协程理论

合集 - 网络编程(18)

1.网络编程2024-01-172.socket2024-01-173.并发编程2024-01-174.多进程理论2024-01-175.多进程操作2024-01-176.粘包2024-01-177.进程间通信（队列和生产消费模型）2024-01-258.进程间的通信（管道）2024-01-259.GIL锁2024-01-2510.queue2024-01-2511.进程池和线程池2024-01-2512.守护线程2024-01-2513.死锁和递归锁2024-01-2514.线程互斥锁2024-01-25

15.协程理论2024-01-25

16.协程操作2024-01-2517.IO模型2024-01-2518.信号量和事件2024-01-25

收起

（一）基于单线程来实现并发

（0）并发的本质

• 基于单线程实现并发

  • 即只用一个主线程（可利用的cpu只有一个）的情况下实现并发
  • 并发的本质：
    • 切换+保存状态

• cpu正在运行一个任务

  • 会在两种情况下去执行其他的任务
    • 一：发生了IO阻塞
    • 二：该任务的计算事件过长或者有一个优先级更高的任务代替了它

  进程中的三种执行状态，也可以理解为线程的三种状态

（1）yield关键字

• 第二种情况

  • 任务执行的时间过长或有优先级更改的程序出现代替了它

• 这种情况并不能提高效率

• 只是为了让cpu能够雨露均沾

• 如果多个任务都是纯计算的，那么这种切换反而会降低效率

• yield关键字 本来就是一种在单线程下可以保存任务运行状态的方法

  • yield可以保存状态
    • yield的状态保存与操作系统的保存线程状态很像，到那时yield是代码级别控制的，更轻量级
    • send可以把一个函数的结果传给另一个函数
    • 以此来实现单线程内的程序之间的切换

• 单纯的切换反而会降低效率

（1）串行执行

import time


def func1():
    for i in range(10000000):
        i + 1


def func2():
    for i in range(10000000):
        i + 1


start = time.time()
func1()
func2()
stop = time.time()
print(stop - start)

（2）基于yield并发执行

import time
def func1():
    while True:
        yield

def func2():
    g = func1()
    for i in range(10000000):
        i+1
        next(g)

start=time.time()
func2()
stop=time.time()
print(stop-start)

（2）实现遇到IO自动切换

• 第一张情况遇到IO切换
• 任务一遇到IO，切换到任务二去执行，这样就可以利用任务一阻塞的时间完成任务二的计算

• yield不能检测IO
  • 实现遇到IO自动切换

import time


def func1():
    while True:
        print('func1')
        yield


def func2():
    g = func1()
    for i in range(5):
        i + 1
        next(g)
        time.sleep(3)
        print('func2')


start = time.time()
func2()
stop = time.time()
print(stop - start)

• 对于单线程下，我们不可避免程序中出现IO操作，但如果我们能在自己的程序中（即用户程序级别，而非操作系统级别）控制单线程下的多个任务能在一个任务遇到io阻塞时就切换到另外一个任务去计算，这样就保证了该线程能够最大限度地处于就绪态，即随时都可以被cpu执行的状态，相当于我们在用户程序级别将自己的IO操作最大限度地隐藏起来，从而可以迷惑操作系统，让其看到：该线程好像是一直在计算，IO比较少，从而更多的将cpu的执行权限分配给我们的线程。

• 协程的本质就是在单线程下：
  • 由用户自己控制一个任务遇到IO阻塞了就切换到另外一个任务去执行，以此来提升效率
• 为了实现它，我们需要找寻一种可以同时满足以下条件的解决方案：
  • 可以控制多个任务之间的切换，切换之前将任务的状态保存下来，以便重新运行时，可以基于暂停的位置继续执行。
  • 作为1的补充：可以检测IO操作，在遇到IO操作的情况下才发生切换

（二）协程介绍

（1）什么是协程

• 协程：就是单线程下的并发，又称微线程，纤程。英文名Coroutine

• 协程是一种用户态的轻量级线程，即协程是由用户程序自己控制调度的

• 需要强调的是：

  • python的线程属于内核级别的，即由操作系统控制调度（如单线程遇到io或执行时间过长就会被迫交出cpu执行权限，切换其他线程运行）
  • 单线程内开启协程，一旦遇到io，就会从应用程序级别（而非操作系统）控制切换，以此来提升效率（！！！非io操作的切换与效率无关）

（2）优点

• 协程的切换开销更小，属于程序级别的切换，操作系统完全感知不到，因而更加轻量级
• 单线程内就能实现并发的效果，最大限度的利用CPU
• 应用程序级别速度要远远高于操作系统的切换速度

（3）缺点

• 协程的本质是单线程下，无法利用多核优势，可以是一个程序开启多个进程，每个进程开启多个线程，每个线程内开启协程
• 协程指的是单个线程，因而一旦协程出现阻塞，将会阻塞整个线程（多个任务一旦有一个阻塞没有切，整个线程都阻塞在原地，该线程内的其他得任务都不能执行）

（4）总结

• 必须在一个线程内实现并发
• 修改共享数据不需要加锁
• 用户程序里自己保存多个控制流得上下文栈
• 一个协程遇到IO操作自动切换到其他协程（如何实现检测IO，yield、greenlet都无法实现，就用到了Gevent模块（select机制）

（三）Greenlet模块

• 如果单线程内有20个任务
  • 要想实现多个任务之间切换
  • 使用yield过于麻烦（首先得到生成器，然后调用next）
  • greenlet模块可以非常简单得实现二十个任务得之间切换

（1）安装

• pip install greenlet

（2）使用

"""greenlet"""
# 导入模块
from greenlet import greenlet
def eat(name):
    print('%s eat 1' % name)
    g2.switch('uuuuu')
    print('%s eat 2' % name)
    g2.switch()
def play(name):
    print('%s play 1' % name)
    g1.switch()
    print('%s play 2' % name)
# 创建对象
g1 = greenlet(eat)
g2 = greenlet(play)
# 可以在第一次switch时传入参数，以后都不需要
g1.switch('sssss')
# sssss eat 1
# uuuuu play 1
# sssss eat 2
# uuuuu play 2

• 单纯的切换（在没有io的情况下或者没有重复开辟内存空间的操作），反而会降低程序的执行速度

（3）小结

• greenlet只是提高了一种相对于yield更加快捷得切换方式
  • 当切换遇到一个任务时，如果遇到IO
  • 那就原地阻塞，仍没有解决遇到IO切换提高效率得问题
• 单线程里的这20个任务的代码通常会既有计算操作又有阻塞操作
  • 我们完全可以在执行任务1时遇到阻塞
  • 就利用阻塞的时间去执行任务2。。。。
  • 如此，才能提高效率，这就用到了Gevent模块。

（四）Gevent模块

• Gevent 是一个第三方模块
• 可以轻松得通过Gevent实现并发同步或异步编程
• 在gevent中用到的主要模式是Gevent
• 它是以C扩展模块形式接入Python得轻量级协程
• Greenlet全部运行在主程序操作系统进程得内部，但他们被协作式地调度

（1）安装

• pip install gevent

（2）使用

"""gevent"""
# 导入模块
import gevent


def func(*args, **kwargs):
    print(args)  # (1, 2, 3)
    print(kwargs)  # {'x': 4, 'y': 5}
    return 'ok'
def func2():
    ...
# 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
g1 = gevent.spawn(func, 1, 2, 3, x=4, y=5)
# 创建一个协程对象g2
g2 = gevent.spawn(func2)
g1.join()  # 等待g1结束
g2.join()  # 等待g2结束

（3）遇到IO自动切换任务

gevent.sleep（2）模拟的是gevent可以识别的io阻塞

# 导入模块
import gevent
def func1(name):
    print("哈哈")
    gevent.sleep(2)
    print("哈哈1")
def func2(name):
    print("嘿嘿")
    gevent.sleep(2)
    print("嘿嘿1")
## 创建一个协程对象g1，spawn括号内第一个参数是函数名，func1，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func1的
f1=gevent.spawn(func1,'ss')
f2=gevent.spawn(func2,'uu')
f1.join()
f2.join()
print("主线程")
# 哈哈
# 嘿嘿
# 哈哈1
# 嘿嘿1
# 主线程

（4）其他IO

• 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

import gevent
from gevent import monkey;monkey.patch_all()
def func1(name):
    print("哈哈")
    time.sleep(2)
    print("哈哈1")
def func2(name):
    print("嘿嘿")
    time.sleep(2)
    print("嘿嘿1")
# 创建gevent对象
f1=gevent.spawn(func1,'ss')
f2=gevent.spawn(func2,'uu')
f1.join()
f2.join()
print("主线程")

# 哈哈
# 嘿嘿
# 哈哈1
# 嘿嘿1
# 主线程

（5）gevent之同步与异步

from gevent import spawn, joinall, monkey

monkey.patch_all()

import time


def timer(func):
    def inner(*args, **kwargs):
        start = time.time()
        res = func(*args, **kwargs)
        print(f'当前程序 {func.__name__} 总耗时 :>>>> {time.time() - start} s')
        return res

    return inner


def task(pid):
    """
    Some non-deterministic task
    """
    time.sleep(0.5)
    print('Task %s done' % pid)


@timer
def synchronous():
    for i in range(10):
        task(i)


@timer
def asynchronous():
    g_l = [spawn(task, i) for i in range(10)]
    joinall(g_l)


if __name__ == '__main__':
    print('Synchronous:')
    synchronous()

    print('Asynchronous:')
    asynchronous()

    # Synchronous:
    # Task 0 done
    # Task 1 done
    # Task 2 done
    # Task 3 done
    # Task 4 done
    # Task 5 done
    # Task 6 done
    # Task 7 done
    # Task 8 done
    # Task 9 done
    # 当前程序 synchronous 总耗时 :>>>> 5.034381151199341 s
    # Asynchronous:
    # Task 0 done
    # Task 1 done
    # Task 2 done
    # Task 3 done
    # Task 4 done
    # Task 5 done
    # Task 6 done
    # Task 7 done
    # Task 8 done
    # Task 9 done
    # 当前程序 asynchronous 总耗时 :>>>> 0.504889726638794 s

# 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。
# 执行流程只会在 所有greenlet执行完后才会继续向下走。