并发编程(四)

并发编程(四)    >>>思维导图>>>中二青年

进程池与线程池

什么是池？在保证计算机硬件安全的情况下最大限度的利用计算机 池其实是降低了程序的运行效率 但是保证了计算机硬件的安全 (硬件的发展跟不上软件的速度)

p = ThreadPoolExecutor()创建线程池，括号内可以传参数指定线程池内的线程个数，也可以不传，不传默认是当前所在计算机的cpu个数乘5

p  = ProcessPoolExecutor()创建进程池，默认是当前计算机cpu的个数

池子中创建的进程/线程创建一次就不会再创建了，至始至终用的都是最初的那几个，这样的话节省了反复开辟进程/线程的资源

concurrent.futures 模块提供异步执行回调高层接口

    异步执行可以由 ThreadPoolExecutor 使用线程或由 ProcessPoolExecutor 使用单独的进程来实现。 两者都是实现抽像类 Executor 定义的接口。

    p.submit(fn, *args, **kwargs)朝池子提交任务，异步提交

    # 调度可调用对象 fn，以 fn(*args **kwargs) 方式执行并返回 Future 对像代表可调用对象的执行。

    p.shutdown(wait=True)关闭池子

    #等待池子中所有的任务执行完毕之后 才会往下运行代码

    ThreadPoolExecutor 是 Executor 的子类，它使用线程池来异步执行调用。

    ProcessPoolExecutor 是 Executor 的子类，它使用进程池来实现异步执行调用。 

    # ProcessPoolExecutor 使用 multiprocessing 回避 Global Interpreter Lock 但也意味着只可以处理和返回可序列化的对象。 __main__ 模块必须可以被工作者子进程导入。这意味着 ProcessPoolExecutor 不可以工作在交互式解释器中。

异步回调

提交任务的方式

    同步：提交任务之后 原地等待任务的返回结果 期间不做任何事

    异步：提交任务之后 不等待任务的返回结果(异步的结果怎么拿？？？) 直接执行下一行代码

异步回调机制:当异步提交的任务有返回结果之后，会自动触发回调函数的执行

    result()原地等待任务的返回结果

    p.submit(fn,*args, **kwargs).add_done_callback(fn)提交任务的时候 绑定一个回调函数 一旦该任务有结果 立刻执行对于的回调函数

案例

from concurrent.futures import ThreadPoolExecutor
import time
import os
 
pool = ThreadPoolExecutor(5)  # 括号内可以传参数指定线程池内的线程个数
# 也可以不传，不传默认是当前所在计算机的cpu个数乘5
 
def task(n):
    print(n,os.getpid())  # 查看当前进程号
    time.sleep(2)
    return n**2
def call_back(n):
    print('拿到了异步提交任务的返回结果:',n.result())
 
for i in range(20):
    res = pool.submit(task,i).add_done_callback(call_back)  
    # 提交任务的时候 绑定一个回调函数 一旦该任务有结果 立刻执行对于的回调函数
pool.shutdown()  # 关闭池子 等待池子中所有的任务执行完毕之后 才会往下运行代码

from concurrent.futures import ProcessPoolExecutor
import time
import os
 
pool = ProcessPoolExecutor()  # 默认是当前计算机cpu的个数
 
def task(n):
    print(n,os.getpid())  # 查看当前进程号
    time.sleep(2)
    return n**2
def call_back(n):
    print('拿到了异步提交任务的返回结果:',n.result())
 
if __name__ == '__main__':
    for i in range(20):
        res = pool.submit(task,i).add_done_callback(call_back)  
        # 提交任务的时候 绑定一个回调函数 一旦该任务有结果 立刻执行对于的回调函数
    pool.shutdown()  # 关闭池子 等待池子中所有的任务执行完毕之后 才会往下运行代码

协程

协程就是单线程实现并发

并发的条件：多道技术

    空间上的复用

    时间上的复用
        切换+保存状态(并发)ps:看起来像同时执行的 就可以称之为并发

所以要想实现协程就是需要识别到IO操作就切换并保存状态，也就是让cpu一直处于就绪与运行状态，然而不让程序使用线程与进程而实现阻塞只能通过生成器函数yield来实现阻塞。

实现上诉情况的方法一种是任务阻塞，第二种是计算时间过长，显然第二种情况进行切换不能提升效率，如果任务都是计算密集型的，这种切换反而反而会降低效率；第一种情况的切换，在任务一遇到io情况下，切到任务二去执行，这样就可以利用任务一阻塞的时间完成任务二的计算，效率的提升就在于此。

案例：单纯地切换反而会降低运行效率

# 串行执行
import time
def consumer(res):
    '''任务1:接收数据,处理数据'''
    pass
def producer():
    '''任务2:生产数据'''
    res=[]
    for i in range(10000000):
        res.append(i)
    return res
start=time.time()
# 串行执行
res=producer()
consumer(res) # 写成consumer(producer())会降低执行效率
stop=time.time()
print(stop-start) #1.5536692142486572
 
# 基于yield并发执行
import time
def consumer():
    '''任务1:接收数据,处理数据'''
    while True:
        x=yield
def producer():
    '''任务2:生产数据'''
    g=consumer()
    next(g)
    for i in range(10000000):
        g.send(i)
start=time.time()
# 基于yield保存状态,实现两个任务直接来回切换,即并发的效果
# PS:如果每个任务中都加上打印,那么明显地看到两个任务的打印是你一次我一次,即并发执行的.
producer()
stop=time.time()
print(stop-start) #2.0272178649902344

案例：yield无法做到识别io阻塞

import time
def consumer():
    '''任务1:接收数据,处理数据'''
    while True:
        x=yield
def producer():
    '''任务2:生产数据'''
    g=consumer()
    next(g)
    for i in range(10000000):
        g.send(i)
        time.sleep(2)
start=time.time()
producer() # 并发执行,但是任务producer遇到io就会阻塞住,并不会切到该线程内的其他任务去执行
stop=time.time()
print(stop-start)

这个时候需要找到一个能够识别IO的工具：gevent模块

    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。

用法介绍

g1=gevent.spawn(func,1,,2,3,x=4,y=5)创建一个协程对象g1，spawn括号内第一个参数是函数名，如eat，后面可以有多个参数，可以是位置实参或关键字实参，都是传给函数eat的
g2=gevent.spawn(func2)
g1.join()  # 等待g1结束
g2.join()  # 等待g2结束
# 或者上述两步合作一步：gevent.joinall([g1,g2])
g1.value#拿到func1的返回值

案例：遇到io主动切换

import gevent
def eat(name):
    print('%s eat 1' %name)
    gevent.sleep(2)
    print('%s eat 2' %name)
def play(name):
    print('%s play 1' %name)
    gevent.sleep(1)
    print('%s play 2' %name)
g1=gevent.spawn(eat,'egon')
g2=gevent.spawn(play,name='egon')
g1.join()
g2.join()
# 或者gevent.joinall([g1,g2])
print('主')

上例gevent.sleep(2)模拟的是gevent可以识别的io阻塞,而time.sleep(2)或其他的阻塞,gevent是不能直接识别的需要用下面一行代码,打补丁,就可以识别了

from gevent import monkey;monkey.patch_all()必须放到被打补丁者的前面，如time，socket模块之前

或者我们干脆记忆成：要用gevent，需要将from gevent import monkey;monkey.patch_all()放到文件的开头

from gevent import monkey;monkey.patch_all()
import gevent
import time
def eat():
    print('eat food 1')
    time.sleep(2)
    print('eat food 2')
def play():
    print('play 1')
    time.sleep(1)
    print('play 2')
g1=gevent.spawn(eat)
g2=gevent.spawn(play)
gevent.joinall([g1,g2])
print('主')

我们可以用threading.current_thread().getName()来查看每个g1和g2，查看的结果为DummyThread-n，即假线程

from gevent import monkey;monkey.patch_all()
import threading
import gevent
import time
def eat():
    print(threading.current_thread().getName())
    print('eat food 1')
    time.sleep(2)
    print('eat food 2')
def play():
    print(threading.current_thread().getName())
    print('play 1')
    time.sleep(1)
    print('play 2')
g1=gevent.spawn(eat)
g2=gevent.spawn(play)
gevent.joinall([g1,g2])
print('主')

Gevent之同步与异步

from gevent import spawn,joinall,monkey;monkey.patch_all()
import time
def task(pid):
    """
    Some non-deterministic task
    """
    time.sleep(0.5)
    print('Task %s done' % pid)
def synchronous():  # 同步
    for i in range(10):
        task(i)
def asynchronous(): # 异步
    g_l=[spawn(task,i) for i in range(10)]
    joinall(g_l)
    print('DONE')
    
if __name__ == '__main__':
    print('Synchronous:')
    synchronous()
    print('Asynchronous:')
    asynchronous()
#  上面程序的重要部分是将task函数封装到Greenlet内部线程的gevent.spawn。
#  初始化的greenlet列表存放在数组threads中，此数组被传给gevent.joinall 函数，
#  后者阻塞当前流程，并执行所有给定的greenlet任务。执行流程只会在 所有greenlet执行完后才会继续向下走。

协程应用一：爬虫

from gevent import monkey;monkey.patch_all()
import gevent
import requests
import time
def get_page(url):
    print('GET: %s' %url)
    response=requests.get(url)
    if response.status_code == 200:
        print('%d bytes received from %s' %(len(response.text),url))
start_time=time.time()
gevent.joinall([
    gevent.spawn(get_page,'https://www.python.org/'),
    gevent.spawn(get_page,'https://www.yahoo.com/'),
    gevent.spawn(get_page,'https://github.com/'),
])
stop_time=time.time()
print('run time is %s' %(stop_time-start_time))

协程应用二：通过gevent单线程下socket并发

from gevent import monkey;monkey.patch_all()
from socket import *
import gevent
# 如果不想用money.patch_all()打补丁,可以用gevent自带的socket
# from gevent import socket
# s=socket.socket()
def server(server_ip,port):
    s=socket(AF_INET,SOCK_STREAM)
    s.setsockopt(SOL_SOCKET,SO_REUSEADDR,1)
    s.bind((server_ip,port))
    s.listen(5)
    while True:
        conn,addr=s.accept()
        gevent.spawn(talk,conn,addr)
def talk(conn,addr):
    try:
        while True:
            res=conn.recv(1024)
            print('client %s:%s msg: %s' %(addr[0],addr[1],res))
            conn.send(res.upper())
    except Exception as e:
        print(e)
    finally:
        conn.close()
if __name__ == '__main__':
    server('127.0.0.1',8080)

from socket import *
client=socket(AF_INET,SOCK_STREAM)
client.connect(('127.0.0.1',8080))
while True:
    msg=input('>>: ').strip()
    if not msg:continue
    client.send(msg.encode('utf-8'))
    msg=client.recv(1024)
    print(msg.decode('utf-8'))

from threading import Thread
from socket import *
import threading
def client(server_ip,port):
    c=socket(AF_INET,SOCK_STREAM) # 套接字对象一定要加到函数内，即局部名称空间内，放在函数外则被所有线程共享，则大家公用一个套接字对象，那么客户端端口永远一样了
    c.connect((server_ip,port))
    count=0
    while True:
        c.send(('%s say hello %s' %(threading.current_thread().getName(),count)).encode('utf-8'))
        msg=c.recv(1024)
        print(msg.decode('utf-8'))
        count+=1
if __name__ == '__main__':
    for i in range(500):
        t=Thread(target=client,args=('127.0.0.1',8080))
        t.start()

END