day10--协成\异步IO\缓存
协成（Gevent）
协程，又称微线程，纤程。英文名Coroutine。一句话说明什么是线程：协程是一种用户态的轻量级线程。CPU只认识线程。
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：
1.无需线程上下文切换的开销；
2.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。改变量即可称为简单原子操作。协成是在单线程里面实现的。同一时间只有一个线程。
3.方便切换控制流，简化编程模型；
4.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：
1.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；Ngix只有一个进程，一个进程里面只有一个线程。
2.进行阻塞（Blocking）操作（如IO时）会阻塞掉整个程序；
使用yield实现协程操作例子
import time import queue def consumer(name): print("--->starting eating baozi...") while True: new_baozi = yield print("[%s] is eating baozi %s" % (name, new_baozi)) # time.sleep(1) def producer(): r = con.__next__() r = con2.__next__() n = 0 while n < 5: n += 1 con.send(n) con2.send(n) print("\033[32;1m[producer]\033[0m is making baozi %s" % n) if __name__ == '__main__': con = consumer("c1") con2 = consumer("c2") p = producer()
看楼上的例子，我问你这算不算做是协程呢？你说，我他妈哪知道呀，你前面说了一堆废话，但是并没告诉我协程的标准形态呀，我腚眼一想，觉得你说也对，那好，我们先给协程一个标准定义，即符合什么条件就能称之为协程：
1.必须在只有一个单线程里实现并发；
2.修改共享数据不需加锁；
3.用户程序自己保存多个控制流的上下文栈；
4.一个协成遇到IO操作自动切换到其它协成。
基于上面这4点定义，我们刚才用yield实现的程并不能算是合格的线程，因为它有一点功能没实现，哪一点呢？
Greenlet
greenlet是一个用C实现的协程模块，相比与python自带的yield，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() print(34) gr2.switch() def test2(): print(56) gr1.switch() print(78) gr1 = greenlet(test1) #启动一个协成 gr2 = greenlet(test2) gr1.switch() #切换，手动切换
上面代码执行结果如下：
12 56 34 78
上面代码中，greenlet模块，greenlet类中，主要实现不同方法之间的切换，让程序能上下文进行切换，switch()转换。gr1.switch()。
协成是遇到IO操作进行切换。做事需要花费时间过长，比如从数据库获取数据等等。协成也是串行的，只是在IO操作之间进行切换。来回在IO操作之间切换。
Gevent是自动切换，封装了greenlet，greenlet还是手动切换，通过switch()手动切换。而Gevent就是自动切换。
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，但它们被协作式地调度。
下面我们来看一个协成的实例，如下：
'''协成：微线程，主要作用是遇到IO操作就切换，程序本身就串行的，主要是在各个IO直接来回切换，节省时间''' import gevent def fun(): print("In the function fun!!!\n") #(1) gevent.sleep(2) #IO阻塞，也可以是具体执行一个操作，这里直接等待 print("\033[31mCome back to the function of fun again!\033[0m\n") #(6) def inner(): '''定义一个函数，包含IO阻塞''' print("Running in the function of inner!!!\n") #(2) gevent.sleep(1) #触发切换，遇到gevent.sleep()触发切换，执行后面代码。 print("\033[32mRunning back to the function of inner\033[0m\n") #(5) def outer(): '''定义一个函数，也包含IO阻塞''' print("周末去搞基把，带上%s\n" %"alex") #(3) gevent.sleep(0.5) print("不好吧，%s是人妖，不好那口，还是带上配齐把！！！" %"alex") #(4) gevent.joinall([ gevent.spawn(fun), gevent.spawn(inner), gevent.spawn(outer), ])
上面代码执行结果如下：
In the function fun!!! Running in the function of inner!!! 周末去搞基把，带上alex 不好吧，alex是人妖，不好那口，还是带上配齐把！！！ Running back to the function of inner Come back to the function of fun again!
上面程序中，使用的是协成，我们可以看出，协成遇到IO操作是阻塞的，协成是在串行情况下实现了多并发或异步的效果，整个程序串行执行的话需要至少花费3.5秒，而使用协成花费：2.0312681198120117，可见如果有IO阻塞，协成能够有效降低程序运行的时间。
gevent.spawn(outer,"alex","wupeiqi")，gevent.spawn()里面加参数的情况，第一个是函数名，后面加引号是参数。让协成等待的方法是gevent.sleep(time),让协成等待，gevent.sleep()，而不是time.sleep()，如果是time.sleep()是不会切换的，gevent.sleep()才会切换。如果是time.sleep(2)秒，是不会切换的，程序将变成串行。执行最长的IO。
如何判断是IO操作，这个很重要，因为我在自己尝试的时候，time.sleep(2)是不算IO操作的。不会发生切换。
上面我们使用gevent.sleep()来判断IO操作切换，使用time.sleep()是不行的，程序还是串行的，如何让程序知道time.sleep()是IO操作呢？要打上一个补丁，from gevent import monkey 并且声明：monkey.patch_all(),这样程序就会自动检测IO操作，程序就变成串行的了，如下所示：
'''协成：微线程，主要作用是遇到IO操作就切换，程序本身就串行的，主要是在各个IO直接来回切换，节省时间''' import gevent,time from gevent import monkey monkey.patch_all() #把当前程序的所有的IO操作给单独的做上标记 def fun(): print("In the function fun!!!\n") time.sleep(2) #IO阻塞，也可以是具体执行一个操作，这里直接等待 print("\033[31mCome back to the function of fun again!\033[0m\n") def inner(): '''定义一个函数，包含IO阻塞''' print("Running in the function of inner!!!\n") time.sleep(1) print("\033[32mRunning back to the function of inner\033[0m\n") def outer(name,arg): '''定义一个函数，也包含IO阻塞''' print("周末去搞基把，带上%s\n" %name) time.sleep(0.5) print("不好吧，%s是人妖，不好那口，还是带上%s！！！" %(name,arg)) start_time = time.time() gevent.joinall([ gevent.spawn(fun), gevent.spawn(inner), gevent.spawn(outer,"alex","wupeiqi"), ]) end_time = time.time() print("花费时间：%s" %(end_time -start_time))
上面程序的执行结果如下：
In the function fun!!! Running in the function of inner!!! 周末去搞基把，带上alex 不好吧，alex是人妖，不好那口，还是带上wupeiqi！！！ Running back to the function of inner Come back to the function of fun again! 花费时间：2.0013585090637207
可见，打上补丁之后，from gevent import monkey，声明monkey.patch_all()就能让程序自动检测哪些是IO操作，不需要自己注明。
下面，我们用协成来简单爬取一下网页，如下：
import gevent,time from urllib.request import urlopen '''导入urllib模块中的urlopen用来打开网页''' def func(url): print("\033[31m----------------------并发的爬取未网页---------------------------\033[0m") resp = urlopen(url) #使用urlopen打开一个网址 data = resp.read() #读取网页里面的内容 with open("alex.html",'wb') as f: f.write(data) print("%s个字节被下载，从网页%s。" %(len(data),url)) # if __name__ == "__mian__": start_time = time.time() gevent.joinall([ gevent.spawn(func,"https://www.cnblogs.com/alex3714/articles/5248247.html"), gevent.spawn(func,"https://www.python.org/"), gevent.spawn(func,"https://www.jd.com/") ]) end_time = time.time() cost_time = end_time - start_time print("cost time：%s" %cost_time)
执行结果如下：
----------------------并发的爬取未网页--------------------------- 91829个字节被下载，从网页https://www.cnblogs.com/alex3714/articles/5248247.html。 ----------------------并发的爬取未网页--------------------------- 48721个字节被下载，从网页https://www.python.org/。 ----------------------并发的爬取未网页--------------------------- 124072个字节被下载，从网页https://www.jd.com/。 cost time：18.932090044021606
从上面结果可以看出，程序肯定是串行执行的，因为是先爬取第一个网页，爬取完了才爬取第二个网页，异步肯定不是这样，为什么会这样呢？因为urllib是被检测不到进行了urllib的，要想gevent检测到urllib，必须进行声明，让gevent能够自动检测到IO操作，from gevent import monkey,mokdey.patch_all()（把当前程序的所有的IO操作给我单独的做上标记，让程序检测到所有有可能进行IO操作的，打一个标记）。下面我们来给上面程序加上标记：
遇到IO阻塞时会自动切换任务：
import gevent,time from urllib.request import urlopen from gevent import monkey monkey.patch_all() '''导入urllib模块中的urlopen用来打开网页''' def func(url): print("\033[31m----------------------并发的爬取未网页---------------------------\033[0m") resp = urlopen(url) #使用urlopen打开一个网址 data = resp.read() #读取网页里面的内容 with open("alex.html",'wb') as f: f.write(data) print("%s个字节被下载，从网页%s。" %(len(data),url)) # if __name__ == "__mian__": start_time = time.time() gevent.joinall([ gevent.spawn(func,"https://www.cnblogs.com/alex3714/articles/5248247.html"), gevent.spawn(func,"https://www.python.org/"), gevent.spawn(func,"https://www.jd.com/") ]) end_time = time.time() cost_time = end_time - start_time print("cost time：%s" %cost_time)
代码执行结果如下：
----------------------并发的爬取未网页--------------------------- ----------------------并发的爬取未网页--------------------------- ----------------------并发的爬取未网页--------------------------- 124072个字节被下载，从网页https://www.jd.com/。 91829个字节被下载，从网页https://www.cnblogs.com/alex3714/articles/5248247.html。 48721个字节被下载，从网页https://www.python.org/。 cost time：1.7704188823699951
可以看出，给程序加上能够自动识别IO操作的标记之后，爬虫的时间少了很多，串行需要18秒，现在只需不到2秒，节约了很多时间，这就是异步的效率。
通过gevent实现单线程下的多socket并发
下面我们用协成来写一个socket多并发的实例，如下：
server
import sys import socket import time import gevent 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) #在连接之后启动一个协成，socket中启动的是一个线程。 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(8001)
Client
import socket HOST = 'localhost' # The remote host PORT = 8001 # 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(data) print('Received', repr(data)) s.close()
其实使用协成就能实现异步的操作，在socket中，正常要想使用多并发，要使用socketserver，但是这里我们使用协成就能实现多并发的情况，gevent.spawn(function,parameter)
协成是如何切换会IO操作之前的位置。
论事件驱动与异步IO
通常，我们写服务器处理模型的程序时，有以下几种模型：
（1）每收到一个请求，创建一个新的进程，来处理该请求；
（2）每收到一个请求，创建一个新的线程，来处理该请求；
（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；（以事件驱动的模式）
上面的几种方式，各有千秋，
第（1）中方法，由于创建新的进程的开销比较大，所以，会导致服务器性能比较差,但实现比较简单。
第（2）种方式，由于要涉及到线程的同步，有可能会面临死锁等问题。
第（3）种方式，在写应用程序代码时，逻辑比前面两种都复杂。
综合考虑各方面因素，一般普遍认为第（3）种方式是大多数网络服务器采用的方式
看图说话讲事件驱动模型
在UI编程中，常常要对鼠标点击进行相应，首先如何获得鼠标点击呢？
方式一：创建一个线程，该线程一直循环检测是否有鼠标点击，那么这个方式有以下几个缺点：
1. CPU资源浪费，可能鼠标点击的频率非常小，但是扫描线程还是会一直循环检测，这会造成很多的CPU资源浪费；如果扫描鼠标点击的接口是阻塞的呢？
2. 如果是堵塞的，又会出现下面这样的问题，如果我们不但要扫描鼠标点击，还要扫描键盘是否按下，由于扫描鼠标时被堵塞了，那么可能永远不会去扫描键盘；
3. 如果一个循环需要扫描的设备非常多，这又会引来响应时间的问题；
所以，该方式是非常不好的。
方式二：就是事件驱动模型
目前大部分的UI编程都是事件驱动模型，如很多UI平台都会提供onClick()事件，这个事件就代表鼠标按下事件。事件驱动模型大体思路如下：
1. 有一个事件（消息）队列；
2. 鼠标按下时，往这个队列中增加一个点击事件（消息）；
3. 有个循环，不断从队列取出事件，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；
事件驱动编程是一种编程范式，这里程序的执行流由外部事件来决定。它的特点是包含一个事件循环，当外部事件发生时使用回调机制来触发相应的处理。另外另种常见编程范式是（单线程）同步以及多线程编程。
让我们用例子来比较和对比一下单线程、多线程以及事件驱动编程模型。下图展示了随着时间的推移，这三种模式下程序所做的工作。这个程序有3个任务需要完成，每个任务都在等待I/O操作时阻塞自身。阻塞在I/O操作上所花费的时间已经用灰色框标示出来了。
上图中，灰色部分是IO阻塞。
在单线程同步模型中，任务按照顺序执行。如果某个任务因为I/O而阻塞，其他所有的任务都必须等待，直到它完成之后它们才能依次执行。这种明确的执行顺序和串行化处理的行为是很容易推断得出的。如果任务之间并没有互相依赖的关系，但仍然需要互相等待的话这就使得程序不必要的降低了运行速度。
在多线程版本中，这3个任务分别在独立的线程中执行。这些线程由操作系统来管理，在多处理器系统上可以并行处理，或者在单处理器系统上交错执行。这使得当某个线程阻塞在某个资源的同时其他线程得以继续执行。与完成类似功能的同步程序相比，这种方式更有效率，但程序员必须写代码来保护共享资源，防止其被多个线程同时访问。多线程程序更加难以推断，因为这类程序不得不通过线程同步机制如锁、可重入函数、线程局部存储或者其他机制来处理线程安全问题，如果实现不当就会导致出现微妙且令人痛不欲生的bug。
在事件驱动版本的程序中，3个任务交错执行，但仍然在一个单独的线程控制中。当处理I/O或者其他昂贵的操作时，注册一个回调到事件循环中，然后当I/O操作完成时继续执行。回调描述了该如何处理某个事件。事件循环轮询所有的事件，当事件到来时将它们分配给等待处理事件的回调函数。这种方式让程序尽可能的得以执行而不需要用到额外的线程。事件驱动型程序比多线程程序更容易推断出行为，因为程序员不需要关心线程安全问题。
IO操作识别是通过事件驱动来实现的，一遇到IO操作。
当我们面对如下的环境时，事件驱动模型通常是一个好的选择：
- 程序中有许多任务，而且…
- 任务之间高度独立（因此它们不需要互相通信，或者等待彼此）而且…
- 在等待事件到来时，某些任务会阻塞。
当应用程序需要在任务间共享可变的数据时，这也是一个不错的选择，因为这里不需要采用同步处理。
网络应用程序通常都有上述这些特点，这使得它们能够很好的契合事件驱动编程模型。
此处要提出一个问题，就是，上面的事件驱动模型中，只要一遇到IO就注册一个事件，然后主程序就可以继续干其它的事情了，只到io处理完毕后，继续恢复之前中断的任务，这本质上是怎么实现的呢？哈哈，下面我们就来一起揭开这神秘的面纱。。。。
Select\Poll\Epoll异步IO
http://www.cnblogs.com/alex3714/p/4372426.html
番外篇 http://www.cnblogs.com/alex3714/articles/5876749.html
IO切换实在内核里面进行。必须要copy()一下。
二 IO模式
刚才说了，对于一次IO访问（以read举例），数据会先被拷贝到操作系统内核的缓冲区中，然后才会从操作系统内核的缓冲区拷贝到应用程序的地址空间。所以说，当一个read操作发生时，它会经历两个阶段：
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)
正式因为这两个阶段，linux系统产生了下面五种网络模式的方案。
- 阻塞 I/O（blocking IO）
- 非阻塞 I/O（nonblocking IO）
- I/O 多路复用（ IO multiplexing）
- 信号驱动 I/O（ signal driven IO）
- 异步 I/O（asynchronous IO）
注：由于signal driven IO在实际中并不常用，所以我这只提及剩下的四种IO Model。
非阻塞（nonblocking IO）的特点是用户进程需要不断的主动询问kernel数据好了没有。
I/O 多路复用（IO multiplexing）就是我们说的select，poll，epoll，有些地方也称这种IO方式为event driven IO。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，poll，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。
server.setblocking(0)是设置socket非阻塞，默认是server.setblocking(True)阻塞状态。select.select(inputs,outputs,inputs)用来监听链接。select.select()用来监听，可以监听自己。inputs=[server,]；readable,writeable,exceptional = select.select(inputs,outputs,inputs)；
select写的多并发：
Server
'''用select写客户端和socket是差不多的，只是select用的非阻塞的IO多路复用，要设置为非阻塞状态''' import socket,select #select是用来监听那个链接处于活跃状态，如果是Server说明是需要建立一个新的连接，如果是conn,说明conn链接处于活动状态，可以收发数据 server = socket.socket() #设置为非阻塞状态 IP,PORT = "0.0.0.0",9999 server.bind((IP,PORT)) server.listen() server.setblocking(False) inputs = [server,] #定义一个列表，用来放置内核检测的链接 #inputs=[server,conn]有新的链接来了就放进去，让select来监测 outputs = [] '''如果有链接进来，会返回三个数据''' flag = True while flag: #死循环，让程序一直监听是否有新的链接过来,如果有活动 readable,writeable,exceptional = select.select(inputs,outputs,inputs) #内核用来监听连接，没有监听内容就报错，监听server '''outputs,exceptional是放置断的链接，监听那些连接失效了,没有链接就监听自己，当活动的时候就代表有新的连接进来了''' print(readable,writeable,exceptional) '''[<socket.socket fd=3, family=AddressFamily.AF_INET, type=2049, proto=0, laddr=('0.0.0.0', 9998)>] [] []链接后的结果''' '''连接上来之后，客户端就挂断了''' for r in readable: if r is server: #如果来了一个新连接，需要创建新链接 conn,addr = server.accept() #没有链接进来不要accept()因为是非阻塞的 print(conn,addr) inputs.append(conn) #因为这个新建立的连接还没有发数据过来，现在就接收的话程序就报错了 '''所以要想实现这个客户端发数据来时server端能知道，就需要让select在监测这个conn,生成一个连接select就监测''' else: data = r.recv(1024) if not data: flag = False print("收到数据",data.decode("utf-8")) r.send(data.upper())
Client（客户端）
import socket client = socket.socket() ip,port = 'localhost',9999 client.connect((ip,port)) while True: mess = input(">>：").encode("utf-8").strip() if len(mess) == 0: print("发送消息不能为空！！！") continue client.send(mess) data = client.recv(1024) print("客户端接收返回数据：%s" %data.decode("utf-8"))
select能够实现多并发的原因是select是用来监听线程的活跃状态，如果有活跃的线程，select能够监测到，那个线程处于活跃状态，就会监测那个线程，并进行数据的交换。
readable,writeable,exceptional = select.select(inputs,outputs,inputs)用来生成几种状态，监听的连接放在Inputs中。
for e in exceptional:
inputs.remove(e)
上面程序中,如果客户端断开，则会发生死循环,如何解决呢？就在select.select()中的exceptional,我们要删除活跃的链接，inputs.remove(3),就是删除活跃的链接。
selectors模块
This module allows high-level and efficient I/O multiplexing, built upon the select module primitives. Users are encouraged to use this module instead, unless they want precise control over the OS-level primitives used.
selectors模块默认是使用epoll()，如果系统不支持（Windows）则使用select()方法。
import selectors import socket sel = selectors.DefaultSelector() def accept(sock, mask): conn, addr = sock.accept() # Should be ready print('accepted', conn, 'from', addr) conn.setblocking(False) sel.register(conn, selectors.EVENT_READ, read) def read(conn, mask): data = conn.recv(1000) # Should be ready if data: print('echoing', repr(data), 'to', conn) conn.send(data) # Hope it won't block else: print('closing', conn) sel.unregister(conn) conn.close() sock = socket.socket() sock.bind(('localhost', 10000)) sock.listen(100) sock.setblocking(False) sel.register(sock, selectors.EVENT_READ, accept) while True: events = sel.select() for key, mask in events: callback = key.data callback(key.fileobj, mask)
使用selectors模块编写的语句，epoll()方法。
