多任务之协程
协程协程我们是使用gevent模块实现的，而gevent 是对greenlet进行的封装，而greenlet 又是对yield进行封装。要理解gevent就要从yield开始。 要理解yield的作用我们就要先理解可迭代对象与迭代器一、可迭代对象与迭代器
1> 可迭代对象
迭代是访问集合元素的一种方式。迭代器是一个可以记住遍历的位置的对象。迭代器对象从集合的第一个元素开始访问，直到所有的元素被访问完结束。迭代器只能往前不会后退。
[*]可迭代对象定义：
我们把可以通过for...in...这类语句迭代读取一条数据供我们使用的对象称之为可迭代对象（Iterable）
[*]可迭代对象本质：
向我们提供一个这样的中间“人”即迭代器帮助我们对其进行迭代遍历使用。
可迭代对象通过 __iter__ 方法向我们提供一个迭代器，我们在迭代一个可迭代对象的时候，实际上就是先获取该对象提供的一个迭代器，然后通过这个迭代器来依次获取对象中的每一个数据, 也就是说，一个具备了 __iter__ 方法的对象，就是一个可迭代对象。
[*]创建一个可迭代对象
from collections.abc import Iterable
class Mylist():
def __iter__(self):
# 暂时忽略如何构造一个迭代器对象
pass
print(isinstance(Mylist(), Iterable))
2> 迭代器
迭代器是用来帮助我们记录每次迭代访问到的位置，当我们对迭代器使用next()函数的时候，迭代器会向我们返回它所记录位置的下一个位置的数据。实际上，在使用next()函数的时候，调用的就是迭代器对象的__next__方法
[*]迭代器定义：
一个实现了__iter__方法和__next__方法的对象，就是迭代器。
[*]迭代器本质：
for item in Iterable 循环的本质就是先通过iter()函数获取可迭代对象Iterable的迭代器，然后对获取到的迭代器不断调用next()方法来获取下一个值并将其赋值给item，当遇到StopIteration的异常后循环结束。
[*]迭代器实现
from collections.abc import Iterable, Iterator
# 自定义一个可迭代对象
class MyList(object):
def __init__(self):
self.items = list()
def add(self, value):
self.items.append(value)
def __iter__(self):
return MyIterator(self)
# 自定义一个迭代器
class MyIterator(object):
def __init__(self, obj):
self.obj = obj
self.current_index = 0
# python要求迭代器本身也是可迭代的
def __iter__(self):
return self
def __next__(self):
if self.current_index < len(self.obj.items):
item = self.obj.items
self.current_index += 1
return item
else:
raise StopIteration
m = MyList()
print("MyList实例对象是否为可迭代对象: ", isinstance(m, Iterable))
print("MyList实例对象是否为迭代器: ", isinstance(m, Iterator))
print("MyIterator实例对象是否为可迭代对象: ", isinstance(MyIterator(m), Iterable))
print("MyIterator实例对象是否为迭代器: ", isinstance(MyIterator(m), Iterator))
m.add(1)
m.add(22)
m.add(333)
m.add(444)
for i in m:
print(i)
[*]说明：并不是只有for循环能接收可迭代对象
li = list(m)
print(li)
tp = tuple(m)
print(tp)
二、生成器
[*]生成器的定义
只要在def中有yield关键字的 就称为 生成器, 生成器是一类特殊的迭代器
[*]生成器定义方式
# 方式一
G = ( x*2 for x in range(5))
>>><generator object <genexpr> at 0x7f626c132db0>
# 方式二
def fib(n):
current = 0
num1, num2 = 0, 1
while current < n:
num1, num2 = num2, num1+num2
current += 1
yield num
return 'done'
[*]生成器总结
[*]使用了yield关键字的函数不再是函数，而是生成器。（使用了yield的函数就是生成器）
[*]yield关键字有两点作用：
[*]保存当前运行状态（断点），然后暂停执行，即将生成器（函数）挂起
[*]将yield关键字后面表达式的值作为返回值返回，此时可以理解为起到了return的作用
[*]可以使用next()函数让生成器从断点处继续执行，即唤醒生成器（函数）
[*]Python3中的生成器可以使用return返回最终运行的返回值(通过捕获异常对象的value属性值获取)，而Python2中的生成器不允许使用return返回一个返回值（即可以使用return从生成器中退出，但return后不能有任何表达式）。
三、协程
[*]协程的定义
协程(微线程、纤程)是python个中另外一种实现多任务的方式，只不过比线程更小占用更小执行单元（理解为需要的资源）；协程是运行在某个单一线程下的，即先有线程才有协程。
[*]协程与线程区别
在实现多任务时, 线程切换从系统层面远不止保存和恢复 CPU上下文这么简单。 操作系统为了程序运行的高效性每个线程都有自己缓存Cache等等数据，操作系统还会帮你做这些数据的恢复操作。 所以线程的切换非常耗性能。但是协程的切换只是单纯的操作CPU的上下文，所以一秒钟切换个上百万次系统都抗的住。
[*]协程模块gevent
[*]通过yield实现协程的工作过程
import time
def work1():
while True:
print("----work1---")
yield
time.sleep(0.5)
def work2():
while True:
print("----work2---")
yield
time.sleep(0.5)
def main():
w1 = work1()
w2 = work2()
while True:
next(w1)
next(w2)
if __name__ == "__main__":
main()
[*]通过greenlet实现协程
为了更好使用协程来完成多任务，python中的greenlet模块对其封装，从而使得切换任务变的更加简单# pip install greenlet
from greenlet import greenlet
import time
def test1():
while True:
print("---A--")
gr2.switch()
time.sleep(0.5)
def test2():
while True:
print("---B--")
gr1.switch()
time.sleep(0.5)
gr1 = greenlet(test1)
gr2 = greenlet(test2)
# 切换到gr1中运行
gr1.switch()
[*]通过gevent实现协程
greenlet已经实现了协程，但是这个还的人工切换，那么python还有一个比greenlet更强大的并且能够自动切换任务的模块gevent.
其原理是当一个greenlet遇到IO(指的是input output 输入输出，比如网络、文件操作等)操作时，比如访问网络，就自动切换到其他的greenlet，等到IO操作完成，再在适当的时候切换回来继续执行。
由于IO操作非常耗时，经常使程序处于等待状态，有了gevent为我们自动切换协程，就
保证总有greenlet在运行，而不是等待IO
[*]gevent的使用
# pip3 install gevent
import gevent
def f(n):
for i in range(n):
print(gevent.getcurrent(), i)
g1 = gevent.spawn(f, 5)
g2 = gevent.spawn(f, 5)
g3 = gevent.spawn(f, 5)
g1.join()
g2.join()
g3.join()
# 运行结果
# 可以看到，3个greenlet是依次运行而不是交替运行
<Greenlet at 0x10e49f550: f(5)> 0
<Greenlet at 0x10e49f550: f(5)> 1
<Greenlet at 0x10e49f550: f(5)> 2
<Greenlet at 0x10e49f550: f(5)> 3
<Greenlet at 0x10e49f550: f(5)> 4
<Greenlet at 0x10e49f910: f(5)> 0
<Greenlet at 0x10e49f910: f(5)> 1
<Greenlet at 0x10e49f910: f(5)> 2
<Greenlet at 0x10e49f910: f(5)> 3
<Greenlet at 0x10e49f910: f(5)> 4
<Greenlet at 0x10e49f4b0: f(5)> 0
<Greenlet at 0x10e49f4b0: f(5)> 1
<Greenlet at 0x10e49f4b0: f(5)> 2
<Greenlet at 0x10e49f4b0: f(5)> 3
<Greenlet at 0x10e49f4b0: f(5)> 4
[*]gevent切换执行
import gevent
# 将程序中用到的耗时操作的代码，换为gevent中自己实现的模块
monkey.patch_all()
def f(n):
for i in range(n):
print(gevent.getcurrent(), i)
#用来模拟一个耗时操作，注意不是time模块中的sleep
# gevent.sleep(1)
time.sleep(1)
g1 = gevent.spawn(f, 5)
g2 = gevent.spawn(f, 5)
g3 = gevent.spawn(f, 5)
g1.join()
g2.join()
g3.join()
# 运行结果
<Greenlet at 0x7fa70ffa1c30: f(5)> 0
<Greenlet at 0x7fa70ffa1870: f(5)> 0
<Greenlet at 0x7fa70ffa1eb0: f(5)> 0
<Greenlet at 0x7fa70ffa1c30: f(5)> 1
<Greenlet at 0x7fa70ffa1870: f(5)> 1
<Greenlet at 0x7fa70ffa1eb0: f(5)> 1
<Greenlet at 0x7fa70ffa1c30: f(5)> 2
<Greenlet at 0x7fa70ffa1870: f(5)> 2
<Greenlet at 0x7fa70ffa1eb0: f(5)> 2
<Greenlet at 0x7fa70ffa1c30: f(5)> 3
<Greenlet at 0x7fa70ffa1870: f(5)> 3
<Greenlet at 0x7fa70ffa1eb0: f(5)> 3
<Greenlet at 0x7fa70ffa1c30: f(5)> 4
<Greenlet at 0x7fa70ffa1870: f(5)> 4
<Greenlet at 0x7fa70ffa1eb0: f(5)> 4
[*]使用协程实现TCP通信 为多个用户服务
# 【本机环境运行】
import socket
import gevent
from gevent import monkey
monkey.patch_all()
def handle_request(client_socket):
while True:
data = client_socket.recv(1024).decode("gbk")
print(data)
def main():
tcp_socket = socket.socket(socket.AF_INET, socket.SOCK_STREAM)
tcp_socket.bind(("127.0.0.1", 9000))
tcp_socket.listen(128)
while True:
# 接收新的请求，未收到连接请求会导致程序堵塞
tcp_server_socket, client_addr = tcp_socket.accept()
# 将处理请求的任务交给协程处理
gevent.spawn(handle_request, tcp_server_socket)
if __name__ == "__main__":
main()
[*]使用队列和协程实现生产者消费者模型
from gevent import queue, monkey
import gevent
import time
import random
monkey.patch_all()
def producer(q):
for value in ['A', 'B', 'C', 'D', 'E', 'F']:
print(f'【Producer】 put {value} to queue...')
q.put(value)
time.sleep(random.random())
# 发送结束信号
q.put(None)
def consumer(q):
while True:
# 如果队列中无数据,consumer会一直执行(协程只有在耗时操作时才切换任务),
# 可能会导致producer无法往队列中添加数据,我们可以手动添加一个延时
if not q.empty():
data = q.get()
# 接收到结束信号退出程序
if data is None:
return
print(f"【Consumer】 get {data} from queue")
time.sleep(random.random())
else:
time.sleep(0.5)
q = queue.Queue()
if __name__ == "__main__":
gevent.joinall([
gevent.spawn(producer, q),
gevent.spawn(consumer, q)
])
四、进程、线程、协程区别
[*]进程是资源分配的单位
[*]线程是操作系统调度的单位
[*]进程切换需要的资源很最大，效率很低
[*]线程切换需要的资源一般，效率一般（当然了在不考虑GIL的情况下）
[*]协程切换任务资源很小，效率高
[*]多进程、多线程根据cpu核数不一样可能是并行的，但是协程是在一个线程中 所以是并发
五、同步和异步
1> 基本概念
[*]同步
同步调用即当我们提交一个任务后，就在原地等待，等拿到第一个任务的结果之后再继续下一行代码，效率比较低；同步调用解决方案：多线程/多进程
[*]异步
异步即当我们提交一个任务之后，不必等待上一个任务的结果，直接进行下一个任务，监听这些任务的完成状态，当有一个任务完成之后，再继续完成这个任务的后续操作
[*]同步异步代码实现与分析
from gevent import monkey
import gevent
import time
monkey.patch_all()
def task(task_no, delay_time):
print(f"【任务-{task_no}】 开始！")
time.sleep(delay_time)
print(f"【任务-{task_no}】 结束！")
# 发布3个任务, 3个任务分别耗时10, 6, 12
if __name__ == '__main__':
# 同步执行方式
start_time = time.time()
task("同步1", 5)
task("同步2", 3)
task("同步3", 6)
end_time = time.time()
print(f"同步执行方式耗时 {end_time - start_time}")
# 异步执行方式
start_time = time.time()
gevent.joinall([
gevent.spawn(task, "异步1", 5),
gevent.spawn(task, "异步2", 3),
gevent.spawn(task, "异步3", 6),
])
end_time = time.time()
print(f"异步执行方式耗时 {end_time - start_time}")
来源:https://www.cnblogs.com/cs-songbai/p/18096611
免责声明：由于采集信息均来自互联网，如果侵犯了您的权益，请联系我们【E-Mail:cb@itdo.tech】 我们会及时删除侵权内容，谢谢合作！
页:
[1]