Python中同步与异步编程
1）同步、异步
函数或方法被调用的时候，调用者是否得到最终的结果。
直接得到最终结果的结果，就是同步调用。（打饭模型，打饭不打好不走开，直到打饭给我后才离开）
不直接得到的最终的结果，就是异步调用。（打饭，不会一直等着，会时不时的过来看看，打完了把饭拿走，异步不保证多长时间打完了饭）
2）阻塞、非阻塞：
函数或方法调用的时候，是否立即返回。
立即返回就是非阻塞调用。
不立即返回就是阻塞调用。
3）区别：
同步、异步，与阻塞、非阻塞不相关。
同步、异步强调的是结果。
阻塞和非阻塞强调的是时间，是否等待。
同步与异步区别在于：调用者是否得到了想要的最终结果。
同步就是一直要执行到返回最终结果。
异步就是直接返回了，但是返回的不是最终的结果，调用者不能通过这种调用得到结果，还要通过被调用者，使用其他方式通知调用者，来取回最终结果。
阻塞与非阻塞的区别在于，调用者是否还能干其他的事情。
阻塞，调用者只能干等。
非阻塞，调用者可以先忙一会别的，不用一直等。
4）联系：
同步阻塞：调用者阻塞，直到等到拿到最终结果。（打饭模型，什么事情也不敢，就等着打饭，打饭是结果，什么也不干，一直在等着，同步加阻塞）
同步非阻塞：（等着打饭，但是可以玩会手机，看看电视，打饭是结果，但是不用一直在等着）
异步阻塞：（我要打饭，你说等着较好，并没有返回饭给我，我啥事不干，就干等着饭好了叫我）
异步非阻塞：回调的话。（我要打饭，你说等较好，并没有返回饭给我，可以在旁边看看电视，玩玩手机，饭好了叫我）
5）同步IO、异步IO、IO多路复用
IO模型：
IO分为两个阶段。
1）数据准备阶段。
2）内核空间复制回用户进程缓冲区阶段。
发生IO的时候：
1、内核从输入设备读、写数据（淘米，把米放锅里煮饭）
2、进程从内核复制数据（盛饭，从内核这个锅把饭装到碗里面来）
系统调用 -- read函数
从磁盘读取到内核空间中来，在拷贝到用户的应用空间内。
系统调用read函数。内核空间，用户空间。
5）IO模型
IO模型：同步IO，包括阻塞IO，非阻塞IO，IO多路复用。
阻塞IO
进程等待（阻塞），直到读写完成。（全程等待） read/write函数
进程调用read操作，如果IO设备没有准备好，立即返回error，进程不阻塞，用户可以再次 发起系统调用，如果内核已经准备好了，就阻塞，然后复制数据到用户空间。
第一阶段数据没有准备好，就先忙别的，等来再来看看，检查数据是否准备好了的过程是非阻塞的。
第二阶段是阻塞的，即内核空间和用户空间之间复制数据是阻塞的。
淘米、蒸饭不用等，去完后。盛饭过程等着你装好饭，但是要等到盛好饭才算完事，这个是同步的，结果就是盛好饭。
Read/write
IO多路复用：
IO多路复用，就是同时监控多个IO，有一个准备好了，就不需要等了开始处理，提高了同同时处理IO的能力。
Select几乎所有操作系统平台都支持，poll是对select的升级。
epoll，Linux系统内核2.5+开始的。对select和poll的增强，在监视的基础上，增加回调机制，BSD。Mac平台都有kqueue，window是有iocp
回调：
Select为例，将关注的IO操作告诉select函数并调用，进程阻塞，内核监视select关注的文件描述符fd，被关注的任何一个fd对应的IO准备好了数据，select返回，在使用read将数据复制到用户进程。
Select：最多监听1024个fd。IO多了，每次都要遍历fd全部发送，效率低下。
epoll：通知机制。没有fd的上限，且是回调机制。效率很高。
6）异步IO：
异步的性能是非常高的。
进程发起异步IO请求，立即返回，内核完成IO的两个阶段，内核给进程发一个信号。
举例：今天不想出去吃饭了，点外卖，饭菜在饭店做好了（第一阶段），送餐员会从饭店送到家门口（第二阶段）
7）Python中IO多路复用：
IO多路复用：
大多数操作系统支持select和poll
Linux2.5+支持epoll
BSD、mac支持kqueue。
Windows的IOcp
Python中的select库。
实现了select，poll系统调用，这个基本上操作系统都支持，部分实现了poll，底层的IO多路复用模块。
开发中的选择
1）完全跨平台，使用select，poll，但是性能较差。
2）针对不同操作系统自行选择支持的技术，这样做会提高IO处理的性能。
要访问的IO交给select，由其注册，
selectors库：
3.4版本提供的库，高级IO复用库。
BaseSelector
+-- SelectSelector
+-- PollSelector
+-- EpollSelector
+-- DevpollSelector
+-- KqueueSelector
Selectors.Defaultselector返回当前平台最有效、效能最高的实现。
但是没有实现windows下的iocp，所以，只能退化为select。
Abstractmethod register（fileobj，events，data=None）
为selector注册一个文件对象，监视他的IO事件。
Fileobj被监视文件对象，例如socket对象。
Events事件，该文件对象必须等待的时间。
Data 可选的与此文件对象相关联的不透明数据，例如，关联用户存储每个客户端的会话ID，关联方法，通过参数在关注的事件产生后让selector干什么事。
|
Event常量 |
含义 |
|
Event_read |
可读0b01，内核已经准备好输入输出设备，可以开始读了 |
|
Event_write |
可写0b10，内核准备好了，可以往里面写了。 |
import selectors
import threading
import socket
import logging
FORMAT = '%(asctime)s %(threadName)s %(thread)d %(message)s'
logging.basicConfig(format=FORMAT,level=logging.INFO)
def accept(sock:socket.socket,mask):
conn,raddr = sock.accept()
conn.setblocking(False)
key = selector.register(conn,selectors.EVENT_READ,read)
logging.info(key)
def read(conn:socket.socket,mask):
data = conn.recv(1024)
msg = 'msg is {]'.format(data.decode())
conn.send(msg.encode())
selector = selectors.DefaultSelector()
sock = socket.socket()
sock.bind(('127.0.0.1',8080))
sock.listen()
logging.info(sock)
sock.setblocking(False)
key = selector.register(sock,selectors.EVENT_READ,accept)
logging.info(key)
e = threading.Event()
def select(e):
while not e.is_set():
events = selector.select()
print('========')
for key,mask in events:
logging.info(key)
logging.info(mask)
callback = key.data
callback(key.fileobj,mask)
threading.Thread(target=select,args=(e,),name='select').start()
def main():
while not e.is_set():
cmd = input('>>>')
if cmd.strip() == 'quit':
e.set()
fobjs = []
logging.info('{}'.format(list(selector.get_map().items())))
for fd ,key in selector.get_map().items():
print(fd)
print(key)
fobjs.append(key.fileobj)
for fobj in fobjs:
selector.unregister(fobj)
fobj.close()
selector.close()
if __name__ == '__main__':
main()
