlet(func1)    # 实例化
g2 = greenlet(func2)
g1.switch(‘清秋‘) # 开始运行 可以在第一次switch时传入参数,以后就不用了。
‘‘‘
清秋 123
小白 456
清秋 abc
‘‘‘

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(10000000):
        res += i

def f2():
    res = 1
    for i in range(10000000):
        res *= i

start = time.time()
f1()
f2()
print(time.time()-start)    # 1.5120854377746582

# 切换执行
from greenlet import greenlet
import time
def f1():
    res = 1
    for i in range(10000000):
        res += i
        g2.switch()

def f2():
    res = 1
    for i in range(10000000):
        res *= i
        g1.switch()

start = time.time()
g1 = greenlet(f1)
g2 = greenlet(f2)
g1.switch()
print(time.time()-start)    # 1.9758000373840332

# 由上可知,单纯的切换,反而会降低了程序的执行速度。

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,所以我们可以在这些时间去执行其他任务,这样就能提高效率,这就用到了gevent模块。

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扩展模块形式介入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。

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()
# 它会把下面导入的所有模块中的IO操作都打成一个包,gevent就能够识别这些IO操作了。
import time
import gevent
# 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。
# spawn来发布协程任务
# gevent本身并不认识其他模块中的IO操作,所以只有 from gevent import monkey;monkey.patch_all() 才能识别
# gevent就能够认是在这句话后导入模块的IO操作。

from threading import currentThread
def eat():
    print(‘eating1‘,currentThread())
    time.sleep(1)
    print(‘eating2‘)

def play():
    print(‘playing1‘,currentThread())
    time.sleep(1)
    print(‘playing2‘)
g1 = gevent.spawn(eat)
g2 = gevent.spawn(play)
time.sleep(1)  # 停一会等待执行完毕

例子

from gevent import monkey;monkey.patch_all()
import time
import gevent
def eat(name):
    print(‘%s eat1‘ % name)
    time.sleep(1)
    print(‘%s eat2‘ % name)

def play(name):
    print(‘%s play1‘ % name)
    time.sleep(1)
    print(‘%s play2‘ % name)

g1 = gevent.spawn(eat,‘egon‘)
g2 = gevent.spawn(play,‘alex‘)
g1.join()
g2.join()
# 可以直接用 gevent.joinall([g1,g2])
print(‘主‘)

遇到IO自动切换

from gevent import monkey;monkey.patch_all()
import threading
import gevent
import time
def eat():
    print(threading.current_thread().getName()) # DummyThread-1
    print(‘eat1‘)
    time.sleep(2)
    print(‘eat2‘)
def play():
    print(threading.current_thread().getName()) # DummyThread-2
    print(‘play1‘)
    time.sleep(2)
    print(‘play2‘)

g1 = gevent.spawn(eat)
g2 = gevent.spawn(play)
gevent.joinall([g1,g2])
print(‘主‘)

查看threading.current_thread().getName()

gevent应用举例:

from gevent import monkey;monkey.patch_all()
import time
import gevent
from urllib.request import urlopen

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(time.time()-start) # 1.0084402561187744
# 网页读取有一个机制,第一次读取的时候时间都会普遍久
# 会将读取的网页缓存下来,以便下次的读取用。

start = time.time()
gevent.joinall([gevent.spawn(get_page,url) for url in url_lst])
print(time.time()-start) # 0.5516667366027832

start = time.time()
for url in url_lst:
    get_page(url)
print(time.time()-start)    # 1.533193588256836

# 所以我们可以通过时间看出,协程爬取是比普通遍历快很多。

协程应用,爬虫

通过协程实现单线程下的socket并发:

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)
            # 为了实现能够一直和同一个客户端聊天。
    finally:
        conn.close()  # 在程序报错的时候会关闭连接,节省空间

sk = socket.socket()
sk.bind((‘127.0.0.1‘,9000))
sk.listen()
while True:
    conn,addr = sk.accept() # 因为循环,所以可重复接收多个多个客户端的连接
    gevent.spawn(async_talk,conn)   # 创建协程,将conn当参数传入函数

sk.close()

server

import socket
from threading import Thread

def chat():
    sk = socket.socket()    # 放在函数内部,则每次一个线程就会有一个新的sk。
    sk.connect((‘127.0.0.1‘,9000))
    while True:     # 循环对话。
        print(sk.recv(1024))
        sk.send(b‘bye‘)
    sk.close()
for i in range(500): # 创建500个线程客户端
    Thread(target=chat).start()

client

原文地址:https://www.cnblogs.com/stfei/p/9052805.html

时间: 2024-10-28 15:04:09

并发编程——协程的相关文章

python 并发编程 协程 目录

python 并发编程 协程 协程介绍 python 并发编程 协程 greenlet模块 原文地址:https://www.cnblogs.com/mingerlcm/p/11148935.html

并发编程 - 协程 - 1.协程概念/2.greenlet模块/3.gevent模块/4.gevent实现并发的套接字通信

1.协程并发:切+保存状态单线程下实现并发:协程 切+ 保存状态 yield 遇到io切,提高效率 遇到计算切,并没有提高效率 检测单线程下 IO行为 io阻塞 切 相当于骗操作系统 一直处于计算协程:...单线程下实现并发:根本目标:遇到IO就切,一个线程的整体IO降下来程序用的cpu 时间长,就叫执行效率高效率最高:多个进程 (多个cpu) 每个进程开多个线程 每个线程用到协程 (IO就切)总结协程特点: 1 #并发执行 2 import time 3 4 def producer(): 5

python并发编程&协程

0x01 前导 如何基于单线程来实现并发? 即只用一个主线程(可利用的cpu只有一个)情况下实现并发: 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 1)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

python之并发编程—协程

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

并发编程协程(Coroutine)之Gevent

Gevent官网文档地址:http://www.gevent.org/contents.html 基本概念 我们通常所说的协程Coroutine其实是corporate routine的缩写,直接翻译为协同的例程,一般我们都简称为协程. 在linux系统中,线程就是轻量级的进程,而我们通常也把协程称为轻量级的线程即微线程. 进程和协程 下面对比一下进程和协程的相同点和不同点: 相同点:我们都可以把他们看做是一种执行流,执行流可以挂起,并且后面可以在你挂起的地方恢复执行,这实际上都可以看做是con

python 并发编程 协程 gevent模块

一 gevent模块 gevent应用场景: 单线程下,多个任务,io密集型程序 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. gevent可以检测io,实现遇到io自动切换另外一个任务 #用法 g1=gevent.spawn(func,1,

并发编程 - 协程 - 总结

协程: 单线程下实现并发 并发 = 切换 + 保存状态 1.遇到IO切, 提高效率 2.遇到计算切, 并没有提高效率 1.协程本质: 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 2.强调: 1.

第七章|7.3并发编程|协程

1.协程 本节的主题是基于单线程来实现并发,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,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或有一个优先级更高的程序替代了它 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

python 并发编程 协程 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