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,)