Python全栈开发-Day10-进程/协程/异步IO/IO多路复用

本节内容

1. 多进程multiprocessing
2. 进程间的通讯
3. 协程
4. 论事件驱动与异步IO
5. SelectPollEpoll——IO多路复用

 

1、多进程multiprocessing

Python的线程用的是操作系统的原生线程，同样python的进程用的是操作系统的原生进程。

多进程之间没有锁的概念，多进程之间数据不能互相访问，所以不存在互斥锁。GIL问题又是仅仅出现在多线程中。

所以如果我们启动8个进程，每个进程有一个主线程，即8个线程，分别运行在8个CPU上，就可以充分利用多核的优势了。

在多进程充分利用多核的优势下，唯一的坏处是这8个进程之间数据无法共享。传递数据需要找媒介。

8进程表示，同一时间最多只能干8件事情。

所以多进程可以解决多核的问题

同时每个进程里又可以写多个线程，启动并执行。

每一个进程都是由它的父进程启动的。

os.getppid()　　#获得父进程的id

os.getpid()　　#获得自己进程的id

1 2 3 4 5 6 7 8 9 10

from multiprocessing import Process import time def f(name):     time.sleep(2)     print('hello', name)   if __name__ == '__main__':     p = Process(target=f, args=('bob',))     p.start()     p.join()

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19

from multiprocessing import Process import os   def info(title):     print(title)     print('module name:', __name__)     print('parent process:', os.getppid())     print('process id:', os.getpid())     print(" ")   def f(name):     info('33[31;1mfunction f33[0m')     print('hello', name)   if __name__ == '__main__':     info('33[32;1mmain process line33[0m')     p = Process(target=f, args=('bob',))     p.start()     p.join()

2、进程间的通讯　　

不同进程间内存是不共享的，要想实现两个进程间的数据交换，可以用以下方法：

Queues（进程队列）——数据传递

使用方法跟threading里的queue差不多，

原理上是两个进程各有一个queue队列，通过pickle序列化的方式，实现两个队列之间的交互，从而看起来像两个进程之间的交互。

所以实际上进程队列是2个Queues，而不是一个共享queue队列。

1 2 3 4 5 6 7 8 9 10 11 12

from multiprocessing import Process, Queue   def f(q):     q.put([42, None, 'hello'])   if __name__ == '__main__':     q = Queue()     p = Process(target=f, args=(q,))     p.start()     print(q.get())    # prints "[42, None, 'hello']"     p.join()

Pipes（管道）——数据传递

pipe管道就相当于拿了一根电话线，两头分别连接了两个进程。原理是利用socket网络协议进行周转。

pipe实例一生成会产生两个返回对象，一个是管道的一头，另一个是管道的另一头。

1 2 3 4 5 6 7 8 9 10 11 12

from multiprocessing import Process, Pipe   def f(conn):     conn.send([42, None, 'hello'])     conn.close()   if __name__ == '__main__':     parent_conn, child_conn = Pipe()     p = Process(target=f, args=(child_conn,))     p.start()     print(parent_conn.recv())   # prints "[42, None, 'hello']"     p.join()

 

Managers——数据共享

Managers已经自动加锁，所以不需要手动加锁。

A manager object returned by Manager() controls a server process which holds Python objects and allows other processes to manipulate them using proxies.

A manager returned by Manager() will support types list, dict, Namespace, Lock, RLock, Semaphore, BoundedSemaphore, Condition, Event, Barrier, Queue, Value and Array. For example,

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25

from multiprocessing import Process, Manager   def f(d, l):     d[1] = '1'     d['2'] = 2     d[0.25] = None     l.append(1)     print(l)   if __name__ == '__main__':     with Manager() as manager:         d = manager.dict()           l = manager.list(range(5))         p_list = []         for i in range(10):             p = Process(target=f, args=(d, l))             p.start()             p_list.append(p)         for res in p_list:             res.join()           print(d)         print(l)

　　

进程锁

虽然本身由于进程间不能共享数据，所以不需要锁。但是当进程往屏幕上打印数据时，对各个进程而言屏幕是共享的。所以这个锁的目的是锁住一个时间只能一个进程去打印数据。保证打印数据的完整性，前面正在打印的数据，不被后面要打印的数据打断。

1 2 3 4 5 6 7 8 9 10 11 12 13 14

from multiprocessing import Process, Lock   def f(l, i):     l.acquire()     try:         print('hello world', i)     finally:         l.release()   if __name__ == '__main__':     lock = Lock()       for num in range(10):         Process(target=f, args=(lock, num)).start()

　　

进程池　　

进程池内部维护一个进程序列，当使用时，则去进程池中获取一个进程，如果进程池序列中没有可供使用的进程，那么程序就会等待，直到进程池中有可用进程为止。

进程池中有两个方法：

• apply　　#进程池串行
• apply_async　　#进程池并行

对于进程池中进程的启动是要使用pool.apply()或pool.apply_async()

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23

from  multiprocessing import Process,Pool,freeze_support import time   def Foo(i):     time.sleep(2)     return i+100   def Bar(arg):     print('-->exec done:',arg) if __name__ == '__main__': 　　freeze_support()　　#在windows上必须添加这行和上行代码   　　pool = Pool(5)　　#允许进程池里同时放入5个进程   　　for i in range(10):     pool.apply_async(func=Foo, args=(i,),callback=Bar) 　　　　#pool.apply_async(func=Foo, args=(i,))     #pool.apply(func=Foo, args=(i,))   　　print('end') 　　pool.close() 　　pool.join()#进程池中进程执行完毕后再关闭，如果注释，那么程序直接关闭。

　　这里不知何种原因，必须是先pool.close()，然后再是pool.join()

　　如果最后不加pool.join()，主程序不会等待进程池执行完毕，会直接关闭。

if __name__ == '__main__'：  #这句话是为了区分，主动启动脚本还是把它当成一个模块，从别的地方去调用。

如果主动启动该脚本，则该段代码下面部分代码会被执行。如果从别的地方调用，则下面代码不会被执行。

主动执行该py文件时，把这句话当成主程序的入口。

上面代码中含有pool.apply_async(func=Foo, args=(i,),callback=Bar)，callback叫做回调，意思是执行完这个语句后再回调Bar函数。这里需要注意，callback方法的调用进程是主进程，而不是子进程。

回调函数的意义，如果开了100个子进程，在每个子进程结束时往数据库中插入数据，需要建立100个连接，但如果先把100个子进程的结果保存到变量里，让父进程连接数据库一次，然后一口气全部插入，就大大提高了程序的运行速度。此时的回调函数，应运而生。

3、协程

协程，又称微线程。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。

CPU只认识线程，并不知道协程的存在。协程是跑在线程中的。

协程拥有自己的寄存器上下文和栈。协程调度切换时，将寄存器上下文和栈保存到其他地方，在切回来的时候，恢复先前保存的寄存器上下文和栈。因此：

协程能保留上一次调用时的状态（即所有局部状态的一个特定组合），每次过程重入时，就相当于进入上一次调用的状态，换种说法：进入上一次离开时所处逻辑流的位置。

换句话说：在单线程下，实现并发的效果，就是协程。例如，之前使用yield做的生产者消费者模型。

协程的好处：

• 无需线程上下文切换的开销
• 无需原子操作锁定及同步的开销
  • "原子操作(atomic operation)是不需要synchronized"，所谓原子操作是指不会被线程调度机制打断的操作；这种操作一旦开始，就一直运行到结束，中间不会有任何 context switch （切换到另一个线程）。原子操作可以是一个步骤，也可以是多个操作步骤，但是其顺序是不可以被打乱，或者切割掉只执行部分。视作整体是原子性的核心。
• 方便切换控制流，简化编程模型
• 高并发+高扩展性+低成本：一个CPU支持上万的协程都不是问题。所以很适合用于高并发处理。

缺点：

• 无法利用多核资源：协程的本质是个单线程,它不能同时将单个CPU 的多个核用上,协程需要和进程配合才能运行在多CPU上.当然我们日常所编写的绝大部分应用都没有这个必要，除非是cpu密集型应用。
• 进行阻塞（Blocking）操作（如IO时）会阻塞掉整个程序

使用yield实现协程操作的例子　　　　

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26

import time import queue def consumer(name):     print("--->starting eating baozi...")     while True:         new_baozi = yield　　#yield这里本身可以返回数据，也可接受数据         print("[%s] is eating baozi %s" % (name,new_baozi))         #time.sleep(1)   def producer():       r = con.__next__()     r = con2.__next__()     n = 0     while n < 5:         n +=1         con.send(n)　　#激活yield的阻塞状态，同时传入一个数据         con2.send(n)         print("33[32;1m[producer]33[0m is making baozi %s" %n )     if __name__ == '__main__':     con = consumer("c1")     con2 = consumer("c2")     p = producer()

协程之所以能处理大并发，就是把I/O操作给挤掉了，即一旦遇到I/O操作就切换。使得整个程序变成了只有CPU运算，大大提高了效率。

只要I/O操作一完成，CPU就可以切换回去了。这样就把I/O操作完全挤出去了。程序会自动检测I/O是否完成，不需要我们关心。

协程的标准定义，即符合什么条件就能称之为协程：

1. 必须在只有一个单线程里实现并发
2. 修改共享数据不需加锁
3. 用户程序里自己保存多个控制流的上下文栈
4. 一个协程遇到IO操作自动切换到其它协程

Greenlet

yield是自己写的协程，greenlet是一个封装好的协程。

greenlet是一个用C实现的协程模块，相比与python自带的yield，它可以使你在任意函数之间随意切换，而不需把这个函数先声明为generator

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22

# -*- coding:utf-8 -*-     from greenlet import greenlet     def test1():     print(12)     gr2.switch()　　#gr2.switch()的意思是切换到gr2     print(34)     gr2.switch()　　#同上     def test2():     print(56)     gr1.switch()     print(78)     gr1 = greenlet(test1)　　#启动一个协程 gr2 = greenlet(test2) gr1.switch()　　#gr1.switch()的意思是切换到gr1

感觉确实用着比generator还简单了呢，但好像还没有解决一个问题，就是遇到IO操作，自动切换，对不对？

 greenlet只能手动切换，就相当于汽车的手动档。

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。

【注意】上文说greenlet手动切换，相当于手动档汽车，而gevent是自动切换，相当于自动档汽车。

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18

import gevent   def func1():     print('33[31;1m李闯在跟海涛搞...33[0m')     gevent.sleep(2)     print('33[31;1m李闯又回去跟继续跟海涛搞...33[0m')   def func2():     print('33[32;1m李闯切换到了跟海龙搞...33[0m')     gevent.sleep(1)     print('33[32;1m李闯搞完了海涛，回来继续跟海龙搞...33[0m')     gevent.joinall([     gevent.spawn(func1),　　#生成     gevent.spawn(func2),     #gevent.spawn(func3), ])

通过gevent实现单线程下的多socket并发

server side 

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35

import sys import socket import time import gevent   from gevent import socket,monkey monkey.patch_all()     def server(port):     s = socket.socket()     s.bind(('0.0.0.0', port))     s.listen(500)     while True:         cli, addr = s.accept()         gevent.spawn(handle_request, cli)       def handle_request(conn):     try:         while True:             data = conn.recv(1024)             print("recv:", data)             conn.send(data)             if not data:                 conn.shutdown(socket.SHUT_WR)       except Exception as  ex:         print(ex)     finally:         conn.close() if __name__ == '__main__':     server(8001)

　　

client side 　　

1 2 3 4 5 6 7 8 9 10 11 12 13 14

import socket   HOST = 'localhost'    # The remote host PORT = 8001           # The same port as used by the server s = socket.socket(socket.AF_INET, socket.SOCK_STREAM) s.connect((HOST, PORT)) while True:     msg = bytes(input(">>:"),encoding="utf8")     s.sendall(msg)     data = s.recv(1024)     #print(data)       print('Received', repr(data)) s.close()

上述代码是一个非常牛逼的socket服务端和客户端，使用异步IO得以实现。效率高。

4、论事件驱动与异步IO

通常，我们写服务器处理模型的程序时，有以下几种模型：

（1）每收到一个请求，创建一个新的进程，来处理该请求；

（2）每收到一个请求，创建一个新的线程，来处理该请求；

（3）每收到一个请求，放入一个事件列表，让主进程通过非阻塞I/O方式来处理请求

上面的几种方式，各有千秋，

第（1）中方法，由于创建新的进程的开销比较大，所以，会导致服务器性能比较差,但实现比较简单。

第（2）种方式，由于要涉及到线程的同步，有可能会面临死锁等问题。

第（3）种方式，在写应用程序代码时，逻辑比前面两种都复杂。

综合考虑各方面因素，一般普遍认为第（3）种方式是大多数网络服务器采用的方式

 

看图说话讲事件驱动模型

在UI编程中，常常要对鼠标点击进行相应的操作，首先如何获得鼠标点击呢？
方式一：创建一个线程，该线程一直循环检测是否有鼠标点击，那么这个方式有以下几个缺点：
1. CPU资源浪费，可能鼠标点击的频率非常小，但是扫描线程还是会一直循环检测，这会造成很多的CPU资源浪费；如果扫描鼠标点击的接口是阻塞的呢？
2. 如果是堵塞的，又会出现下面这样的问题，如果我们不但要扫描鼠标点击，还要扫描键盘是否按下，由于扫描鼠标时被堵塞了，那么可能永远不会去扫描键盘；
3. 如果一个循环需要扫描的设备非常多，这又会引来响应时间的问题；
所以，该方式是非常不好的。

方式二：就是事件驱动模型
目前大部分的UI编程都是事件驱动模型，如很多UI平台都会提供onClick()事件，这个事件就代表鼠标按下事件。事件驱动模型大体思路如下：
1. 有一个事件（消息）队列；
2. 鼠标按下时，往这个队列中增加一个点击事件（消息）；
3. 有个循环，不断从队列取出事件，根据不同的事件，调用不同的函数，如onClick()、onKeyDown()等；
4. 事件（消息）一般都各自保存各自的处理函数指针，这样，每个消息都有独立的处理函数；

 上文中提出的问题：在异步I/O操作中，当CPU遇见I/O操作时，就会让操作系统通过自己的文件接口进行I/O操作，而CPU自己则切换到其他的程序处执行。在切换之前，CPU会注册一个回调函数。作用是，当操作系统完成I/O操作后，调用回调函数，来主动的告诉CPU我完成了，你可以切换回来了。这个过程就是事件驱动。

 

事件驱动编程是一种编程范式，这里程序的执行流由外部事件来决定。它的特点是包含一个事件循环，当外部事件发生时使用回调机制来触发相应的处理。另外两种常见的编程范式是单线程以及多线程编程。

让我们用例子来比较和对比一下单线程、多线程以及事件驱动编程模型。下图展示了随着时间的推移，这三种模式下程序所做的工作。这个程序有3个任务需要完成，每个任务都在等待I/O操作时阻塞自身。阻塞在I/O操作上所花费的时间已经用灰色框标示出来了。

 

在单线程同步模型中，任务按照顺序执行。如果某个任务因为I/O而阻塞，其他所有的任务都必须等待，直到它完成之后它们才能依次执行。这种明确的执行顺序和串行化处理的行为是很容易推断得出的。如果任务之间并没有互相依赖的关系，但仍然需要互相等待的话这就使得程序不必要的降低了运行速度。

在多线程版本中，这3个任务分别在独立的线程中执行。这些线程由操作系统来管理，在多处理器系统上可以并行处理，或者在单处理器系统上交错执行。这使得当某个线程阻塞在某个资源的同时其他线程得以继续执行。与完成类似功能的同步程序相比，这种方式更有效率，但程序员必须写代码来保护共享资源，防止其被多个线程同时访问。多线程程序更加难以推断，因为这类程序不得不通过线程同步机制如锁、可重入函数、线程局部存储或者其他机制来处理线程安全问题，如果实现不当就会导致出现微妙且令人痛不欲生的bug。

在事件驱动版本的程序中，3个任务交错执行，但仍然在一个单独的线程控制中。当处理I/O或者其他昂贵的操作时，注册一个回调到事件循环中，然后当I/O操作完成时继续执行。回调描述了该如何处理某个事件。事件循环轮询所有的事件，当事件到来时将它们分配给等待处理事件的回调函数。这种方式让程序尽可能的得以执行而不需要用到额外的线程。事件驱动型程序比多线程程序更容易推断出行为，因为程序员不需要关心线程安全问题。

当我们面对如下的环境时，事件驱动模型通常是一个好的选择：

1. 程序中有许多任务，而且…
2. 任务之间高度独立（因此它们不需要互相通信，或者等待彼此）而且…
3. 在等待事件到来时，某些任务会阻塞。

当应用程序需要在任务间共享可变的数据时，这也是一个不错的选择，因为这里不需要采用同步处理。

网络应用程序通常都有上述这些特点，这使得它们能够很好的契合事件驱动编程模型。

此处要提出一个问题，就是，上面的事件驱动模型中，只要一遇到IO就注册一个事件，然后主程序就可以继续干其它的事情了，只到io处理完毕后，继续恢复之前中断的任务，这本质上是怎么实现的呢？下面我们就来一起揭开这神秘的面纱。。。。

5、SelectPollEpoll——IO多路复用　

Select Poll Epoll 属于IO多路复用

虽然IO多路复用的效果不如异步IO好，但是由于异步IO实现起来较复杂，所以一般情况下还是IO多路复用用的多一些。同时在内核层面，对异步IO支持也不是特别好。

所以我们一般在市面上见到的所谓的异步IO，比如Nginx等其实本质上是IO多路复用。

http://www.cnblogs.com/alex3714/p/4372426.html　

番外篇 http://www.cnblogs.com/alex3714/articles/5876749.html 

由于在实际中，IO多路复用一般都是做服务器端的Web开发，或者是异步爬虫等，这种十分复杂的程序开发的。与我自己学Python做量化交易的初衷，相差太远，这里就不写相关的知识了。

selectors模块

selectors模块是对SelectPollEpoll的高级封装

如果不指定，selectors默认使用最高级的Epoll，但由于windows系统不支持epoll，所以它就会用select

This module allows high-level and efficient I/O multiplexing, built upon the select module primitives. Users are encouraged to use this module instead, unless they want precise control over the OS-level primitives used.

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32

import selectors import socket   sel = selectors.DefaultSelector()   def accept(sock, mask):     conn, addr = sock.accept()  # Should be ready     print('accepted', conn, 'from', addr)     conn.setblocking(False)     sel.register(conn, selectors.EVENT_READ, read)   def read(conn, mask):     data = conn.recv(1000)  # Should be ready     if data:         print('echoing', repr(data), 'to', conn)         conn.send(data)  # Hope it won't block     else:         print('closing', conn)         sel.unregister(conn)         conn.close()   sock = socket.socket() sock.bind(('localhost', 10000)) sock.listen(100) sock.setblocking(False) sel.register(sock, selectors.EVENT_READ, accept)   while True:     events = sel.select()     for key, mask in events:         callback = key.data         callback(key.fileobj, mask)