Python3学习之路~10.2 协程、Greenlet、Gevent

一 协程

协程，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。

协程拥有自己的寄存器上下文和栈。协程调度切换时，将寄存器上下文和栈保存到其他地方，在切回来的时候，恢复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时的状态（即所有局部状态的一个特定组合），每次过程重入时，就相当于进入上一次调用的状态，换种说法：进入上一次离开时所处逻辑流的位置。

协程的好处：

  • 无需线程上下文切换的开销
  • 无需原子操作锁定及同步的开销
    • 　　"原子操作(atomic operation)是不需要synchronized"，所谓原子操作是指不会被线程调度机制打断的操作；这种操作一旦开始，就一直运行到结束，中间不会有任何 context switch （切换到另一个线程）。原子操作可以是一个步骤，也可以是多个操作步骤，但是其顺序是不可以被打乱，或者切割掉只执行部分。视作整体是原子性的核心。
  • 方便切换控制流，简化编程模型
  • 高并发+高扩展性+低成本：一个CPU支持上万的协程都不是问题。所以很适合用于高并发处理。

缺点：

  • 无法利用多核资源：协程的本质是个单线程,它不能同时将 单个CPU 的多个核用上,协程需要和进程配合才能运行在多CPU上.当然我们日常所编写的绝大部分应用都没有这个必要，除非是cpu密集型应用。
  • 进行阻塞（Blocking）操作（如IO时）会阻塞掉整个程序

使用yield实现协程操作例子　

def consumer(name):
    print("--->starting eating baozi...")
    while True:
        new_baozi = yield
        print("[%s] is eating baozi %s" % (name, new_baozi))
        # time.sleep(1)

def producer():
    r = con.__next__()
    r = con2.__next__()
    n = 0
    while n < 5:
        n += 1
        con.send(n)
        con2.send(n)
        print("\033[32;1m[producer]\033[0m is making baozi %s" % n)

if __name__ == ‘__main__‘:
    con = consumer("c1")
    con2 = consumer("c2")
    p = producer()

我们先给协程一个标准定义，即符合什么条件就能称之为协程：

  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. 一个协程遇到IO操作自动切换到其它协程

基于上面这4点定义，我们刚才用yield实现的程并不能算是合格的线程，因为它有一点功能没实现，哪一点呢？是第4点。

二 Greenlet

greenlet是一个用C实现的协程模块，相比与python自带的yield，它可以使你在任意函数之间随意切换，而不需把这个函数先声明为generator

安装gevent模块后，就可以使用greenlet了。

from greenlet import greenlet

def test1():
    print(12)
    gr2.switch()
    print(34)
    gr2.switch()

def test2():
    print(56)
    gr1.switch()
    print(78)

gr1 = greenlet(test1) #启动一个协程
gr2 = greenlet(test2)
gr1.switch() #手动切换协程，类似于yield的__next__()

感觉确实用着比generator还简单了呢，但好像还没有解决一个问题，就是遇到IO操作，自动切换，对不对？

三 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可以自动识别IO操作，如下程序中，fun1函数执行过程中，进行了2秒的IO操作，fun2函数执行过程中，进行了1秒的IO操作，使用gevent协程操作，遇到IO操作就自动切换，从而实现了并发，本来串行执行完这两个函数需要3秒，现在只需要2秒。

import gevent

def func1():
    print(‘running in func1‘)
    gevent.sleep(2) #模拟IO操作
    print(‘wait 1 s switch to func1‘)

def func2():
    print(‘switch to func2‘)
    gevent.sleep(1)
    print(‘wait 1 s switch to func2‘)

gevent.joinall([
    gevent.spawn(func1),
    gevent.spawn(func2),
])


running in func1
switch to func2
wait 1 s switch to func2
wait 1 s switch to func1

输出

同步与异步的性能区别

import gevent

def task(pid):
    """
    Some non-deterministic task
    """
    gevent.sleep(0.5)
    print(‘Task %s done‘ % pid)

def synchronous():
    for i in range(1, 10):
        task(i)

def asynchronous():
    threads = [gevent.spawn(task, i) for i in range(10)]
    gevent.joinall(threads)

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。执行流程只会在 所有greenlet执行完后才会继续向下走。

前面我们知道了，gevent 遇到IO阻塞时会自动切换任务。接下来我们再看一个例子

先学习如何使用urllib爬一个网页

from urllib import request
import gevent

def f(url):
    print(‘GET:%s‘ %url)
    resp = request.urlopen(url)
    data = resp.read()
    # f = open(‘url.html‘,‘wb‘)
    # f.write(data)
    # f.close()
    print(‘%d bytes received from %s‘ %(len(data),url))

gevent.joinall([
    gevent.spawn(f, ‘https://www.python.org/‘),
    # gevent.spawn(f, ‘https://www.yahoo.com/‘),
    gevent.spawn(f, ‘https://github.com/‘)
])

然后我们使用协程一次爬多个网页

比较一下 使用协程爬多个网页 和 使用同步串行爬多个网页 所花费的时间：

from urllib import request
import gevent
import time

def f(url):
    print(‘GET:%s‘ %url)
    resp = request.urlopen(url)
    data = resp.read()
    print(‘%d bytes received from %s‘ %(len(data),url))

async_start_time = time.time()

gevent.joinall([
    gevent.spawn(f, ‘https://www.python.org/‘),
    gevent.spawn(f, ‘https://github.com/‘)
])

print(‘并行cost：‘,time.time()-async_start_time)

并行cost： 6.569547176361084

from urllib import request
import time

def f(url):
    print(‘GET:%s‘ %url)
    resp = request.urlopen(url)
    data = resp.read()
    print(‘%d bytes received from %s‘ %(len(data),url))

url = [
    ‘https://www.python.org/‘,
     ‘https://github.com/‘,
]

sync_start_time = time.time()

for url in url:
    f(url)

print(‘串行cost：‘,time.time()-sync_start_time)

串行cost： 6.123349905014038

我们发现，二者所用时间差不多，并行并没有比串行快。这是因为，gevent默认检测不到urllib（还有前面所学的socket）的IO操作，所以它遇到IO阻塞后没有自动切换任务，也就是说gevent对urllib来说不好使。

那么怎么才能让gevent知道urllib正在进行IO操作呢，给它打个补丁。monkey.patch_all()就是把当前程序的所有IO操作全都单独打上标记，这样，gevent遇到它自己不能识别的IO操作时，因为有了标记，gevent也能够自动切换任务。

通过gevent实现单线程下的urllib爬网页并发

from urllib import request
import gevent,time
from gevent import monkey

monkey.patch_all() #把当前程序的所有IO操作给我单独打上标记

def f(url):
    print(‘GET:%s‘ %url)
    resp = request.urlopen(url)
    data = resp.read()
    print(‘%d bytes received from %s‘ %(len(data),url))

async_start_time = time.time()

gevent.joinall([
    gevent.spawn(f, ‘https://www.python.org/‘),
    gevent.spawn(f, ‘https://github.com/‘)
])

print(‘并行cost：‘,time.time()-async_start_time)

#并行cost： 3.2701869010925293

通过gevent实现单线程下的多socket并发

server side 

import 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() #过来一个链接
        gevent.spawn(handle_request, cli) #将链接交个gevent去起一个协程，把新生成的客户端的连接实例交给handle_request方法

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  ex:
        print(ex)
    finally:
        conn.close()

if __name__ == ‘__main__‘:
    server(8001)

client side 　

import socket

HOST = ‘localhost‘  # The remote host
PORT = 8001  # The same port as used by the server
s = socket.socket(socket.AF_INET, socket.SOCK_STREAM)
s.connect((HOST, PORT))
while True:
    msg = bytes(input(">>:"), encoding="utf8")
    s.sendall(msg)
    data = s.recv(1024)
    # print(data)

    print(‘Received‘, repr(data))
s.close()


import socket
import threading

def sock_conn():

    client = socket.socket()

    client.connect(("localhost",8001))
    count = 0
    while True:
        #msg = input(">>:").strip()
        #if len(msg) == 0:continue
        client.send( ("hello %s" %count).encode("utf-8"))

        data = client.recv(1024)

        print("[%s]recv from server:" % threading.get_ident(),data.decode()) #结果
        count +=1
    client.close()

for i in range(100):
    t = threading.Thread(target=sock_conn)
    t.start()

并发100个sock连接

原文地址：https://www.cnblogs.com/zhengna/p/10563304.html

时间： 2024-10-12 17:12:14

Python3学习之路~10.2 协程、Greenlet、Gevent的相关文章

Python并发编程(线程队列,协程,Greenlet,Gevent)

线程队列 线程之间的通信我们列表行不行呢,当然行,那么队列和列表有什么区别呢? queue队列 :使用import queue,用法与进程Queue一样 queue is especially useful in threaded programming when information must be exchanged safely between multiple threads. class queue.Queue(maxsize=0) #先进先出 import queue #不需要通过

7Python全栈之路系列之协程

Python全栈之路系列之协程 What is the association? 与子例程一样,协程也是一种程序组件. 相对子例程而言,协程更为一般和灵活,但在实践中使用没有子例程那样广泛. 协程源自Simula和Modula-2语言,但也有其他语言支持. 协程更适合于用来实现彼此熟悉的程序组件,如合作式多任务,迭代器,无限列表和管道. 来自维基百科 https://zh.wikipedia.org/wiki/协程 协程拥有自己的寄存器上下文和栈,协程调度切换时,将寄存器上下文和栈保存到其他地方

网络编程之协程——greenlet模块

网络编程之协程--greenlet模块 greenlet模块 如果我们在单个线程内有20个任务,要想实现在多个任务之间切换,使用yield生成器的方式过于麻烦(需要先得到初始化一次的生成器,然后再调用send...非常麻烦),而使用greenlet模块可以非常简单地实现这20个任务直接的切换 #安装:pip3 install greenlet from greenlet import greenlet def eat(name): print('%s eat 1' %name) g2.switc

协程，greenlet原生协程库, gevent库

yield表达式 在了解协程之前,需要先了解一下生成器中的yield,它不仅可以当做生成器,还能当做一个表达式来使用(yield) def func(): x = (yield) print(x) x = (yield) g = func() print(next(g)) # 这是第一个yield,就暂停了 g.send('hello world') # 恢复暂停位置,将第一个yield赋值, # x = hello world,然后又执行到yield,暂停 --> None hello wor

python学习-线程、进程、协程

线程 python 的 threading 模块提供了线程的相关操作,线程是应用程序中工作的最小单元. import time import threading def process(arg): time.sleep(1) print(arg) if __name__ == '__main__': for i in range(10): t = threading.Thread(target=process, args=(i,)) t.start() 通过 threading 模块实现多线程,

Python入门学习-DAY37-进程池与线程池、协程、gevent模块

一.进程池与线程池 基本使用: 进程池和线程池操作一样 提交任务的两种方式: 同步调用:提交完一个任务之后,就在原地等待,等待任务完完整整地运行完毕拿到结果后,再执行下一行代码,会导致任务是串行执行的 异步调用:提交完一个任务之后,不在原地等待,结果???,而是直接执行下一行代码,会导致任务是并发执行的 同步调用 from concurrent.futures import ProcessPoolExecutor,ThreadPoolExecutor import time,random,os

10 线程 协程 socketserver 基于udp的socketserver

线程进程 操作系统的作用: 1.把硬件丑陋复杂的接口隐藏起来,为应用程序提供良好接口 2.管理,调用进程,并且把进程之间对硬件的竞争变得有序化 多道技术: 1.产生背景:为了实现单cpu下的并发效果 2.分为两部分: 1:空间上的复用(必须实现硬件层面的隔离) 2:时间上的复用(复用cpu的时间片) 什么切换? 1:正在执行的任务遇到的阻塞 2:正在执行的任务运行时间过长 进程:正在运行的一个过程/一个任务,由操作系统负责调用,然后由cpu负责执行程序:就是程序员写的代码并发:伪并行,单核+多道

Python快速学习第十二天--生成器和协程

yield指令,可以暂停一个函数并返回中间结果.使用该指令的函数将保存执行环境,并且在必要时恢复. 生成器比迭代器更加强大也更加复杂,需要花点功夫好好理解贯通. 看下面一段代码: [python] view plain copy def gen(): for x in xrange(4): tmp = yield x if tmp == 'hello': print 'world' else: print str(tmp) 只要函数中包含yield关键字,该函数调用就是生成器对象. [pytho

Python学习:python并发编程之协程

本节内容: 1.协程介绍. 2.回顾yield 3.Greenlet 4.Gevent介绍 5.Gevent之同步与异步 6.Gevent之应用举例一 7.Gevent应用举例二 一.引子 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 ps:在介绍进