python 線程(隊列,線程池),協程(理論greenlet,gevent模塊,)
線程的隊列:
queue隊列,使用import queue,用法與進程Queue一樣
queue is especially useful in threaded programming when information must be exchanged safely between multiple threads.
- class
queue.Queue(maxsize=0) #先進先出
import queue q=queue.Queue() q.put(‘first‘) q.put(‘second‘) q.put(‘third‘) print(q.get()) print(q.get()) print(q.get()) ‘‘‘ 結果(先進先出): first second third ‘‘‘ 先進先出
class queue.LifoQueue(maxsize=0) #last in fisrt out
import queue q=queue.LifoQueue() q.put(‘first‘) q.put(‘second‘) q.put(‘third‘) print(q.get()) print(q.get()) print(q.get()) ‘‘‘ 結果(後進先出): third second first ‘‘‘ 後進先出
class queue.PriorityQueue(maxsize=0) #存儲數據時可設置優先級的隊列
import queue q=queue.PriorityQueue() #put進入一個元組,元組的第一個元素是優先級(通常是數字,也可以是非數字之間的比較),數字越小優先級越高 q.put((20,‘a‘)) q.put((10,‘b‘)) q.put((30,‘c‘)) print(q.get()) print(q.get()) print(q.get()) ‘‘‘ 結果(數字越小優先級越高,優先級高的優先出隊): (10, ‘b‘) (20, ‘a‘) (30, ‘c‘) ‘‘‘ 優先級隊列
線程池的問題:
#1 介紹 concurrent.futures模塊提供了高度封裝的異步調用接口 ThreadPoolExecutor：線程池，提供異步調用 ProcessPoolExecutor: 進程池，提供異步調用 Both implement the same interface, which is defined by the abstract Executor class. #2 基本方法 #submit(fn, *args, **kwargs) 異步提交任務 #map(func, *iterables, timeout=None, chunksize=1) 取代for循環submit的操作 #shutdown(wait=True) 相當於進程池的pool.close()+pool.join()操作 wait=True，等待池內所有任務執行完畢回收完資源後才繼續 wait=False，立即返回，並不會等待池內的任務執行完畢 但不管wait參數為何值，整個程序都會等到所有任務執行完畢 submit和map必須在shutdown之前 #result(timeout=None) 取得結果 #add_done_callback(fn) 回調函數
mport time
from threading import currentThread,get_ident
from concurrent.futures import ThreadPoolExecutor # 幫助你啟動線程池的類
from concurrent.futures import ProcessPoolExecutor # 幫助你啟動線程池的類
def func(i):
time.sleep(1)
print(‘in %s %s‘%(i,currentThread()))
return i**2
def back(fn):
print(fn.result(),currentThread())
# map啟動多線程任務
# t = ThreadPoolExecutor(5)
# t.map(func,range(20))
# for i in range(20):
# t.submit(func,i)
# submit異步提交任務
# t = ThreadPoolExecutor(5)
# for i in range(20):
# t.submit(fn=func,)
# t.shutdown()
# print(‘main : ‘,currentThread())
# 起多少個線程池
# 5*CPU的個數
# 獲取任務結果
# t = ThreadPoolExecutor(20)
# ret_l = []
# for i in range(20):
# ret = t.submit(func,i)
# ret_l.append(ret)
# t.shutdown()
# for ret in ret_l:
# print(ret.result())
# print(‘main : ‘,currentThread())
# 回調函數
t = ThreadPoolExecutor(20)
for i in range(100):
t.submit(func,i).add_done_callback(back)
# 回調函數(進程版)
import os
import time
from concurrent.futures import ProcessPoolExecutor # 幫助你啟動線程池的類
def func(i):
time.sleep(1)
print(‘in %s %s‘%(i,os.getpid()))
return i**2
def back(fn):
print(fn.result(),os.getpid())
if __name__ == ‘__main__‘:
print(‘main : ‘,os.getpid())
t = ProcessPoolExecutor(20)
for i in range(100):
t.submit(func,i).add_done_callback(back)
multiprocessing模塊自帶進程池的
threading 模塊是沒有線程池的
concurrent.futures 進程池 和 線程池
創建線程池/進程池 ProcessPoolExecutor ThreadPoolExecutor
ret = t.submit(func,arg1,arg2...) 異步提交任務
ret.result() 獲取結果,如果要想實現異步效果,應該使用列表
map(func,iterable)
shutdown close+join 同步控制的
add_done_callback 回調函數,在回調函數內接收的參數是一個對象,需要通過result來獲取返回值
回調函數仍然在主進程中執行
協程:
之前我們學習了線程、進程的概念，了解了在操作系統中進程是資源分配的最小單位,線程是CPU調度的最小單位。按道理來說我們已經算是把cpu的利用率提高很多了。但是我們知道無論是創建多進程還是創建多線程來解決問題，都要消耗一定的時間來創建進程、創建線程、以及管理他們之間的切換。
隨著我們對於效率的追求不斷提高，基於單線程來實現並發又成為一個新的課題，即只用一個主線程（很明顯可利用的cpu只有一個）情況下實現並發。這樣就可以節省創建線進程所消耗的時間。
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
ps：在介紹進程理論時，提及進程的三種執行狀態，而線程才是執行單位，所以也可以將上圖理解為線程的三種狀態
一：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，實現看起來所有任務都被“同時”執行的效果，如果多個任務都是純計算的，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：
#1 yiled可以保存狀態，yield的狀態保存與操作系統的保存線程狀態很像，但是yield是代碼級別控制的，更輕量級 #2 send可以把一個函數的結果傳給另外一個函數，以此實現單線程內程序之間的切換
進程:資源分配的最小單位,班級
線程:cpu調度最小單位,人
什麽是協程:能在一條線程的基礎上,在多個任務之間互相切換
節省了線程開啟的消耗
是從python代碼級別調度的
正常的線程是cpu調度的最小單位
協程的調度並不是由操作系統來完成的
所學的協程:
# 你學過協程 # 在兩個任務之間互相切換 # def func(): # print(1) # x = yield ‘aaa‘ # print(x) # yield ‘bbb‘ # # g = func() # print(next(g)) # print(g.send(‘****‘)) # 在多個函數之間互相切換的功能 - 協程 # def consumer(): # while True: # x = yield # print(x) # def producer(): # g = consumer() # next(g) # 預激 # for i in range(10): # g.send(i) # producer() # yeild 只有程序之間的切換,沒有重利用任何IO操作的時間
協程介紹
協程：是單線程下的並發，又稱微線程，纖程。英文名Coroutine。一句話說明什麽是線程：協程是一種用戶態的輕量級線程，即協程是由用戶程序自己控制調度的。、
需要強調的是：
#1. python的線程屬於內核級別的，即由操作系統控制調度（如單線程遇到io或執行時間過長就會被迫交出cpu執行權限，切換其他線程運行） #2. 單線程內開啟協程，一旦遇到io，就會從應用程序級別（而非操作系統）控制切換，以此來提升效率（！！！非io操作的切換與效率無關）
對比操作系統控制線程的切換，用戶在單線程內控制協程的切換
優點如下：
#1. 協程的切換開銷更小，屬於程序級別的切換，操作系統完全感知不到，因而更加輕量級 #2. 單線程內就可以實現並發的效果，最大限度地利用cpu
缺點如下：
#1. 協程的本質是單線程下，無法利用多核，可以是一個程序開啟多個進程，每個進程內開啟多個線程，每個線程內開啟協程 #2. 協程指的是單個線程，因而一旦協程出現阻塞，將會阻塞整個線程
總結協程特點：
- 必須在只有一個單線程裏實現並發
- 修改共享數據不需加鎖
- 用戶程序裏自己保存多個控制流的上下文棧
- 附加：一個協程遇到IO操作自動切換到其它協程（如何實現檢測IO，yield、greenlet都無法實現，就用到了gevent模塊（select機制））
使用pip3 install greenlet來安裝greenlet模塊
greenlet:
def eat(): # print(‘吃‘) # time.sleep(1) # g2.switch() # 切換 # print(‘吃完了‘) # time.sleep(1) # g2.switch() # # def play(): # print(‘玩兒‘) # time.sleep(1) # g1.switch() # print(‘玩兒美了‘) # time.sleep(1) # # g1 = greenlet(eat) # g2 = greenlet(play) # g1.switch() # 切換 # 遇到IO就切換 # gevent pip3 install gevent # greenlet是gevent的底層 # gevent是基於greenlet實現的 # python代碼在控制程序的切換
greenlet只是提供了一種比generator更加便捷的切換方式，當切到一個任務執行時如果遇到io，那就原地阻塞，仍然是沒有解決遇到IO自動切換來提升效率的問題。
單線程裏的這20個任務的代碼通常會既有計算操作又有阻塞操作，我們完全可以在執行任務1時遇到阻塞，就利用阻塞的時間去執行任務2。。。。如此，才能提高效率，這就用到了Gevent模塊。
比較:
#順序執行
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
#切換
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
效率對比
Gevent模塊
安裝：pip3 install gevent
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。
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 用法介紹
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‘)
例：遇到io主動切換
例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
# 使用協程減少IO操作帶來的時間消耗
from gevent import monkey;monkey.patch_all()
import gevent
import time
def eat():
print(‘吃‘)
time.sleep(2)
print(‘吃完了‘)
def play():
print(‘玩兒‘)
time.sleep(1)
print(‘玩兒美了‘)
g1 = gevent.spawn(eat)
g2 = gevent.spawn(play)
gevent.joinall([g1,g2])
# g1.join()
# g2.join()
# 沒執行
# 為什麽沒執行???是需要開啟麽?
# 沒有開啟但是切換了
# gevent幫你做了切換,做切換是有條件的,遇到IO才切換
# gevent不認識除了gevent這個模塊內以外的IO操作
# 使用join可以一直阻塞直到協程任務完成
# 幫助gevent來認識其他模塊中的阻塞
# from gevent import monkey;monkey.patch_all()寫在其他模塊導入之前
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‘)
查看threading.current_thread().getName()我們可以用threading.current_thread().getName()來查看每個g1和g2，查看的結果為DummyThread-n，即假線程
Gevent之同步與異步
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(): # 同步
for i in range(10):
task(i)
def asynchronous(): # 異步
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任務。執行流程只會在 所有greenlet執行完後才會繼續向下走。
協程來實現socket()
from gevent import monkey;monkey.patch_all()
import socket
import gevent
def talk(conn):
while True:
conn.send(b‘hello‘)
print(conn.recv(1024))
sk = socket.socket()
sk.bind((‘127.0.0.1‘,9090))
sk.listen()
while True:
conn,addr = sk.accept()
gevent.spawn(talk,conn)
server
import socket
from threading import Thread
def client():
sk = socket.socket()
sk.connect((‘127.0.0.1‘,9090))
while True:
print(sk.recv(1024))
sk.send(b‘bye‘)
for i in range(500):
Thread(target=client).start()
client
# 4C 並發50000 qps
# 5個進程
# 20個線程
# 500個協程
協程: 能夠在單核情況下 極大地提高cpu的利用率
不存在數據不安全的問題
也不存在線程切換\創造的時間開銷
切換時用戶級別的,程序不會因為協程中某一個任務進入阻塞狀態而使整個線程阻塞
線程的切換
時間片到了 降低cpu的效率
io會切 提高了cpu效率
python 線程(隊列,線程池),協程(理論greenlet,gevent模塊,)