协程

协程又称为微线程，协程是一种用户态的轻量级线程

协程拥有自己的寄存器和栈。协程调度切换的时候，将寄存器上下文和栈都保存到其他地方，在切换回来的时候，恢复到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状态，每次过程重入时，就相当于进入上一次调用的状态。

协程的好处：

1.无需线程上下文切换的开销（还是单线程）

2.无需原子操作（一个线程改一个变量，改一个变量的过程就可以称为原子操作）的锁定和同步的开销

3.方便切换控制流，简化编程模型

4.高并发+高扩展+低成本：一个cpu支持上万的协程都没有问题，适合用于高并发处理

缺点：

1.无法利用多核的资源，协程本身是个单线程，它不能同时将单个cpu的多核用上，协程需要和进程配合才能运用到多cpu上（协程是跑在线程上的）

2.进行阻塞操作时会阻塞掉整个程序：如io

使用yield实现协程的例子：

import time
import queue
def consumer(name):
    print("---->start eating baozi......")
    while True:
        #yield默认可以返回数据，走到yield整个程序返回，yield被唤醒的时候还可以接收数据
        #进入死循环碰到yield暂停，被唤醒的时候才执行print
        new_baozi = yield
        print("[%s] is eating baozi %s" %(name,new_baozi))
        #time.sleep(2)
def producer():
    #__next__()调用消费者的next,consumer直接调用的话，第一次不会执行，会变成一个生成器
    #函数如果里面有yield第一次加括号调用，他是一个生成器，还没有真正执行，__next__()才会执行
    r = con.__next__()
    r = con2.__next__()
    n = 0
    while n<5:
        n += 1
        #send有两个作用：唤醒生成器的同时，传送一个值，传的这个值就是yield接收到的值new_baozi
        con.send(n)
        con2.send(n)
　　　　　#time.sleep(1)
        print("\033[32;1m[producer]\033[0m is making baozi %s" %n)

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

 

整个就是通过yield实现的一个简单的协程，在程序运行过程中，直接完成运作，感觉像多并发的效果。

问题：他们好像能够实现多并发的效果，是因为每一个生产者没有任何的sleep，如果在producer中加一个time.sleep(1)，那么运行速度就变慢了。

遇到io操作就切换，io操作很耗时，协程之所以能够处理大并发，就是把io操作去除，之后就变成这个程序只有cpu在切换

如何实现程序自动检测io操作完成：

greenlet

from greenlet import greenlet
def tesst1():
    print(12)
    gr2.switch()
    print(34)
    gr2.switch()
def tesst2():
    print(56)
    gr1.switch()
    print(78)
gr1 = greenlet(tesst1)#启动一个协程
gr2 = greenlet(tesst2)
gr1.switch()#手动切换

运行结果：

greenlet现在还是手动切换

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，但他们被协作式的调度

import gevent
def foo():
    print("Running in foo")
    gevent.sleep(2)
    print("Explicit context switch to foo again")

def bar():
    print("Explicit context to bar")
    gevent.sleep(1)
    print("Implicit context to switch back to bar")

gevent.joinall(
    [
        gevent.spawn(foo),
        gevent.spawn(bar),
    ]
)

运行结果：

运行整个也就运行了2秒，模拟io操作

下面我们做一个简单的小爬虫：

from urllib.request import urlopen
import gevent,time
def f(url):
    print("GET: %s "%url)
    resp = urlopen(url)
    data = resp.read()
    print("%d bytes received from %s." %(len(data),url))
urls = [
    'https://www.python.org/',
    'https://www.yahoo.com/',
    'https://github.com/'
]
time_start = time.time()
for url in urls:
    f(url)
print("同步cost",time.time()-time_start)

async_time_start = time.time()

gevent.joinall([
    gevent.spawn(f,'https://www.python.org/'),
    gevent.spawn(f,'https://www.yahoo.com/'),
    gevent.spawn(f,'https://github.com/')
])
print("异步cost",time.time()-time_start)

 

用了同步和异步两种方式来进行网页的爬取，但是结果却是同步的比异步的用的时间还要短，我们之前用了gevent.sleep（1）来模拟io操作，顺便就完成了执行任务。原因是：gevent调用urllib默认是堵塞的，gevent检测不到urllib的io操作，所以不会进行切换，所以还是串行运行。

那怎么才能够让gevent知道urllib是io操作呢，要用到一个模块monkey

from urllib.request import urlopen
import gevent,time
from gevent import monkey
monkey.patch_all()#把当前程序的所有io操作单独的坐上标记
def f(url):
    print("GET: %s "%url)
    resp = urlopen(url)
    data = resp.read()
    print("%d bytes received from %s." %(len(data),url))
urls = [
    'https://www.python.org/',
    'https://www.yahoo.com/',
    'https://github.com/'
]
time_start = time.time()
for url in urls:
    f(url)
print("同步cost",time.time()-time_start)

async_time_start = time.time()

gevent.joinall([
    gevent.spawn(f,'https://www.python.org/'),
    gevent.spawn(f,'https://www.yahoo.com/'),
    gevent.spawn(f,'https://github.com/')
])
print("异步cost",time.time()-async_time_start)

这样就异步爬取的速度瞬间快了很多

下面我们在利用gevent写一个socket服务器端和客户端：

服务器端：

 1 import sys,socket,time,gevent
 2 
 3 from gevent import socket,monkey
 4 monkey.patch_all()
 5 
 6 def server(port):
 7     s = socket.socket()
 8     s.bind(('0.0.0.0',port))
 9     s.listen(500)
10     while True:
11         cli,addr = s.accept()
12         gevent.spawn(handle_request,cli)
13 def handle_request(conn):
14     try:
15         while True:
16             data = conn.recv(1024)
17             print("recv:",data)
18             conn.send(data)
19             if not data:
20                 conn.shutdown(socket.SHUT_WR)
21     except Exception as e:
22         print(e)
23     finally:
24         conn.close()
25 
26 if __name__ == '__main__':
27     server(8001)

 

和socketserver差不多，处理数据都是在handle_request函数中，然后在server中建立一个gevent

客户端：

 1 import socket
 2 HOST = 'localhost'
 3 PORT = 8001
 4 s = socket.socket(socket.AF_INET,socket.SOCK_STREAM)
 5 s.connect((HOST,PORT))
 6 while True:
 7     msg = bytes(input(">>>:"),encoding="utf-8")
 8     s.sendall(msg)
 9     data = s.recv(1024)
10     #repr格式化输出
11     print("Recv:",repr(data))
12 s.close()

 

运行结果：

由上面几个运行结果可以知道：我们已经实行了并发运行，不需要使用什么多线程。我们用协程，遇到io就阻塞

 

我们现在实现了切换，但是我们是什么时候切换回来呢，我们怎么知道什么时候这个函数的东西执行完，切换到原函数呢

事件驱动与异步IO

通常，我们写服务器处理模型的程序时，有一下几个模型：

1.每收到一个请求，创建一个新的进程，来处理改请求：如socketserver

2.每收到一个请求，创建一个新的线程，来处理该请求：如socketserver

3.每收到一个请求，放入一个事件列表，让主进程通过非阻塞I/O方式来处理请求，即事件驱动的模式，该模式是大多数网络服务器采用的方式

在ui编程中，我们常常要对鼠标点击进行相应的反应，我们怎么获得鼠标点击呢？

目前大部分的UI编程都是事件驱动模型，如很多的ui平台都会提供onclick()事件，这个事件就代表了鼠标按下的事件。事件驱动模型大体思路：

1.有一个事件队列

2.鼠标按下时，往这个队列中增加一个点击事件

3.有个循环，不断的从队列中取出事件，根据不同的事件，调用不同 的函数，如：onclick（），onkeydown()等

4.事件（消息）一般都各自保存各自的处理函数指针，这样，每个消息都有独立的处理函数

那我们在回到上面的问题，io什么时候切换回来。我们可以注册一个回调函数，回调函数就是当你的程序一遇到io操作，就切换，然后等着io操作结束又切换回来。io操作是操作系统完成的。就是通过这个事件驱动。

 

 

写的不是太好，希望大家多多包涵QAQ