註意

1.不能無限的開進程，不能無限的開線程
最常用的就是開進程池，開線程池。其中回調函數非常重要
回調函數其實可以作為一種編程思想，誰好了誰就去掉

2.只要你用並發，就會有鎖的問題，但是你不能一直去自己加鎖吧
那麽我們就用QUEUE，這樣還解決了自動加鎖的問題
由Queue延伸出的一個點也非常重要的概念。以後寫程序也會用到
這個思想。就是生產者與消費者問題

一、Python標準模塊--concurrent.futures（並發未來）

concurent.future模塊需要了解的

1.concurent.future模塊是用來創建並行的任務，提供了更高級別的接口，
為了異步執行調用
2.concurent.future這個模塊用起來非常方便，它的接口也封裝的非常簡單
 
3.concurent.future模塊既可以實現進程池，也可以實現線程池
4.模塊導入進程池和線程池
from concurrent.futures import ProcessPoolExecutor,ThreadPoolExecutor
還可以導入一個Executor,但是你別這樣導，這個類是一個抽象類
抽象類的目的是規範他的子類必須有某種方法（並且抽象類的方法必須實現），但是抽象類不能被實例化
5.
p = ProcessPoolExecutor(max_works)對於進程池如果不寫max_works：默認的是cpu的數目,默認是4個
p = ThreadPoolExecutor(max_works)對於線程池如果不寫max_works：默認的是cpu的數目*5
6.如果是進程池，得到的結果如果是一個對象。我們得用一個.get()方法得到結果，但是現在用了concurent.future模塊，我們可以用obj.result方法
p.submit(task,i) 
 
#相當於apply_async異步方法
p.shutdown() #默認有個參數wite=True (相當於close和join)

二、線程池

進程池：就是在一個進程內控制一定個數的線程
基於concurent.future模塊的進程池和線程池 （他們的同步執行和異步執行是一樣的）

# 基於concurrent.futures模塊的進程池
# 1.同步執行--------------
from  concurrent.futures import ProcessPoolExecutor,ThreadPoolExecutor
import os,time,random
def task(n):
    print(‘[%s] is running‘%os.getpid())
    time.sleep(random.randint(1,3))  #I/O密集型的，，一般用線程，用了進程耗時長
    return n**2
if __name__ == ‘__main__‘:
    start = time.time()
    p = ProcessPoolExecutor()
    for i in range(10): #現在是開了10個任務， 那麽如果是上百個任務呢，就不能無線的開進程，那麽就得考慮控制
        # 線程數了，那麽就得考慮到池了
        obj  = p.submit(task,i).result()  #相當於apply同步方法
    p.shutdown()  #相當於close和join方法
    print(‘=‘*30)
    print(time.time() - start)  #17.36499309539795


# 2.異步執行-----------
# from  concurrent.futures import ProcessPoolExecutor,ThreadPoolExecutor
# import os,time,random
# def task(n):
#     print(‘[%s] is running‘%os.getpid())
#     time.sleep(random.randint(1,3))  #I/O密集型的，，一般用線程，用了進程耗時長
#     return n**2
# if __name__ == ‘__main__‘:
#     start = time.time()
#     p = ProcessPoolExecutor()
#     l = []
#     for i in range(10): #現在是開了10個任務， 那麽如果是上百個任務呢，就不能無線的開進程，那麽就得考慮控制
#         # 線程數了，那麽就得考慮到池了
#         obj  = p.submit(task,i)  #相當於apply_async()異步方法
#         l.append(obj)
#     p.shutdown()  #相當於close和join方法
#     print(‘=‘*30)
#     print([obj.result() for obj in l])
#     print(time.time() - start)  #5.362306594848633

#基於concurrent.futures模塊的線程池
from  concurrent.futures import ProcessPoolExecutor,ThreadPoolExecutor
from threading import currentThread
import os,time,random
def task(n):
    print(‘%s:%s is running‘%(currentThread().getName(),os.getpid()))  #看到的pid都是一樣的，因為線程是共享了一個進程
    time.sleep(random.randint(1,3))  #I/O密集型的，，一般用線程，用了進程耗時長
    return n**2
if __name__ == ‘__main__‘:
    start = time.time()
    p = ThreadPoolExecutor() #線程池 #如果不給定值，默認cup*5
    l = []
    for i in range(10):  #10個任務 # 線程池效率高了
        obj  = p.submit(task,i)  #相當於apply_async異步方法
        l.append(obj)
    p.shutdown()  #默認有個參數wite=True (相當於close和join)
    print(‘=‘*30)
    print([obj.result() for obj in l])
    print(time.time() - start)  #3.001171827316284

應用線程池（下載網頁並解析）

from concurrent.futures import ThreadPoolExecutor,ProcessPoolExecutor
import requests
import time,os
def get_page(url):
    print(‘<%s> is getting [%s]‘%(os.getpid(),url))
    response = requests.get(url)
    if response.status_code==200:  #200代表狀態：下載成功了
        return {‘url‘:url,‘text‘:response.text}
def parse_page(res):
    res = res.result()
    print(‘<%s> is getting [%s]‘%(os.getpid(),res[‘url‘]))
    with open(‘db.txt‘,‘a‘) as f:
        parse_res = ‘url:%s size:%s\n‘%(res[‘url‘],len(res[‘text‘]))
        f.write(parse_res)
if __name__ == ‘__main__‘:
    # p = ThreadPoolExecutor()
    p = ProcessPoolExecutor()
    l = [
        ‘http://www.baidu.com‘,
        ‘http://www.baidu.com‘,
        ‘http://www.baidu.com‘,
        ‘http://www.baidu.com‘,
    ]
    for url in l:
        res = p.submit(get_page,url).add_done_callback(parse_page) #這裏的回調函數拿到的是一個對象。得
        #  先把返回的res得到一個結果。即在前面加上一個res.result() #誰好了誰去掉回調函數
                                # 回調函數也是一種編程思想。不僅開線程池用，開線程池也用
    p.shutdown()  #相當於進程池裏的close和join
    print(‘主‘,os.getpid())

map函數的應用

# map函數舉例
obj= map(lambda x:x**2 ,range(10))
print(list(obj))

#運行結果[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]

　　可以和上面的開進程池/線程池的對比著看，就能發現map函數的強大了

#map函數應用
# 我們的那個p.submit(task,i)和map函數的原理類似。我們就
# 可以用map函數去代替。更減縮了代碼
from  concurrent.futures import ProcessPoolExecutor,ThreadPoolExecutor
import os,time,random
def task(n):
    print(‘[%s] is running‘%os.getpid())
    time.sleep(random.randint(1,3))  #I/O密集型的，，一般用線程，用了進程耗時長
    return n**2
if __name__ == ‘__main__‘:
    p = ProcessPoolExecutor()
    obj = p.map(task,range(10))
    p.shutdown()  #相當於close和join方法
    print(‘=‘*30)
    print(obj)  #返回的是一個叠代器
    print(list(obj))

三、協程介紹

協程：單進程下實現並發（提高效率），協程實質上是對單線程在時間上的充分利用，尤其是在IO密集型任務是，遇到IO切換到別的任務，返回結果由回到函數處理

說到協成，我們先說一下協程聯想到的知識點

切換關鍵的一點是：保存狀態（從原來停留的地方繼續切）
return:只能執行一次，結束函數的標誌
yield:函數中但凡有yield，這個函數的執行結果就變成了一個生成器，
生成器本質就是一個叠代器，那麽叠代器怎麽用呢？用一個next()方法
 
 
1.yield語句的形式：yield 1
yield功能1：可以用來返回值，可以返回多次值
yield功能2：可以吧函數暫停住，保存原來的狀態
 
2.yield表達式的形式:x = yieldsend可以吧一個函數的結果傳給另一個函數，以此實現單線程內程序之間的切換
send()要想用就得先next()一下
但是要用send至少要用兩個yield　　

yield復習

# yield功能（可以吧函數暫停住，保存原來的狀態）--------------
def f1():
    print(‘first‘)
    yield 1
    print(‘second‘)
    yield 2
    print(‘third‘)
    yield 3
# print(f1())  #加了yield返回的是一個生成器
g = f1()
print(next(g))  #當遇見了yield的時候就返回一個值,而且保存原來的狀態
print(next(g))  #當遇見了yield的時候就返回一個值
print(next(g))  #當遇見了yield的時候就返回一個值

# yield表達式(對於表達式的yield)--------------------
import time
def wrapper(func):
    def inner(*args,**kwargs):
        ret =func(*args,**kwargs)
        next(ret)
        return ret
    return inner
@wrapper
def consumer():
    while True:
        x= yield
        print(x)

def producter(target):
    ‘‘‘生產者造值‘‘‘
    # next(g)  #相當於g.send(None)
    for i in range(10):
        time.sleep(0.5)
        target.send(i)#要用send就得用兩個yield
producter(consumer())

引子

本節主題是實現單線程下的並發，即只在一個主線程，並且很明顯的是，可利用的cpu只有一個情況下實現並發，

為此我們需要先回顧下並發的本質：切換+保存狀態

cpu正在運行一個任務，會在兩種情況下切走去執行其他的任務（切換由操作系統強制控制），

一種情況是該任務發生了阻塞，另外一種情況是該任務計算的時間過長

其中第二種情況並不能提升效率，只是為了讓cpu能夠雨露均沾，實現看起來大家都被執行的效果，如果多個程序都是純計算任務，這種切換反而會降低效率。為此我們可以基於yield來驗證。yield本身就是一種在單線程下可以保存任務運行狀態的方法，我們來簡單復習一下：

單純的切反而會影響效率　　

#串行執行
import time
def consumer(res):
    ‘‘‘任務1:接收數據,處理數據‘‘‘
    pass

def producer():
    ‘‘‘任務2:生產數據‘‘‘
    res=[]
    for i in range(10000000):
        res.append(i)
    return res

start=time.time()
#串行執行
res=producer()
consumer(res)
stop=time.time()
print(stop-start) #1.5536692142486572

# 基於yield並發執行
import time
def wrapper(func):
    def inner(*args,**kwargs):
        ret =func(*args,**kwargs)
        next(ret)
        return ret
    return inner
@wrapper
def consumer():
    while True:
        x= yield
        print(x)

def producter(target):
    ‘‘‘生產者造值‘‘‘
    # next(g)  #相當於g.send(None)
    for i in range(10):
        time.sleep(0.5)
        target.send(i)#要用send就得用兩個yield
producter(consumer())

對於單線程下，我們不可避免程序中出現io操作，但如果我們能在自己的程序中（即用戶程序級別，而非操作系統級別）控制單線程下多個任務能遇到io就切換，這樣就保證了該線程能夠最大限度地處於就緒態，即隨時都可以被cpu執行的狀態，相當於我們在用戶程序級別將自己的io操作最大限度地隱藏起來，對於操作系統來說：這哥們（該線程）好像是一直處於計算過程的，io比較少。

協程的本質就是在單線程下，由用戶自己控制一個任務遇到io阻塞了就切換另外一個任務去執行，以此來提升效率。

因此我們需要找尋一種可以同時滿足以下條件的解決方案：

1. 可以控制多個任務之間的切換，切換之前將任務的狀態保存下來（重新運行時，可以基於暫停的位置繼續）

2. 作為1的補充：可以檢測io操作，在遇到io操作的情況下才發生切換

四、Greenlet

Greenlet模塊和yield沒有什麽區別，就只是單純的切，跟效率無關。

只不過比yield更好一點，切的時候方便一點。但是仍然沒有解決效率

Greenlet可以讓你在多個任務之間來回的切

# greenlet示例
from greenlet import greenlet
import time
def eat(name):
    print(‘%s eat 1‘ %name)
    time.sleep(10)  #當遇到IO的時候它也沒有切，這就得用gevent了
    g2.switch(‘egon‘)
    print(‘%s eat 2‘ %name)
    g2.switch()
def play(name):
    print(‘%s play 1‘ %name)
    g1.switch()
    print(‘%s play 2‘ %name)

g1=greenlet(eat)
g2=greenlet(play)

g1.switch(‘egon‘)#可以在第一次switch時傳入參數，以後都不需要

所以上面的方法都不可行，那麽這就用到了Gevert ,也就是協程。就解決了單線程實現並發的問題，還提升了效率　　

五、Gevent介紹

Gevent 是一個第三方庫，可以輕松通過gevent實現並發同步或異步編程，在gevent中用到的主要模式是Greenlet,

它是以C擴展模塊形式接入Python的輕量級協程。 Greenlet全部運行在主程序操作系統進程的內部，但它們被協作式地調度。

#用法
g1=gevent.spawn(func,1,,2,3,x=4,y=5)創建一個協程對象g1，spawn括號內第一個參數是函數名，如eat，後面可以有多個參數，可以是位置實參或關鍵字實參，都是傳給函數eat的

g2=gevent.spawn(func2)

g1.join() #等待g1結束

g2.join() #等待g2結束

#或者上述兩步合作一步：gevent.joinall([g1,g2])

g1.value#拿到func1的返回值

舉例;

# gevent的一些方法（重要）
from gevent import monkey;monkey.patch_all()
import gevent
import time
def eat(name):
    print(‘%s eat 1‘ %name)
    time.sleep(2)  #我們用等待的時間模擬IO阻塞
    ‘‘‘ 在gevent模塊裏面要用gevent.sleep(2)表示等待的時間
        然而我們經常用time.sleep()用習慣了，那麽有些人就想著
        可以用time.sleep()，那麽也不是不可以。要想用，就得在
        最上面導入from gevent import monkey;monkey.patch_all()這句話
        如果不導入直接用time.sleep()，就實現不了單線程並發的效果了
    ‘‘‘
    # gevent.sleep(2)
    print(‘%s eat 2‘ %name)
    return ‘eat‘
def play(name):
    print(‘%s play 1‘ %name)
    time.sleep(3)
    # gevent.sleep(3)
    print(‘%s play 2‘ %name)
    return ‘paly‘  #當有返回值的時候，gevent模塊也提供了返回結果的操作

start = time.time()
g1 = gevent.spawn(eat,‘egon‘)  #執行任務
g2 = gevent.spawn(play,‘egon‘)  #g1和g2的參數可以不一樣
# g1.join()  #等待g1
# g2.join()  #等待g2
#上面等待的兩句也可以這樣寫
gevent.joinall([g1,g2])
print(‘主‘,time.time()-start) #3.001171588897705

print(g1.value)
print(g2.value)

需要說明的是：

gevent.sleep(2)模擬的是gevent可以識別的io阻塞,

而time.sleep(2)或其他的阻塞,gevent是不能直接識別的需要用下面一行代碼,打補丁,就可以識別了

from gevent import monkey;monkey.patch_all()必須放到被打補丁者的前面，如time，socket模塊之前

或者我們幹脆記憶成：要用gevent，需要將from gevent import monkey;monkey.patch_all()放到文件的開頭

六、Gevent之同步於異步

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():
    for i in range(10):
        task(i)

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

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

    print(‘Asynchronous:‘)
    asynchronous()
#上面程序的重要部分是將task函數封裝到Greenlet內部線程的gevent.spawn。 初始化的greenlet列表存放在數組threads中，此數組被傳給gevent.joinall 函數，後者阻塞當前流程，並執行所有給定的greenlet。執行流程只會在 所有greenlet執行完後才會繼續向下走。

七、Gevent之應用舉例一

#協程應用爬蟲
from gevent import monkey;monkey.patch_all()  #打補丁
import gevent
import requests
import time
def get_page(url):
    print(‘get :%s‘%url)
    response = requests.get(url)
    if response.status_code==200: #下載成功的狀態
        print(‘%d bytes received from:%s‘%(len(response.text),url))
start=time.time()
gevent.joinall([
    gevent.spawn(get_page,‘http://www.baidu.com‘),
    gevent.spawn(get_page, ‘https://www.yahoo.com/‘),
    gevent.spawn(get_page, ‘https://github.com/‘),
])
stop = time.time()
print(‘run time is %s‘ %(stop-start))

#協程應用爬蟲加了回調函數的
from gevent import joinall,spawn,monkey;monkey.patch_all()
import requests
from threading import current_thread

def parse_page(res):
    print(‘%s PARSE %s‘ %(current_thread().getName(),len(res)))

def get_page(url,callback=parse_page):
    print(‘%s GET %s‘ %(current_thread().getName(),url))
    response=requests.get(url)
    if response.status_code == 200:
        callback(response.text)

if __name__ == ‘__main__‘:
    urls=[
        ‘https://www.baidu.com‘,
        ‘https://www.taobao.com‘,
        ‘https://www.openstack.org‘,
    ]

    tasks=[]
    for url in urls:
        tasks.append(spawn(get_page,url))

    joinall(tasks)

八、Gevent之應用舉例二

也可以利用協程實現並發

# 服務端利用協程
#!usr/bin/env python
# -*- coding:utf-8 -*-
from  gevent import monkey;monkey.patch_all()
import gevent
from socket import *
print(‘start running...‘)
def talk(conn,addr):
    while True:
        data = conn.recv(1024)
        print(‘%s:%s %s‘%(addr[0],addr[1],data))
        conn.send(data.upper())
    conn.close()
def server(ip,duankou):
    server = socket(AF_INET, SOCK_STREAM)
    server.setsockopt(SOL_SOCKET, SO_REUSEADDR, 1)
    server.bind((ip,duankou))
    server.listen(5)
    while True:
        conn,addr = server.accept()  #等待鏈接
        gevent.spawn(talk,conn,addr)  #異步執行 （p =Process(target=talk,args=(coon,addr))
                                                # p.start()）相當於開進程裏的這兩句
    server.close()
if __name__ == ‘__main__‘:
    server(‘127.0.0.1‘,8081)

#客戶端開了100個進程
#!usr/bin/env python
# -*- coding:utf-8 -*-
from multiprocessing import Process
from gevent import monkey;monkey.patch_all()
from socket import *
def client(ip,duankou):
    client = socket(AF_INET, SOCK_STREAM)
    client.connect((ip,duankou))
    while True:
        client.send(‘hello‘.encode(‘utf-8‘))
        data = client.recv(1024)
        print(data.decode(‘utf-8‘))
if __name__ == ‘__main__‘:
    for i in range(100):
        p = Process(target=client,args=((‘127.0.0.1‘,8081)))
        p.start()

python全棧開發基礎【第二十六篇】（concurrent.futures模塊、協程、Greenlet、Gevent）