多任务之协程

孟和

协程

1. 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

复制代码

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：
  1. 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）

  复制代码
• 可迭代对象本质：
  1. 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。
  2. 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。

  复制代码
• 创建一个可迭代对象
  1. from collections.abc import Iterable
  3. class Mylist():
  5.         def __iter__(self):
  6.         # 暂时忽略如何构造一个迭代器对象
  7.                 pass
  8.    
  10. print(isinstance(Mylist(), Iterable))

  复制代码

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：
  1. 一个实现了__iter__方法和__next__方法的对象，就是迭代器。

  复制代码
• 迭代器本质：
  1. 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。

  复制代码
• 迭代器实现
  1. from collections.abc import Iterable, Iterator
  4. # 自定义一个可迭代对象
  5. class MyList(object):
  7.     def __init__(self):
  8.         self.items = list()
  10.     def add(self, value):
  11.         self.items.append(value)
  13.     def __iter__(self):
  14.         return MyIterator(self)
  17. # 自定义一个迭代器
  18. class MyIterator(object):
  20.     def __init__(self, obj):
  21.         self.obj = obj
  22.         self.current_index = 0
  24.     # python要求迭代器本身也是可迭代的
  25.     def __iter__(self):
  26.         return self
  28.     def __next__(self):
  29.         if self.current_index < len(self.obj.items):
  30.             item = self.obj.items[self.current_index]
  31.             self.current_index += 1
  32.             return item
  33.         else:
  34.             raise StopIteration
  37. m = MyList()
  38. print("MyList实例对象是否为可迭代对象: ", isinstance(m, Iterable))
  39. print("MyList实例对象是否为迭代器: ", isinstance(m, Iterator))
  40. print("MyIterator实例对象是否为可迭代对象: ", isinstance(MyIterator(m), Iterable))
  41. print("MyIterator实例对象是否为迭代器: ", isinstance(MyIterator(m), Iterator))
  43. m.add(1)
  44. m.add(22)
  45. m.add(333)
  46. m.add(444)
  48. for i in m:
  49.     print(i)

  复制代码
• 说明：并不是只有for循环能接收可迭代对象
  1. li = list(m)
  2. print(li)
  3. tp = tuple(m)
  4. print(tp)

  复制代码

二、生成器

• 生成器的定义
  1. 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

  复制代码
• 生成器定义方式
  1. # 方式一
  2. G = ( x*2 for x in range(5))
  3. >>>  <generator object <genexpr> at 0x7f626c132db0>
  5. # 方式二
  6. def fib(n):
  7.     current = 0
  8.     num1, num2 = 0, 1
  9.     while current < n:
  10.         num1, num2 = num2, num1+num2
  11.         current += 1
  12.         yield num
  13.     return 'done'

  复制代码
• 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
  1. 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。

  复制代码
• 协程与线程区别
  1. 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。

  复制代码
• 协程模块gevent
  
  
  
  • 通过yield实现协程的工作过程
    1. import time
    3. def work1():
    4.     while True:
    5.         print("----work1---")
    6.         yield
    7.         time.sleep(0.5)
    9. def work2():
    10.     while True:
    11.         print("----work2---")
    12.         yield
    13.         time.sleep(0.5)
    15. def main():
    16.     w1 = work1()
    17.     w2 = work2()
    18.     while True:
    19.         next(w1)
    20.         next(w2)
    22. if __name__ == "__main__":
    23.     main()

    复制代码
  • 通过greenlet实现协程
    1. 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

    复制代码
    1. # pip install greenlet
    3. from greenlet import greenlet
    4. import time
    7. def test1():
    8.     while True:
    9.         print("---A--")
    10.         gr2.switch()
    11.         time.sleep(0.5)
    14. def test2():
    15.     while True:
    16.         print("---B--")
    17.         gr1.switch()
    18.         time.sleep(0.5)
    21. gr1 = greenlet(test1)
    22. gr2 = greenlet(test2)
    23. # 切换到gr1中运行
    24. gr1.switch()

    复制代码
  • 通过gevent实现协程
    1.   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.
    2.   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。
    3.   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
    4. 保证总有greenlet在运行，而不是等待IO

    复制代码
    
    
    • gevent的使用
      1. # pip3 install gevent
      3. import gevent
      5. def f(n):
      6.     for i in range(n):
      7.         print(gevent.getcurrent(), i)
      9. g1 = gevent.spawn(f, 5)
      10. g2 = gevent.spawn(f, 5)
      11. g3 = gevent.spawn(f, 5)
      12. g1.join()
      13. g2.join()
      14. g3.join()
      16. # 运行结果
      17. # 可以看到，3个greenlet是依次运行而不是交替运行
      18. <Greenlet at 0x10e49f550: f(5)> 0
      19. <Greenlet at 0x10e49f550: f(5)> 1
      20. <Greenlet at 0x10e49f550: f(5)> 2
      21. <Greenlet at 0x10e49f550: f(5)> 3
      22. <Greenlet at 0x10e49f550: f(5)> 4
      23. <Greenlet at 0x10e49f910: f(5)> 0
      24. <Greenlet at 0x10e49f910: f(5)> 1
      25. <Greenlet at 0x10e49f910: f(5)> 2
      26. <Greenlet at 0x10e49f910: f(5)> 3
      27. <Greenlet at 0x10e49f910: f(5)> 4
      28. <Greenlet at 0x10e49f4b0: f(5)> 0
      29. <Greenlet at 0x10e49f4b0: f(5)> 1
      30. <Greenlet at 0x10e49f4b0: f(5)> 2
      31. <Greenlet at 0x10e49f4b0: f(5)> 3
      32. <Greenlet at 0x10e49f4b0: f(5)> 4
      33.   

      复制代码
    • gevent切换执行
      1. import gevent
      3. # 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
      4. monkey.patch_all()
      6. def f(n):
      7.     for i in range(n):
      8.         print(gevent.getcurrent(), i)
      9.         #用来模拟一个耗时操作，注意不是time模块中的sleep
      10.         # gevent.sleep(1)
      11.         time.sleep(1)
      13. g1 = gevent.spawn(f, 5)
      14. g2 = gevent.spawn(f, 5)
      15. g3 = gevent.spawn(f, 5)
      16. g1.join()
      17. g2.join()
      18. g3.join()
      20. # 运行结果
      21. <Greenlet at 0x7fa70ffa1c30: f(5)> 0
      22. <Greenlet at 0x7fa70ffa1870: f(5)> 0
      23. <Greenlet at 0x7fa70ffa1eb0: f(5)> 0
      24. <Greenlet at 0x7fa70ffa1c30: f(5)> 1
      25. <Greenlet at 0x7fa70ffa1870: f(5)> 1
      26. <Greenlet at 0x7fa70ffa1eb0: f(5)> 1
      27. <Greenlet at 0x7fa70ffa1c30: f(5)> 2
      28. <Greenlet at 0x7fa70ffa1870: f(5)> 2
      29. <Greenlet at 0x7fa70ffa1eb0: f(5)> 2
      30. <Greenlet at 0x7fa70ffa1c30: f(5)> 3
      31. <Greenlet at 0x7fa70ffa1870: f(5)> 3
      32. <Greenlet at 0x7fa70ffa1eb0: f(5)> 3
      33. <Greenlet at 0x7fa70ffa1c30: f(5)> 4
      34. <Greenlet at 0x7fa70ffa1870: f(5)> 4
      35. <Greenlet at 0x7fa70ffa1eb0: f(5)> 4

      复制代码
    • 使用协程实现TCP通信 为多个用户服务
      1. # 【本机环境运行】
      3. import socket
      4. import gevent
      5. from gevent import monkey
      7. monkey.patch_all()
      10. def handle_request(client_socket):
      11.     while True:
      12.         data = client_socket.recv(1024).decode("gbk")
      13.         print(data)
      16. def main():
      17.     tcp_socket = socket.socket(socket.AF_INET, socket.SOCK_STREAM)
      18.     tcp_socket.bind(("127.0.0.1", 9000))
      19.     tcp_socket.listen(128)
      21.     while True:
      22.         # 接收新的请求，未收到连接请求会导致程序堵塞
      23.         tcp_server_socket, client_addr = tcp_socket.accept()
      24.         # 将处理请求的任务交给协程处理
      25.         gevent.spawn(handle_request, tcp_server_socket)
      26.   
      27. if __name__ == "__main__":
      28.     main()

      复制代码
    • 使用队列和协程实现生产者消费者模型
      1. from gevent import queue, monkey
      2. import gevent
      3. import time
      4. import random
      6. monkey.patch_all()
      9. def producer(q):
      10.     for value in ['A', 'B', 'C', 'D', 'E', 'F']:
      11.         print(f'【Producer】 put {value} to queue...')
      12.         q.put(value)
      13.         time.sleep(random.random())
      14.     # 发送结束信号
      15.     q.put(None)
      18. def consumer(q):
      19.     while True:
      20.         # 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),
      21.         # 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
      22.         if not q.empty():
      23.             data = q.get()
      24.             # 接收到结束信号退出程序
      25.             if data is None:
      26.                 return
      27.             print(f"【Consumer】 get {data} from queue")
      28.             time.sleep(random.random())
      29.         else:
      30.             time.sleep(0.5)
      33. q = queue.Queue()
      34.   if __name__ == "__main__":
      35.     gevent.joinall([
      36.         gevent.spawn(producer, q),
      37.         gevent.spawn(consumer, q)
      38.   ])

      复制代码
    
    
  
  

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
  1.         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

  复制代码
• 异步
  1.         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

  复制代码
• 同步异步代码实现与分析
  1. from gevent import monkey
  2. import gevent
  3. import time
  5. monkey.patch_all()
  8. def task(task_no, delay_time):
  9.     print(f"【任务-{task_no}】 开始！")
  10.     time.sleep(delay_time)
  11.     print(f"【任务-{task_no}】 结束！")
  14. # 发布3个任务, 3个任务分别耗时10, 6, 12
  15. if __name__ == '__main__':
  16.     # 同步执行方式
  17.     start_time = time.time()
  18.     task("同步1", 5)
  19.     task("同步2", 3)
  20.     task("同步3", 6)
  21.     end_time = time.time()
  22.     print(f"同步执行方式耗时 {end_time - start_time}")
  24.     # 异步执行方式
  25.     start_time = time.time()
  26.     gevent.joinall([
  27.         gevent.spawn(task, "异步1", 5),
  28.         gevent.spawn(task, "异步2", 3),
  29.         gevent.spawn(task, "异步3", 6),
  30.     ])
  31.     end_time = time.time()
  32.     print(f"异步执行方式耗时 {end_time - start_time}")

  复制代码

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！