【python】-- 协程介绍及基本示例、协程遇到IO操作自动切换、协程（gevent）并发爬网页
协程介绍及基本示例
协程，又称微线程，纤程。英文名Coroutine。一句话说明什么是协程：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。
1、yield实现协程
import time
def consumer(name):
print("--->starting eating baozi...")
while True:
new_baozi = yield # yield设置生成器
print("[{0}] is eating baozi {1}".format(name, new_baozi))
def producer():
r = con.__next__() # 调用生成器
r = con2.__next__()
n = 0
while n < 5:
n += 1
con.send(n) # 唤醒生成器，并且向生成器传值
con2.send(n)
time.sleep(1)
print("\033[32m[producer]\033[0m is making baozi {0}".format(n))
if __name__ == '__main__':
con = consumer("c1") # 创建一个生成器c1
con2 = consumer("c2") # 创建一个生产器C2
p = producer()
1、send有两个作用？
①唤醒生产器 ②给yield传一个值，就是yield接收到的这个值。这个说明yield在被唤醒的时候可以接收数据。
2、怎么实现我们的单线程实现并发的效果呢？
遇到IO操作就切换，IO比较耗时，协程之所以能处理大并发，就是IO操作会挤掉大量的时间。没有IO操作的话，整个程序只有cpu在运算了，因为cpu很快，所以你感觉是在并发执行的。
3、IO操作完成了，程序什么时候切回去？
IO操作一旦完成，我们就自动切回去。
4、IO是什么?
Python中的io模块是用来处理各种类型的I/O操作流。主要有三种类型的I/O类型：文本I/O(Text I/O)，二进制I/O(Binary I/O)和原始I/O(Raw I/O)。它们都是通用类别，每一种都有不同的后备存储。属于这些类别中的任何一个的具体对象称为文件对象，其他常用的术语为流或者类文件对象。
除了它的类别，每一种具体的流对象也具有各种功能：它仅仅允许读，或者仅仅允许写，或者既能读又能写。它也允许任意随机访问（向前或者向后寻找任何位置），或者仅仅顺序访问（例如在套接字或管道中）。
所有的流对于提供给它们的数据的数据类型都很严格。例如，如果用一个二进制流的write（）方法写一个字符类型的数据，那么将会触发一个TypeError错误。用文本流的write()方法来写字节对象数据也是一样的，会触发该错误。
二、手动实现切换IO
Greenlet是python的一个C扩展，来源于Stackless python，旨在提供可自行调度的‘微线程’， 即协程。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
from greenlet import greenlet
def test1():
print(12)
gr2.switch() # 切换到test2
print(34)
gr2.switch() # 切换到test2
def test2():
print(56)
gr1.switch() # 切换到test1
print(78)
gr1 = greenlet(test1) # 启动一个协程
gr2 = greenlet(test2)
gr1.switch() # 切换到test1，这个switch不写的话，会无法输出打印
#执行结果
12
56
34
78
小结：
- cpu值认识线程，而不认识协程，协程是用户自己控制的，cpu根本都不知道它们的存在。
- 线程的上下文切换保存在cpu的寄存器中，但是协程拥有自己的寄存上下文和栈。
- 协程是串行的，无需锁。
虽然greenlet确实用着比generator（生成器）还简单了，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、协程遇IO操作自动切换
下来就说说如何遇到IO就自动切换切换，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。
import gevent
def foo():
print("Running in foo")
gevent.sleep(3) # 模仿io操作，一遇到io操作就切换
print("Explicit context switch to foo again")
def bar():
print("Explicit context to bar")
gevent.sleep(1)
print("Implicit context switch back to bar")
def fun3():
print("running fun3")
gevent.sleep(0) # 虽然是0秒，但是会触发一次切换
print("running fun3 again")
gevent.joinall([
gevent.spawn(foo), # 生成协程
gevent.spawn(bar),
gevent.spawn(fun3)
])
#执行结果
Running in foo
Explicit context to bar
running fun3
running fun3 again
Implicit context switch back to bar
Explicit context switch to foo again
当foo遇到sleep(2)的时候，切自动切换到bar函数，执行遇到sleep(1)的时候自动切换到fun3函数，遇到sleep(0)又自动切换到foo。这个时候sleep(2)还没有执行完毕，又切换到bar的sleep(1)这边，发现又没有执行完毕，就有执行fun3这边，发现sleep(0)执行完毕，则继续执行，然后又切换到foo,发现sleep(2)又没有执行完毕，就切换到bar的sleep(1)这边，发现执行完了，有切回到foo这边，执行完毕。
主要作用：比如说你现在又50处IO，然后总共加起来串行的的话，要花100秒，但是50处IO最长的那个IO只花了5秒钟，那代表中你的这个程序就是协程最多5秒就执行完毕了。
符合下面四个条件才能称之为协程：
- 必须在只有一个单线程里实现并发
- 修改共享数据不需加锁
- 用户程序里自己保存多个控制流的上下文栈
- 一个协程遇到IO操作自动切换到其它协程
协程（gevent）并发爬网页
上面例子gevent遇到io自动切换，现在就来实际演示协程爬虫的例子
1、正常（串行）爬网页
串行效果的爬网页的代码，看看消耗多长时间
from urllib import request
import time
def run(url):
print("GET:{0}".format(url))
resp = request.urlopen(url) # request.urlopen()函数 用来打开网页
data = resp.read() # 读取爬到的数据
with open("url.html", "wb") as f:
f.write(data)
print('{0} bytes received from {1}'.format(len(data), url))
urls = [
'http://www.163.com/',
'https://www.yahoo.com/',
'https://github.com/'
]
time_start = time.time() # 开始时间
for url in urls:
run(url)
print("同步cost", time.time() - time_start) # 程序执行消耗的时间
#执行结果
GET:http://www.163.com/
659094 bytes received from http://www.163.com/
GET:https://www.yahoo.com/
505819 bytes received from https://www.yahoo.com/
GET:https://github.com/
56006 bytes received from https://github.com/
同步cost 4.978517532348633
2、协程(gevent)爬虫
用gevent并发执行一下，看看效果。
from urllib import request
import gevent,time
def run(url): print("GET:{0}".format(url)) resp = request.urlopen(url) # request.urlopen()函数 用来打开网页 data = resp.read() # 读取爬到的数据 with open("url.html", "wb") as f: f.write(data) print('{0} bytes received from {1}'.format(len(data), url)) urls = [ 'http://www.163.com/', 'https://www.yahoo.com/', 'https://github.com/' ] time_start = time.time() # 开始时间 gevent.joinall([ # 用gevent启动协程 gevent.spawn(run, 'http://www.163.com/'), # 第二个值是传入参数，之前我们没有讲，因为前面没有传参 gevent.spawn(run, 'https://www.yahoo.com/'), gevent.spawn(run, 'https://github.com/'), ]) print("同步cost", time.time() - time_start) # 程序执行消耗的时间 #执行结果 GET:http://www.163.com/ 659097 bytes received from http://www.163.com/ GET:https://www.yahoo.com/ 503844 bytes received from https://www.yahoo.com/ GET:https://github.com/ 55998 bytes received from https://github.com/ 同步cost 4.433035850524902
对比1、2爬网页的例子，发现执行耗费时间上并没有得到明显提升，并没有并发爬网页的神奇快感，其实主要是因为gevent现在检测不到urllib的IO操作。它都不知道urllib进行了IO操作，感受不到阻塞，它都不会进行切换，所以它就串行了。
3、打个补丁，告诉gevent,urllib正在进行IO操作
通过导入monkey模块，来打这个补丁，原代码不变，就添加一行monkey.patch_all()即可。
from urllib import request
import gevent,time
from gevent import monkey # 导入monkey模块
monkey.patch_all() # 把当前程序的所有的IO操作给作上标记
def run(url):
print("GET:{0}".format(url))
resp = request.urlopen(url) # request.urlopen()函数 用来打开网页
data = resp.read() # 读取爬到的数据
with open("url.html", "wb") as f:
f.write(data)
print('{0} bytes received from {1}'.format(len(data), url))
urls = [
'http://www.163.com/',
'https://www.yahoo.com/',
'https://github.com/'
]
time_start = time.time() # 开始时间
gevent.joinall([ # 用gevent启动协程
gevent.spawn(run, 'http://www.163.com/'), # 第二个值是传入参数，之前我们没有讲，因为前面没有传参
gevent.spawn(run, 'https://www.yahoo.com/'),
gevent.spawn(run, 'https://github.com/'),
])
print("同步cost", time.time() - time_start) # 程序执行消耗的时间
#执行结果
GET:http://www.163.com/
GET:https://www.yahoo.com/
GET:https://github.com/
659097 bytes received from http://www.163.com/
503846 bytes received from https://www.yahoo.com/
55998 bytes received from https://github.com/
同步cost 1.8789663314819336
原本将近5秒的耗时现在只用了不到2秒就完成，这就是协程的魅力，通过打补丁来检测urllib，它就把urllib里面所有涉及到的有可能进行IO操作的地方直接花在前面加一个标记，这个标记就相当于gevent.sleep()，所以把urllib变成一个一有阻塞，它就切换了
4、gevent实现单线程下的多socket并发
4.1、server端
import sys,gevent,socket,time
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()
gevent.spawn(handle_request, cli) #协程
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(8888)
4.2、client端
import socket
HOST = 'localhost' # The remote host
PORT = 8888 # 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('Received', repr(data))
s.close()
