python学习笔记（IO模型）

1、IO模型介绍：

io模型一般有五种：

* blocking IO
         * nonblocking IO
         * IO multiplexing
         * signal driven IO
         * asynchronous IO

但是 signal driven IO（信号驱动IO）在实际中并不常用，所以只介绍其他四中IO模型

另当IO发生时涉及的对象和步骤。对于一个network IO (这里我们以read举例)，它会涉及到两个系统对象，一个是调用这个IO的process (or thread)，另一个就是系统内核(kernel)。当一个read操作发生时，该操作会经历两个阶段：

#1）等待数据准备 (Waiting for the data to be ready)

#2）将数据从内核拷贝到进程中(Copying the data from the kernel to the process)

2、阻塞IO；

     在linux中，默认情况下所有的socket都是blocking，一个典型的读操作流程大概是这样：

其中的过程大致为：当用户进程调用recvfrom这个系统调用，内核就开始了第一个IO阶段-等待数据。当然这时的数据还没有到达，内核就需要等待数据的到达，对于用户进程这边就需要等待内核将数据传过来，这个过程就是阻塞，当内核等到数据准备完成，就会将数据copy到用户内存，然后内核返回结果，用户进程才解除block的状态，重新运行起来。

所以，blocking IO的特点就是在IO执行的两个阶段（等待数据和拷贝数据两个阶段）都被block了。

几乎所有的程序员第一次接触到的网络编程都是从listen()、send()、recv() 等接口开始的，使用这些接口可以很方便的构建服务器/客户机的模型。然而大部分的socket接口都是阻塞型的。如下图

ps：所谓阻塞型接口是指系统调用（一般是IO接口）不返回调用结果并让当前线程一直阻塞，只有当该系统调用获得结果或者超时出错时才返回。

实际上，除非特别指定，几乎所有的IO接口 ( 包括socket接口 ) 都是阻塞型的。这给网络编程带来了一个很大的问题，如在调用recv(1024)的同时，线程将被阻塞，在此期间，线程将无法执行任何运算或响应任何的网络请求。

可行的解决方案：在服务端开启多进程或多线程，再或者是开启进程池或线程池，这些方案再一定程度上能解决问题，但是客户端访问数量达到上万次以后，多进程和多线程会严重占用资源，进程池和线程池可以缓解部分压力，但不是解决所有问题。于是可以考虑非阻塞IO解决问题。

3、非阻塞IO

Linux下，可以通过设置socket使其变为non-blocking。当对一个non-blocking socket执行读操作时，流程是这个样子：

从图中可以看出，当用户进程发出read操作时，如果kernel中的数据还没有准备好，那么它并不会block用户进程，而是立刻返回一个error。从用户进程角度讲 ，它发起一个read操作后，并不需要等待，而是马上就得到了一个结果。用户进程判断结果是一个error时，它就知道数据还没有准备好，于是用户就可以在本次到下次再发起read询问的时间间隔内做其他事情，或者直接再次发送read操作。一旦kernel中的数据准备好了，并且又再次收到了用户进程的system call，那么它马上就将数据拷贝到了用户内存（这一阶段仍然是阻塞的），然后返回。

也就是说非阻塞的recvform系统调用调用之后，进程并没有被阻塞，内核马上返回给进程，如果数据还没准备好，此时会返回一个error。进程在返回之后，可以干点别的事情，然后再发起recvform系统调用。重复上面的过程，循环往复的进行recvform系统调用。这个过程通常被称之为轮询。轮询检查内核数据，直到数据准备好，再拷贝数据到进程，进行数据处理。需要注意，拷贝数据整个过程，进程仍然是属于阻塞的状态。

所以，在非阻塞式IO中，用户进程其实是需要不断的主动询问kernel数据准备好了没有。

 1 #服务端
 2 from socket import *
 3 import time
 4 s=socket(AF_INET,SOCK_STREAM)
 5 s.bind((‘127.0.0.1‘,8080))
 6 s.listen(5)
 7 s.setblocking(False) #设置socket的接口为非阻塞
 8 conn_l=[]
 9 del_l=[]
10 while True:
11     try:
12         conn,addr=s.accept()
13         conn_l.append(conn)
14     except BlockingIOError:
15         print(conn_l)
16         for conn in conn_l:
17             try:
18                 data=conn.recv(1024)
19                 if not data:
20                     del_l.append(conn)
21                     continue
22                 conn.send(data.upper())
23             except BlockingIOError:
24                 pass
25             except ConnectionResetError:
26                 del_l.append(conn)
27
28         for conn in del_l:
29             conn_l.remove(conn)
30             conn.close()
31         del_l=[]
32
33 #客户端
34 from socket import *
35 c=socket(AF_INET,SOCK_STREAM)
36 c.connect((‘127.0.0.1‘,8080))
37
38 while True:
39     msg=input(‘>>: ‘)
40     if not msg:continue
41     c.send(msg.encode(‘utf-8‘))
42     data=c.recv(1024)
43     print(data.decode(‘utf-8‘))

非阻塞实例

当然非阻塞IO模型也是不被推荐的，虽然我们不能否认它的优点：能够在等待任务完成的时间里干其他活了（包括提交其他任务，也就是 “后台” 可以有多个任务在“”同时“”执行）。

但是它的缺点也是非常明显：

     #1. 循环调用recv()将大幅度推高CPU占用率；这也是我们在代码中留一句time.sleep(2)的原因,否则在低配主机下极容易出现卡机情况
     #2. 任务完成的响应延迟增大了，因为每过一段时间才去轮询一次read操作，而任务可能在两次轮询之间的任意时间完成。这会导致整体数据吞吐量的降低。

 此外，在这个方案中recv()更多的是起到检测“操作是否完成”的作用，实际操作系统提供了更为高效的检测“操作是否完成“作用的接口，例如select()多路复用模式，可以一次检测多个连接是否活跃。

4、多路复用IO：   IO multiplexing也称为事件驱动IO(event driven IO)，我们都知道select/epoll.   select/epoll的好处就在于单个process就可以同时处理多个网络连接的IO。它的基本原理就是select/epoll这个function会不断的轮询所负责的所有socket，当某个socket有数据到达了，就通知用户进程。它的流程如图：

当用户进程调用了select，那么整个进程会被block，而同时，kernel会“监视”所有select负责的socket，当任何一个socket中的数据准备好了，select就会返回。这个时候用户进程再调用read操作，将数据从kernel拷贝到用户进程。
    这个图和blocking IO的图其实并没有太大的不同，事实上还更差一些。因为这里需要使用两个系统调用(select和recvfrom)，而blocking IO只调用了一个系统调用(recvfrom)。但是，用select的优势在于它可以同时处理多个connection。

    强调：

    1. 如果处理的连接数不是很高的话，使用select/epoll的web server不一定比使用multi-threading + blocking IO的web server性能更好，可能延迟还更大。select/epoll的优势并不是对于单个连接能处理得更快，而是在于能处理更多的连接。

    2. 在多路复用模型中，对于每一个socket，一般都设置成为non-blocking，但是，如上图所示，整个用户的process其实是一直被block的。只不过process是被select这个函数block，而不是被socket IO给block。

    结论: select的优势在于可以处理多个连接，不适用于单个连接

 1 #服务端
 2 from socket import *
 3 import select
 4
 5 s=socket(AF_INET,SOCK_STREAM)
 6 s.setsockopt(SOL_SOCKET,SO_REUSEADDR,1)
 7 s.bind((‘127.0.0.1‘,8081))
 8 s.listen(5)
 9 s.setblocking(False) #设置socket的接口为非阻塞
10 read_l=[s,]
11 while True:
12     r_l,w_l,x_l=select.select(read_l,[],[])
13     print(r_l)
14     for ready_obj in r_l:
15         if ready_obj == s:
16             conn,addr=ready_obj.accept() #此时的ready_obj等于s
17             read_l.append(conn)
18         else:
19             try:
20                 data=ready_obj.recv(1024) #此时的ready_obj等于conn
21                 if not data:
22                     ready_obj.close()
23                     read_l.remove(ready_obj)
24                     continue
25                 ready_obj.send(data.upper())
26             except ConnectionResetError:
27                 ready_obj.close()
28                 read_l.remove(ready_obj)
29
30 #客户端
31 from socket import *
32 c=socket(AF_INET,SOCK_STREAM)
33 c.connect((‘127.0.0.1‘,8081))
34
35 while True:
36     msg=input(‘>>: ‘)
37     if not msg:continue
38     c.send(msg.encode(‘utf-8‘))
39     data=c.recv(1024)
40     print(data.decode(‘utf-8‘))
41
42 select网络IO模型

select 网络IO模型

该模型的优点：

#相比其他模型，使用select() 的事件驱动模型只用单线程（进程）执行，占用资源少，不消耗太多 CPU，同时能够为多客户端提供服务。如果试图建立一个简单的事件驱动的服务器程序，这个模型有一定的参考价值。

    该模型的缺点：

#首先select()接口并不是实现“事件驱动”的最好选择。因为当需要探测的句柄值较大时，select()接口本身需要消耗大量时间去轮询各个句柄。很多操作系统提供了更为高效的接口，如linux提供了epoll，BSD提供了kqueue，Solaris提供了/dev/poll，…。如果需要实现更高效的服务器程序，类似epoll这样的接口更被推荐。遗憾的是不同的操作系统特供的epoll接口有很大差异，所以使用类似于epoll的接口实现具有较好跨平台能力的服务器会比较困难。
#其次，该模型将事件探测和事件响应夹杂在一起，一旦事件响应的执行体庞大，则对整个模型是灾难性的。

5、异步IO

Linux下的asynchronous IO其实用得不多，从内核2.6版本才开始引入。先看一下它的流程：

用户进程发起read操作之后，立刻就可以开始去做其它的事。而另一方面，从kernel的角度，当它受到一个asynchronous read之后，首先它会立刻返回，所以不会对用户进程产生任何block。然后，kernel会等待数据准备完成，然后将数据拷贝到用户内存，当这一切都完成之后，kernel会给用户进程发送一个signal，告诉它read操作完成了。

6、selectors模块

     select、poll、epoll的简单使用

#!/usr/bin/env python
#coding=utf-8
import os
import fcntl
import select, sys, subprocess
vmstat_pipe = subprocess.Popen(‘netstat‘, shell=True, bufsize=1024,
        stdout=subprocess.PIPE).stdout
iostat_pipe = subprocess.Popen(‘top‘, shell=True, bufsize=1024,
        stdout=subprocess.PIPE).stdout

上面是通用代码，下面会分别用select,poll,epoll来进行读管道的数据

1.select

while 1:
    infds,outfds,errfds = select.select([vmstat_pipe,iostat_pipe],[],[],5000)
    if len(infds) != 0:
        for m in infds:
            msg = m.readline()
            print "Get ", msg, "from pipe", m

2.poll

pipe_dict = {vmstat_pipe.fileno():vmstat_pipe, iostat_pipe.fileno():iostat_pipe}
p = select.poll()
p.register(vmstat_pipe, select.POLLIN|select.POLLERR|select.POLLHUP)
p.register(iostat_pipe, select.POLLIN|select.POLLERR|select.POLLHUP)
while 1:
    result = p.poll(5000)
    if len(result) != 0:
        for m in result:
            if m[1] & select.POLLIN:
                print "Get", pipe_dict[m[0]].readline(), "from pipe", m[0]

3.epoll

与poll的代码基本一致，只是改为epoll即可：p = select.epoll()

阻塞与非阻塞：

注意上例中都是用的readline(),而没有用read(),原因是用read()会导致阻塞，读不到数据；如果想要用read()，那么

需要设置管道为非阻塞的：

fl = fcntl.fcntl(vmstat_pipe.fileno(), fcntl.F_GETFL)
fcntl.fcntl(vmstat_pipe.fileno(), fcntl.F_SETFL, fl | os.O_NONBLOCK)
fl = fcntl.fcntl(iostat_pipe.fileno(), fcntl.F_GETFL)
fcntl.fcntl(iostat_pipe.fileno(), fcntl.F_SETFL, fl | os.O_NONBLOCK)

另外如果管道的写端关闭，会读到一个文件结束符，比如上面代码的vmstat_pipe管道写端关闭后，会一直读到文件

结束符。