第十章：Python の 网络编程基础(二)

本課主題

• Python中的作用域补充
• socketserver 源码
• 线程的介绍和操作实战
• 进程的介绍和操作实战
• 协程的介绍和操作实战
• 本周作业

 

Python中的作用域补充

1. Python世界里沒有块级作用域的：在 Java/C+ 世界里没法打印 name。
   

   # 在 Java/C+ 世界里没法打印 name
   # 但在 Python/ JavaScript 世界里可以打印 name
   >>> if 1 == 1:
   ...     name = 'Janice'
   ... 
   >>> print(name)
   Janice

   >>> for i in range(10):
   ...    name = i
   ... 
   >>> print(name)
   9

2. 但在 Python/ JavaScript 世界里可以打印 name。在 Python 中是以函数作为作用域。
   

   >>> del name
   >>> def func():
   ...     name = 'Janice'
   ... 
   >>> print(name)
   Traceback (most recent call last):
     File "<stdin>", line 1, in <module>
   NameError: name 'name' is not defined

3. Python是有作用域链条，对于作用域来说，在函数没有执行之前，它的作用域已经确定啦，作用域链也已经确定啦
   

   >>> name = 'alex'
   
   ＃ 这是 f1()是作用域，它是一个内部的作用域
   >>> def f1():
   ...     print(name)
   ... 
   
   # 这是 f2()是作用域
   >>> def f2():
   ...     name = 'eric'
   ...     f1()
   ... 
   
   >>> f2()
   alex

   >>> name = 'alex'
   
   ＃ 这是 f1()是作用域，它是一个内部的作用域
   >>> def f1():
   ...     print(name)
   ... 
   
   # 这是 f2()是作用域
   >>> def f2():
   ...     name = 'eric'
   ...     return f1
   ... 
   
   >>> ret = f2()
   >>> ret() # 这相当于运行 f1()
   alex

4. For 循环，然后把每一个元素都加1，最后生成一个列表
   

   # 它会执行一个 For 循环，然后把每一个元素都加1，最后生成一个列表
   
   li = [x+1 for x in range(10) if x > 6]
   print(li)

   >>> li2 = [lambda :x for x in range(10)]
   >>> ret = li2[0]()
   >>> print(ret)
   9

   >>> li = []
   >>> for i in range(10):
   ...     def f1(x=i):
   ...        return x
   ...     
   ...     li.append(f1)
   ... 
   >>> print(li[0]())
   0
   >>> print(li[1]())
   1
   >>> print(li[2]())
   2

     

socketserver 源码

图片来源在此

 

IO操作就是输入输出，其实它不会一直占用 CPU 的，这个IO多路复用目的是在管理IO操作，用来监听socket 对象的内部是否变化了，如果有一个机制可以同时监听多个客户端的连接，就可以实现接受多连接，IO多路复用主要是用 select, poll 和 epoll 来实现这个功能。

Socket内部什么时候会有变化？

当连接或者是收发消息的时候，socket 内部会产生变化，当客户端连接服务器端时，服务器端接收的一刻 e.g. conn, addrs = sk.accept( )。它的 socket 对象就会产生变化，如果服务器端的socket对象发生变化，代表有新连接进来了，然后会创建一个新的 socket 对象。

 

select 模块 

调用 select 模块中的方法来实现IO多路复用

rlist, wlist, e = select.select(inputs,outputs,[],1)

xxxxxx

#!/usr/bin/env python
# -*- coding: utf-8 -*-
# Author: Janice Cheng

import socket
import select

#select 中有一个功能就是用来监听socket 对象的内部是否变化了

sk = socket.socket()
sk.bind(("127.0.0.1",8088,))
sk.listen(5)

# 这个 input 可以是 sk,或者是接受 message
inputs = [sk,]
outputs = []
message = {}
#message = {
#   Janice: [message1, message2]
#}

while True:
    # 监听 sk(服务器端)对象，如果sk发生变化，表示有客户端来连接了，此时 rlist值为[sk]
    # 监听 conn 对象，如果conn发生变化，表示客户端有新消息发送过来了，此时 rlist值为[客户端]

    # 第一个参数: select会监听sk，判断是否有新连接，有的话就会新增到 rlist，它获取的就是 socket 的对象列表
    # 第二个参数: wlist 有所有给我发过消息的人
    # 第三个参数: 是一个错误列表
    # 第四个参数: 是超时时间

    rlist, wlist, elist = select.select(inputs,outputs,[],1)

    print(len(inputs),len(rlist), len(wlist), len(outputs))

    for r in rlist:

        if r == sk: # 因为只有 sk 才有 sk.accept()方法
            # 新客户端来连接
            conn, addr = r.accept() # 接受一个客户端的连接
            #conn是什么? 其实也是一个 socket 对象
            inputs.append(conn) #添加到 inputs 那个列表中 [sk,sk1]
            message[conn] = []
            conn.sendall(bytes('Hello client-side', encoding='utf-8'))
        else:
            # 接受消息
            # 不是 sk 而且能加入 rlist，就表示有人给我发消息
            print("=========")

            try:
                ret = r.recv(1024)
                # r.sendall(ret)
                if not ret:
                    raise Exception("断开连接")
                else:
                    outputs.append(r)
                    message[r].append(ret)

            except Exception as e:

                inputs.remove(r)
                del message[r]


    # wlist 有所有给我发过消息的人
    for w in wlist:
        msg = message[w].pop()
        resp = bytes("response: ",encoding = 'utf-8') + msg

        w.sendall(resp)
        outputs.remove(w)


sk.close()

#!/usr/bin/env python
# -*- coding: utf-8 -*-
# Author: Janice Cheng


import socket

sk=socket.socket()
sk.connect(("127.0.0.1",8088,))

data = sk.recv(1024)
print(data.decode())

while True:

    inp = input(">>> ")

    if inp == 'q': break

    sk.sendall(bytes(inp,encoding='utf-8'))
    print(sk.recv(1024))

sk.close()

 

 

 

 

用到了IO多路复用：监听 socket 内部是否变化，在它连接 conn.accept( ) 或者是收发消息 conn.sendall( )/ conn.recv(1024) 的时候，内部会产生变化

多线程、多进程、协程

rlist 中获取的就是 socket的对象列表

 

线程的介绍和操作实战

什么是多线程

线程就是程序执行时的基本单位，我们平常写的一些脚本一般都是单线程单进程的应用程序，一个应用程序其实可以创建多条线程，以達到提高程序运行的并发度，就可以有更高的效率。在 Python 世界裡有一個叫全区解释器锁 GIL，如果你要占用 CPU 的话，默应每次只能用一个线程去处理。

什么情况下用多线程，和多进程会发挥最大的效果?

一个应用程序可以有多线程和多进程，目的在于让CPU 能充份地运用，在Python 里有一个叫GIL，全区解释器锁，如果不用CPU 的话，在Python 就可以实现并发执行，因为IO 操作不占用CPU，一般用多线程；对于计算性操作一些需要占用CPU的，一般会使用多进程来提高并发。 

创建线程有两种方法：

• 创建 threading.Thread( ) 方法
  

  t=threading.Thread(target=f1, args=(123,))
  t.start()

• 自定义 MyThread,继承者threading.Thread( )
  

  class MyThread(threading.Thread):
  
      def __init__(self, target, args):
          self.target = target
          self.args = args
          super(MyThread,self).__init__()
  
      def run(self):
          self.target(self.args)
  
  
  def f2(args):
      print(args)
  
  
  obj = MyThread(target=f2, args=(123,))
  obj.start()

线程其他方法：

创建了 t = threading.Thread( )对象之后,可以使用一些方法根据你的逻辑，设计线程的调度。

1. t.setDaemon( ):
2. t.join(n):

import time


def f1():
    time.sleep(2)
    print('f1')


import threading
t = threading.Thread(target=f1) # 创建子线程
t.setDaemon(True) # True 表示主线程不等子线程，直接运行主线程的程序完毕就终止
t.start()

t.join() # 它会先等子线程执行完毕，再运下它下面的代码，表不主线程到此等待，直到子线程执行完毕
t.join(2) # 参数表主线程在此最多等待n秒

print('end')

线程锁

什么是线程锁，线程锁就是锁定程序，当它被处理的时候，去确保只有一个线程在运理程序，这是用来确保数据一致性。有什麼作用呢？

import threading
import time

NUM = 10

def func():
    global NUM
    NUM -= 1

    time.sleep(1)
    print(NUM)

for i in range(10):
    t = threading.Thread(target=func)
    t.start()

线程锁有以下几种：

1. threading.Lock( ): 同一时刻只有一个线程来操作，它只能有一把锁。
   

   import threading
   import time
   
   NUM = 10
   
   def func(l):
       global NUM
       l.acquire() # 上锁
       NUM -= 1
       time.sleep(1)
       print(NUM)
       l.release() # 开锁
   
   lock = threading.Lock() # 只能锁一次
   
   for i in range(10):
       t = threading.Thread(target=func, args=(lock,))
       t.start()

2. threading.RLock( )：可以允许多层锁的嵌套。
   

   import threading
   import time
   
   NUM = 10
   
   def func(l):
       global NUM
       l.acquire() # 上锁
       NUM -= 1
       l.acquire()  # 上锁
   
       l.release() # 开锁
       time.sleep(1)
       print(NUM)
       l.release() # 开锁
   
   lock = threading.RLock() # 多层锁的嵌套
   
   for i in range(10):
       t = threading.Thread(target=func, args=(lock,))
       t.start()

3. threading.BoundedSemaphore(n)：信号量，允许一定数目(n)的线程同时执行
   

   import threading
   import time
   
   NUM = 10
   
   def func(i, l):
       global NUM
       l.acquire() # 上锁
       NUM -= 1
       time.sleep(1)
       print(NUM, i)
       l.release() # 开锁
   
   lock = threading.BoundedSemaphore(2) # 每次只放 X 個
   
   for i in range(10):
       t = threading.Thread(target=func, args=(i, lock,))
       t.start()

4. threading.Event( )：事件，批量将所有线程都挡住，这里要注意3个方法：event.wait( )、event.clear( ) 和 event.set( )
   

   event.wait( ) #检查当前是什么灯，默应是红灯
   event.clear() #主动设置成红灯
   event.set() #主动设置成绿灯

   import threading
   
   def func(i,e):
       print(i)
       e.wait() # 检查当前是什么颜色的灯: 如果是红灯，停; 如果是绿灯，行。默应Flag是False 表示是 红灯
       print(i + 100)
   
   event = threading.Event()
   
   for i in range(10):
       t = threading.Thread(target=func, args=(i,event))
       t.start()
   
   
   event.clear() # 设置成红灯
   
   inp = input(">>> ")
   if inp == '1':
       event.set() # 设置成绿灯

5. threading.Condition( )：满足自定义条件后，可以放出一条线程。
   

   import threading
   
   def func(i, con):
       print(i)
       con.acquire()  #上条件锁
       con.wait()
       print(i+100)
       con.release() #开锁
   
   c = threading.Condition()
   
   for i in range(10):
       t = threading.Thread(target=func, args=(i,c))
       t.start()
   
   while True:
       inp = input(">>> ")
   
       if inp == 'q':
           break
       else:
           c.acquire() #上锁
           c.notify(int(inp)) # 放出多少数据
           c.release() #开锁

   import threading
   
   
   def condition():
       ret = False
       r = input(">>> ")
   
       if r:
           ret = 'True'
       else:
           ret = 'False'
   
       return ret
   
   
   def func(i, con):
       print(i)
       con.acquire()  #上锁
       con.wait_for(condition)
       print(i+100)
       con.release() #开锁
   
   c = threading.Condition()
   
   
   for i in range(10):
       t = threading.Thread(target=func, args=(i,c))
       t.start()

6. threading.Timer( )：
   

   import threading
   
   def hello():
       print("hello world")
   
   t = threading.Timer(1, hello)
   t.start() # 一秒之后 hello world 就会打印出来

    

自定义线程池

线程其实不是愈多愈好，必需跟据系统的 CPU 的个数来定的。线程池的概念是需要维护一个池，可以允许特定人数的人来连接，如果已经到达线程池的上限的话，其他的运接就必需等待着，等到有空闲的线程才可以连接，就像排队一样。

什么是线程池，又有什么用呢?

 

自定义线程池有以下几个元素：

• 一个容器
• 取一个少一个
• 无线程时必须等待
• 线程执行完毕,交还线程

#!/usr/bin/env python
# -*- coding: utf-8 -*-
# Author: Janice Cheng

import queue
import threading
import time


class ThreadPool:

    def __init__(self, maxsize):
        self.maxsize = maxsize
        self._q = queue.Queue(maxsize)

        for i in range(maxsize):
            self._q.put(threading.Thread) # 添加threading.Thread的类到消息对列中

    def get_thread(self):
        return self._q.get() # 获取一个类

    def add_thread(self):
        self._q.put(threading.Thread) # 新增一个threading.Thread

pool = ThreadPool(5)
# 添加5个 threading.Thread 的类
# [threading.Thread,threading.Thread,threading.Thread,threading.Thread,threading.Thread]

def task(arg,p):
    print(arg)
    time.sleep(1)
    p.add_thread()

# 假设有100个任务
for i in range(100):
    # threading.Thread 类
    t = pool.get_thread()

    obj = t(target=task, args=(i,pool,)) #threading.Thread(target=func, args=(i,c))
    obj.start()

#!/usr/bin/env python
# -*- coding:utf-8 -*-

import queue
import threading
import contextlib
import time

StopEvent = object()


class ThreadPool(object):

    def __init__(self, max_num, max_task_num = None):
        if max_task_num:
            self.q = queue.Queue(max_task_num)
        else:
            self.q = queue.Queue()
        self.max_num = max_num
        self.cancel = False
        self.terminal = False
        self.generate_list = []
        self.free_list = []

    def run(self, func, args, callback=None):
        """
        线程池执行一个任务
        :param func: 任务函数
        :param args: 任务函数所需参数
        :param callback: 任务执行失败或成功后执行的回调函数，回调函数有两个参数1、任务函数执行状态；2、任务函数返回值（默认为None，即：不执行回调函数）
        :return: 如果线程池已经终止，则返回True否则None
        """
        if self.cancel:
            return
        if len(self.free_list) == 0 and len(self.generate_list) < self.max_num:
            self.generate_thread()
        w = (func, args, callback,)
        self.q.put(w)

    def generate_thread(self):
        """
        创建一个线程
        """
        t = threading.Thread(target=self.call)
        t.start()

    def call(self):
        """
        循环去获取任务函数并执行任务函数
        """
        current_thread = threading.currentThread()
        self.generate_list.append(current_thread)

        event = self.q.get()
        while event != StopEvent:

            func, arguments, callback = event
            try:
                result = func(*arguments)
                success = True
            except Exception as e:
                success = False
                result = None

            if callback is not None:
                try:
                    callback(success, result)
                except Exception as e:
                    pass

            with self.worker_state(self.free_list, current_thread):
                if self.terminal:
                    event = StopEvent
                else:
                    event = self.q.get()
        else:

            self.generate_list.remove(current_thread)

    def close(self):
        """
        执行完所有的任务后，所有线程停止
        """
        self.cancel = True
        full_size = len(self.generate_list)
        while full_size:
            self.q.put(StopEvent)
            full_size -= 1

    def terminate(self):
        """
        无论是否还有任务，终止线程
        """
        self.terminal = True

        while self.generate_list:
            self.q.put(StopEvent)

        self.q.queue.clear()

    @contextlib.contextmanager
    def worker_state(self, state_list, worker_thread):
        """
        用于记录线程中正在等待的线程数
        """
        state_list.append(worker_thread)
        try:
            yield
        finally:
            state_list.remove(worker_thread)



# How to use


pool = ThreadPool(5)

def callback(status, result):
    # status, execute action status
    # result, execute action return value
    pass


def action(i):
    print(i)

for i in range(30):
    ret = pool.run(action, (i,), callback)

time.sleep(5)
print(len(pool.generate_list), len(pool.free_list))
print(len(pool.generate_list), len(pool.free_list))
# pool.close()
# pool.terminate()

 

  

进程的介绍和操作实战

GIL 的存在使得 Python 中的多线程无法充分利用多核的优势来提高性能，因而提出了多进程来解决这个问题

每个进程里都有自己的内存空间，而且数据默应是不会共享的

 

 

基本使用

 

 

 

进程锁

进程锁跟线程锁也是一样的

from multiprocessing import Process
from multiprocessing import Array
from multiprocessing import RLock,Lock,Event,Condition

import time

def foo(i,lis, lc):
    lc.acquire()
    lis[0] = lis[0] - 1
    time.sleep(1)
    print('say hi',lis[0])
    lc.release()

if __name__=='__main__':

    li = Array('i',10)
    li[0] = 10
    lock = RLock()
    for i in range(10):
        p = Process(target=foo, args=(i,li,lock,))
        p.start()

 

 

 

默应数据不共享

如何让进程之间的数据可以共享？

1. 对列的方式：queues.Queue
   
2. 数组的方式：Array
   

   from multiprocessing import Process
   from multiprocessing import queues
   import multiprocessing
   from multiprocessing import Array
   
   
   def foo(i,arg):
       arg[i] = i + 100
       for item in arg:
           print(item)
       print("=============")
   
   if __name__=='__main__':
   
       li = Array('i',10)
   
       for i in range(10):
           p = Process(target=foo, args=(i,li,))
           #p.daemon=True
           p.start()
           #p.join()

3. 创建对象的方式：Manager( ) 

 

进程池

线程的生命周期分为 5 个状态：创建、就绪、运行、阻塞和终止、自线程创建到终止，线程便不断在就绪、运行和阻塞这三个状态之间转换直至销毁。而真正占有 CPU 的只有创建、运行和销毁这3个状态。一个线程的运行时间可以分为3部分

• 线程的启动时间 (Ts)
• 线程体的运行的时间 (Tr)
• 线程的销毁时间 (Td)

在多线程处理的场境下，如果线程不能被重用，就意味著每次创建都需要经过启动、运行和销毁这3个过程，这必然会增加系统的相应时间，降底效率。

#!/usr/bin/env python
# -*- coding: utf-8 -*-
# Author: Janice Cheng

from multiprocessing import Pool
import time


def f1(arg):
    time.sleep(1)
    print(arg)


if __name__=='__main__':
    pool = Pool(5) # 最多有5个进程的进程池

    for i in range(30): # 创建30个任务
        # pool.apply(func=f1, args=(i,)) # 到进程池拿一个进程来进行穿形的操作处理数据
        pool.apply_async(func=f1, args=(i,))


    # pool.close() # 必须等待所有任务执行完毕才会终止程序。
    time.sleep(1)
    pool.terminate() # 立即终止程序，程序一遇到 terminate()就会立即终止程序。
    # pool.join() # 状态必须是CLOSE, TERMINATE,如果不是就会报错。assert self._state in (CLOSE, TERMINATE)

    print('end')

 

 

 

 

 

协程的介绍和操作实战

协程的原理是利用一个线程，分解一个线程成为多个微线程，这是程序级别做的，它更适合于 IO操作。

1. greenlet
   

   from greenlet import greenlet
   # 通过 greenlet 可以控制一下线程，让它先执行一个再执行下一个，
   
   def test1():
       print('------12-------')
       gr2.switch() # 转换并执行一下对象 gr2
       print('------34-------')
       gr2.switch() # 转换并执行一下对象 gr2
   
   
   def test2():
       print('------56-------')
       gr1.switch() # 转换并执行一下对象 gr1
       print('------78-------')
   
   
   
   gr1=greenlet(test1)
   gr2=greenlet(test2)
   
   gr1.switch() # 转换并执行一下对象 gr1
   
   """
   ------12-------
   ------56-------
   ------34-------
   ------78-------
   """

2. gevent
   

   import gevent
   
   def foo():
       print("Running foo")
       gevent.sleep(0)
       print("Explicit context switch to foo again!")
   
   
   def bar():
       print("Running bar")
       gevent.sleep(0)
       print("Explicit context switch back to bar")
   
   gevent.joinall([
       gevent.spawn(foo),
       gevent.spawn(bar)
   ])
   
   """
   Running foo
   Running bar
   Explicit context switch to foo again!
   Explicit context switch back to bar
   """

3. xxxxx

 

 

 

 

 

 

 

 

本周作业

 

 

 

day10作业

 

參考資料

[1] 银角大王：Python之路【第六篇】：socket

[2] 银角大王：Python之路【第七篇】：线程、进程和协程

[3] 银角大王：Python之路 线程池参考例子

[4] 金角大王：

[5] Python的GIL是什么鬼，多线程性能究竟如何

[6] Parallelism in one line