铁乐学python_Day43_协程
铁乐学python_Day43_协程
引子
之前我们学习了线程、进程的概念,了解了在操作系统中进程是资源分配的最小单位,线程是CPU调度的最小单位。
按道理来说我们已经算是把cpu的利用率提高很多了。
但是我们知道无论是创建多进程还是创建多线程来解决问题,
都要消耗一定的时间来创建进程、创建线程、以及管理他们之间的切换。
随着我们对于效率的追求不断提高,基于单线程来实现并发又成为一个新的课题,
即只用一个主线程(很明显可利用的cpu只有一个)情况下实现并发。
这样就可以节省创建线进程所消耗的时间。
为此我们需要先回顾下并发的本质:切换+保存状态
cpu正在运行一个任务,会在两种情况下切走去执行其他的任务(切换由操作系统强制控制),
一种情况是该任务发生了阻塞,另外一种情况是该任务计算的时间过长。
ps:在介绍进程理论时,提及进程的三种执行状态,而线程才是执行单位,所以也可以将上图理解为线程的三种状态。
运行、阻塞、就緒。
1、进程在运行状态下遇到io之类等待输入而进入阻塞状态;
2、调度程序选择另一个就緒状态中的进程;
3、调度程序选择就緒的进程转到运行状态;
4、之前阻塞状态下的进程出现有效输入后切换到就緒状态,而不能马上进入运行状态。
一:其中第二种情况并不能提升效率,只是为了让cpu能够雨露均沾,实现看起来所有任务都被“同时”执行的效果,
如果多个任务都是纯计算的,这种切换反而会降低效率。
二: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。
为此我们可以基于yield来验证。
yield本身就是一种在单线程下可以保存任务运行状态的方法,我们来简单复习一下:
1、yiled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,但是yield是代码级别控制的,更轻量级。
2、send可以把一个函数的结果传给另外一个函数,以此实现单线程内程序之间的切换。
单纯的反复切换反而会降低运行效率
例:串行执行
import time
def consumer(res):
'''任务1:接收数据,处理数据'''
for i in res: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
# consumer(producer()) 测试了一下这种写法结果是1.4720840454101562
stop = time.time()
print(stop - start) # 1.3470771312713623
例2: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)
# send之前至少next一次生成器激活状态,因为初始的生成器是还没有值的。
for i in range(10000000):
g.send(i)
# send()的两个功能:1.传值;2.next(),赋值给x的同时执行下一个yield,来回切换。
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) # 1.436082124710083
对比以上两例可得知单纯的反复切换反而会降低运行效率。
因为还得花费时间记住当前执行的状态,生成器相比直接串行运行,
是用时间换取了空间!
yield无法做到遇到io阻塞就切到该线程内的其他任务去执行。
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状态,
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。
协程介绍
协程:是单线程下的并发,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,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)
对比操作系统控制线程的切换,用户在单线程内控制协程的切换优点如下:
- 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。
- 单线程内就可以实现并发的效果,最大限度地利用cpu。
缺点如下:
-
协程的本质是单线程下,无法利用多核。
想要利用起多核,可以在一个程序开启多个进程,每个进程内开启多个线程,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。
总结协程特点:
- 只在一个单线程里实现并发。
- 修改共享数据不需加锁。(实际上是同步的)
- 用户程序里自己保存多个控制流的上下文栈。
- 冻结当前程序/任务的执行状态。
- 可以规避IO操作的时间。
补充:
协程并不是实际存在的实体,它的本质就是一个线程的多个部分。
比线程的单位更小 —— 微线程、纤程。
在一个线程中可以开启很多协程。
在执行程序的过程中,遇到IO操作就冻结当前位置的状态,
切换去执行其他任务,在执行其他任务过程中,会不断的检测上一个冻结的任务是否IO结束,
如果IO结束了,就继续从冻结的位置开始执行。
一个线程没有遇到阻塞 —— 表示它一直在使用CPU
同一进程下多个线程 —— 只能有一个线程使用CPU
协程比线程之间的切换和线程的创建销毁所花费的时间、空间开销要小的多。
现在要做到一个协程遇到IO操作自动切换到其它协程。
那么如何实现检测IO呢?yield、greenlet都无法实现,就需要用到gevent模块(select机制))
Greenlet模块
安装 :pip3 install greenlet
greenlet不是创造协程的模块,而是在协程这个模块中用来做多个协程任务的切换的。
使用switch()方法执行切换。
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。
所以开协程是要用在io开销高的情况下来改善程序执行速度的。
例:效率对比
#顺序执行
import time
def f1():
res=1
for i in range(100000000):
res+=i
def f2():
res=1
for i in range(100000000):
res*=i
start=time.time()
f1()
f2()
stop=time.time()
print('run time is %s' %(stop-start)) #10.985628366470337
#切换
from greenlet import greenlet
import time
def f1():
res=1
for i in range(100000000):
res+=i
g2.switch()
def f2():
res=1
for i in range(100000000):
res*=i
g1.switch()
start=time.time()
g1=greenlet(f1)
g2=greenlet(f2)
g1.switch()
stop=time.time()
print('run time is %s' %(stop-start)) # 52.763017892837524
greenlet只是提供了一种比generator(生成器yiled)更加便捷的切换方式,
当切到一个任务执行时如果遇到io,那就原地阻塞,仍然是没有解决遇到IO自动切换来提升效率的问题。
单线程里的多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。
Gevent模块
安装:pip3 install 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。
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
#或者上述两步合为一步:gevent.joinall([g1,g2])
g1.value#拿到func1的返回值
例:遇到io主动切换
from gevent import monkey;monkey.patch_all()
# 它会把下面导入的所有的模块中的IO操作都打成一个包,gevent就能够认识这些IO了
import time
import gevent
from threading import currentThread
'''
使用gevent模块来执行多个函数,表示在这些函数遇到IO操作的时候可以在同一个线程中进行切换
利用其他任务的IO阻塞时间来切换到其他的任务继续执行
spawn来发布协程任务
join负责开启并等待任务执行结束
gevent本身不认识其他模块中的IO操作,
但是如果我们在导入其他模块之前执行from gevent import monkey;monkey.patch_all()
gevent就能够认识在这句话之后导入的模块中的所有IO操作了
'''
def eat():
print('eating1', currentThread())
time.sleep(1)
# 睡眠一秒,模拟IO,因为打了补丁可以识别,不然就只能用gevent.sleep来模拟。
print('eating2')
def play():
print('playing1', currentThread())
time.sleep(1)
print('playing2')
g1 = gevent.spawn(eat)
g2 = gevent.spawn(play)
g1.join()
g2.join()
运行效果:
eating1 <_DummyThread(DummyThread-1, started daemon 52428872)>
playing1 <_DummyThread(DummyThread-2, started daemon 52429640)>
eating2
playing2
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。
Dummy:仿制品,虚设的。
Gevent 同步与异步
例: gevent 异步和同步的测试
from gevent import monkey;monkey.patch_all()
import gevent
import time
def task(i):
time.sleep(0.5)
print(i)
def sync(): # 同步
for i in range(10):
task(i)
def async(): # 异步
# gevent.joinall([gevent.spawn(task, i) for i in range(10)])
# 将上面注释的一行拆解成下面的几行比较好理解,实际上一样
g_lst = []
for i in range(10):
g = gevent.spawn(task, i)
g_lst.append(g)
gevent.joinall(g_lst)
# 等同for g in g_lst:g.join()
async() # 异步,肉眼看起来很快几乎是同时出现结果了
print('-'*20)
sync() # 同步,肉眼可见结果慢慢从0到9
# 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: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.cnblogs.com/'),
gevent.spawn(get_page,'https://github.com/'),
gevent.spawn(get_page,'https://www.bilibili.com')
])
stop_time=time.time()
print('run time is %s' %(stop_time-start_time))
运行如下:
GET: https://www.python.org/
GET: https://www.cnblogs.com/
GET: https://github.com/
GET: https://www.bilibili.com
24129 bytes received from https://www.bilibili.com
40533 bytes received from https://www.cnblogs.com/
54699 bytes received from https://github.com/
48736 bytes received from https://www.python.org/
run time is 2.7811591625213623
通过gevent实现单线程下的socket并发。
注意 :from gevent import monkey;monkey.patch_all()一定要放到导入socket模块之前,否则gevent无法识别socket的阻塞。
模拟server端:
from gevent import monkey;monkey.patch_all()
import socket
import gevent
def async_talk(conn):
try:
while True:
conn.send(b'hello')
ret = conn.recv(1024)
print(ret)
finally:
conn.close()
sk = socket.socket()
sk.bind(('127.0.0.1',9000))
sk.listen()
while True:
conn,addr = sk.accept()
gevent.spawn(async_talk,conn)
sk.close()
模拟client端
import socket
from threading import Thread
def socket_client():
sk = socket.socket()
# 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,则大家共用一个套接字对象,那么客户端端口永远一样
sk.connect(('127.0.0.1',9000))
while True:
print(sk.recv(1024))
sk.send(b'bye')
sk.close()
for i in range(500):
Thread(target=socket_client).start()