python并发编程之IO模型

了解新知识之前需要知道的一些知识

同步（synchronous）：一个进程在执行某个任务时，另外一个进程必须等待其执行完毕，才能继续执行

#所谓同步，就是在发出一个功能调用时，在没有得到结果之前，该调用就不会返回。按照这个定义，
其实绝大多数函数都是同步调用。但是一般而言，我们在说同步、异步的时候，
特指那些需要其他部件协作或者需要一定时间完成的任务。
#举例：
#1. multiprocessing.Pool下的apply #发起同步调用后，就在原地等着任务结束，
根本不考虑任务是在计算还是在io阻塞，总之就是一股脑地等任务结束
#2. concurrent.futures.ProcessPoolExecutor().submit(func,).result()
#3. concurrent.futures.ThreadPoolExecutor().submit(func,).result()

异步（asynchronous）：

#异步的概念和同步相对。当一个异步功能调用发出后，调用者不能立刻得到结果。
当该异步功能完成后，通过状态、通知或回调来通知调用者。如果异步功能用状态来通知，
那么调用者就需要每隔一定时间检查一次，效率就很低（有些初学多线程编程的人，总喜欢用一个循环去检查某个变量的值，这其实是一 种很严重的错误）。
如果是使用通知的方式，效率则很高，因为异步功能几乎不需要做额外的操作。至于回调函数，其实和通知没太多区别。
#举例：
#1. multiprocessing.Pool().apply_async() #发起异步调用后，并不会等待任务结束才返回，相反，
会立即获取一个临时结果（并不是最终的结果，可能是封装好的一个对象）。
#2. concurrent.futures.ProcessPoolExecutor(3).submit(func,)
#3. concurrent.futures.ThreadPoolExecutor(3).submit(func,)

阻塞（blocking）：

#阻塞调用是指调用结果返回之前，当前线程会被挂起（如遇到io操作）。函数只有在得到结果之后才会
将阻塞的线程激活。有人也许会把阻塞调用和同步调用等同起来，实际上他是不同的。对于同步调用来说，
很多时候当前线程还是激活的，只是从逻辑上当前函数没有返回而已。
#举例：
#1. 同步调用：apply一个累计1亿次的任务，该调用会一直等待，直到任务返回结果为止，
但并未阻塞住（即便是被抢走cpu的执行权限，那也是处于就绪态）;
#2. 阻塞调用：当socket工作在阻塞模式的时候，如果没有数据的情况下调用recv函数，
则当前线程就会被挂起，直到有数据为止。

非阻塞（non-blocking）：

#非阻塞和阻塞的概念相对应，指在不能立刻得到结果之前也会立刻返回，同时该函数不会阻塞当前线程。 

小结：

 #1. 同步与异步针对的是函数/任务的调用方式：同步就是当一个进程发起一个函数（任务）调用的时候，一直等到函数（任务）完成，而进程继续处于激活状态。而异步情况下是当一个进程发起一个函数（任务）调用的时候，不会等函数返回，而是继续往下执行当，函数返回的时候通过状态、通知、事件等方式通知进程任务完成。 #2. 阻塞与非阻塞针对的是进程或线程：阻塞是当请求不能满足的时候就将进程挂起，而非阻塞则不会阻塞当前进程 

一、IO模型介绍

IO发生时涉及的对象和步骤。对于一个网络IO(network IO),它会涉及到两个系统对象，一个是调用这个IO的process (or thread)，另一个就是系统内核(kernel)。当一个read操作发生时，该操作会经历两个阶段：

#1）等待数据准备 (Waiting for the data to be ready)

#2）将数据从内核拷贝到进程中(Copying the data from the kernel to the process) 

记住这两点很重要，因为这些IO模型的区别就是在两个阶段上各有不同的情况。

二、阻塞IO  (blocking IO)

阻塞IO（blocking IO）的特点：就是在IO执行的两个阶段（等待数据和拷贝数据两个阶段）都被block了。

实际上，除非特别指定，几乎所有的IO接口 ( 包括socket接口 ) 都是阻塞型的。这给网络编程带来了一个很大的问题，如在调用recv(1024)的同时，线程将被阻塞，在此期间，线程将无法执行任何运算或响应任何的网络请求。

 1 from socket import *
 2 server = socket(AF_INET,SOCK_STREAM)
 3 server.setsockopt(SOL_SOCKET,SO_REUSEADDR,1)
 4 server.bind(('127.0.0.1',8080))
 5 server.listen(5)
 6 print('start runnig...')
 7 while True:
 8     conn,addr = server.accept()  #IO操作 在这accept的时候不能干recv的活
 9     print(addr)
10     while True:
11         try:
12             data = conn.recv(1024)  #IO操作
13             conn.send(data.upper())
14         except Exception:
15             break
16     conn.close()
17 server.close()
18
19 # 我们以前写的这个就是阻塞的IO模型：一旦阻塞了就在那卡着
20 # 直到等到数据已经到了操作系统，操作系统再从内核拷贝给应用程序
21 # 阻塞IO在那两个阶段全都阻塞住了

 1 from socket import *
 2 client  = socket(AF_INET,SOCK_STREAM)
 3 client.connect(('127.0.0.1',8080))
 4 while True:
 5     cmd = input('>>:').strip()
 6     if not cmd:continue
 7     client.send(cmd.encode('utf-8'))
 8     data = client.recv(1024)
 9     print('接受的是：%s'%data.decode('utf-8'))
10 client.close()

 一个简单的解决方案：

#在服务器端使用多线程（或多进程）。多线程（或多进程）的目的是让每个连接都拥有独立的线程（或进程），
这样任何一个连接的阻塞都不会影响其他的连接。

该方案的问题是：

#开启多进程或都线程的方式，在遇到要同时响应成百上千路的连接请求，
则无论多线程还是多进程都会严重占据系统资源，降低系统对外界响应效率，
而且线程与进程本身也更容易进入假死状态。

改进方案：    

很多程序员可能会考虑使用“线程池”或“连接池”。
“线程池”旨在减少创建和销毁线程的频率，其维持一定合理数量的线程，并让空闲的线程重新承担新的执行任务
。“连接池”维持连接的缓存池，尽量重用已有的连接、减少创建和关闭连接的频率。这两种技术都可以很好
的降低系统开销，都被广泛应用很多大型系统，如websphere、tomcat和各种数据库等。

  改进后方案其实也存在着问题：

#“线程池”和“连接池”技术也只是在一定程度上缓解了频繁调用IO接口带来的资源占用。而且，
所谓“池”始终有其上限，当请求大大超过上限时，“池”构成的系统对外界的响应并不比没有池的时候效果
好多少。所以使用“池”必须考虑其面临的响应规模，并根据响应规模调整“池”的大小。

对应上例中的所面临的可能同时出现的上千甚至上万次的客户端请求，“线程池”或“连接池”或许可以缓解部分压力，但是不能解决所有问题。总之，多线程模型可以方便高效的解决小规模的服务请求，但面对大规模的服务请求，多线程模型也会遇到瓶颈，可以用非阻塞接口来尝试解决这个问题。

三、非阻塞IO  (nonblocking IO)

多线程，多进程，进程池，线程池都可以实现并发，但是仍然没有解决IO问题
那么下面我们来了解一下非阻塞IO

从图中可以看出，当用户进程发出read操作时，如果kernel中的数据还没有准备好，那么它并不会block用户进程，而是立刻返回一个error。从用户进程角度讲 ，它发起一个read操作后，并不需要等待，而是马上就得到了一个结果。用户进程判断结果是一个error时，它就知道数据还没有准备好，于是用户就可以在本次到下次再发起read询问的时间间隔内做其他事情，或者直接再次发送read操作。一旦kernel中的数据准备好了，并且又再次收到了用户进程的system call，那么它马上就将数据拷贝到了用户内存（这一阶段仍然是阻塞的），然后返回。

    也就是说非阻塞的recvform系统调用调用之后，进程并没有被阻塞，内核马上返回给进程，如果数据还没准备好，此时会返回一个error。进程在返回之后，可以干点别的事情，然后再发起recvform系统调用。重复上面的过程，循环往复的进行recvform系统调用。这个过程通常被称之为轮询。轮询检查内核数据，直到数据准备好，再拷贝数据到进程，进行数据处理。需要注意，拷贝数据整个过程，进程仍然是属于阻塞的状态。

    所以，在非阻塞式IO中，用户进程其实是需要不断的主动询问kernel数据准备好了没有。

server.setblocking()#默认是True  

server.setblocking(False) #False的话就成非阻塞了，这只是对于socket套接字来说的 

所以，在非阻塞式IO中，用户进程其实是需要不断的主动询问内核数据准备好了没有。

wait data 等数据的这个阶段是不阻塞的 
copy data 这个阶段还是要阻塞的

服务端

 1 #这种程序虽说解决了单线程并发，但是大大的占用了cpu
 2 from socket import *
 3 import time
 4 severt = socket(AF_INET,SOCK_STREAM)
 5 severt.setsockopt(SOL_SOCKET,SO_REUSEADDR,1)
 6 severt.bind(('127.0.0.1',8080))
 7 severt.listen(5)
 8 severt.setblocking(False) #默认是True  (如果是False,套接字里的一些阻塞操作都变成非阻塞的)
 9 print('startting....')
10 conn_l = []
11 del_l =[]
12 while True:
13     try:
14         print(conn_l)
15         conn,addr = severt.accept() #收不到数据的时候才出异常
16         print(conn)
17         conn_l.append(conn)
18     except BlockingIOError:  #吧收不到数据的那段时间利用起来（利用他收不到
19         #数据的时候，才干下面的for循环）
20        for conn in conn_l:
21             try:
22                 data = conn.recv(1024)
23                 conn.send(data.upper())
24             except BlockingIOError:
25                 pass
26             except ConnectionResetError:  #端开链接的错误（如果突然断开链接，会报错
27                                            #就先添加到列表里面去，完了吧链接给清除了）
28                  del_l.append(conn)
29        for obj in del_l:
30              obj.close()
31              conn_l.remove(obj)
32        del_l.clear()

客户端

1 from socket import *
2 client = socket(AF_INET,SOCK_STREAM)
3 client.connect(('127.0.0.1',8080))
4 while True:
5     cmd = input('>>:').strip()
6     if not cmd:continue
7     client.send(cmd.encode('utf-8'))
8     data = client.recv(1024)
9     print(data.decode('utf-8'))

对服务端的说明：如果客户端断开连接的时候，就会发生ConnectionResetError

所以我们的处理一下这个异常。就如上边的服务端所示

 但是非阻塞IO模型绝不被推荐。

非阻塞IO模型优点：能够在等待任务完成的时间里干其他活了（包括提交其他任务，也就是 “后台” 可以有多个任务在“”同时“”执行）。

非阻塞IO模型缺点：

　　1. 循环调用recv()将大幅度推高CPU占用率；这也是我们在代码中留一句time.sleep(2)的原因,否则在低配主机下极容易出现卡机情况

　　 2. 任务完成的响应延迟增大了，因为每过一段时间才去轮询一次read操作，而任务可能在两次轮询之间的任意时间完成。这会导致整体数据吞吐量的降低。

四、多路复用IO  (IO multiplexing)

   当用户进程调用了select，那么整个进程会被block，而同时，kernel会“监视”所有select负责的socket，当任何一个socket中的数据准备好了，select就会返回。这个时候用户进程再调用read操作，将数据从kernel拷贝到用户进程。
    这个图和blocking IO的图其实并没有太大的不同，事实上还更差一些。因为这里需要使用两个系统调用(select和recvfrom)，而blocking IO只调用了一个系统调用(recvfrom)。但是，用select的优势在于它可以同时处理多个connection。

   强调：

    1. 如果处理的连接数不是很高的话，使用select/epoll的web server不一定比使用multi-threading + blocking IO的web server性能更好，可能延迟还更大。select/epoll的优势并不是对于单个连接能处理得更快，而是在于能处理更多的连接。

    2. 在多路复用模型中，对于每一个socket，一般都设置成为non-blocking，但是，如上图所示，整个用户的process其实是一直被block的。只不过process是被select这个函数block，而不是被socket IO给block。

    结论: select的优势在于可以处理多个连接，不适用于单个连接 

 1 #服务端
 2 from socket import *
 3 import select
 4
 5 s=socket(AF_INET,SOCK_STREAM)
 6 s.setsockopt(SOL_SOCKET,SO_REUSEADDR,1)
 7 s.bind(('127.0.0.1',8081))
 8 s.listen(5)
 9 s.setblocking(False) #设置socket的接口为非阻塞
10 read_l=[s,]
11 while True:
12     r_l,w_l,x_l=select.select(read_l,[],[])
13     print(r_l)
14     for ready_obj in r_l:
15         if ready_obj == s:
16             conn,addr=ready_obj.accept() #此时的ready_obj等于s
17             read_l.append(conn)
18         else:
19             try:
20                 data=ready_obj.recv(1024) #此时的ready_obj等于conn
21                 if not data:
22                     read_l.remove(ready_obj)
23                     continue
24                 ready_obj.send(data.upper())
25             except ConnectionResetError:
26                 read_l.remove(ready_obj)
27
28 #客户端
29 from socket import *
30 c=socket(AF_INET,SOCK_STREAM)
31 c.connect(('127.0.0.1',8081))
32
33 while True:
34     msg=input('>>: ')
35     if not msg:continue
36     c.send(msg.encode('utf-8'))
37     data=c.recv(1024)
38     print(data.decode('utf-8'))
39
40 select IO模型

 1 # select模块用select方法检测那个套接字准备好了，也就是收没收到数据（而我们的
 2 # 非阻塞IO你不知道那个套接字准备好了，那么用select模块就能解决
 3 # 这个问题）
 4 # select还可以检测多个套接字
 5 # 所以select比非阻塞IO的效率高
 6 from socket import *
 7 import select
 8 server = socket(AF_INET,SOCK_STREAM)
 9 server.setsockopt(SOL_SOCKET,SO_REUSEADDR,1)
10 server.bind(('127.0.0.1',8081))
11 server.setblocking(False) #设置socket的套接字为非阻塞的
12 server.listen(5)
13 print('start running....')
14 read_l = [server,]  #因为不只就那么一个列表要检测。所以不要在参数里面定死了
15 while True:
16     r_l,w_l,x_l = select.select(read_l,[],[])  #select()方法有四个参数
17     print(r_l)  #一开始服务端运行的时候，就等着，当你客户端一链接的时候，他就
18                 # 检测到有数据了(检测那个数据准备好了)
19     for obj in r_l:
20         if obj == server:
21             conn,addr = obj.accept()  #accept要经历两个阶段，但是程序如果走到这一步，那肯定是数据准备好了
22                          #当数据已经准备好的时候，accept就只经历一个copy数据的阶段了
23             # print(addr)
24             read_l.append(conn)  #在监听一下conn套接字（这时候已经监听了两个了：分别是accept,conn）
25         else:
26             data = obj.recv(1024)  # 此时的obj=conn
27             obj.send(data.upper())
28 #         obj.close()
29 # server.close()

 1 from socket import *
 2 import select
 3 client = socket(AF_INET,SOCK_STREAM)
 4 client.connect(('127.0.0.1',8081))
 5 while True:
 6     cmd = input('>>:')
 7     client.send(cmd.encode('utf-8'))
 8     data = client.recv(1024)
 9     print('接收的是：%s'%data.decode('utf-8'))
10 client.close()

select监听fd变化的过程分析：

#用户进程创建socket对象，拷贝监听的fd到内核空间，每一个fd会对应一张系统文件表，
内核空间的fd响应到数据后，就会发送信号给用户进程数据已到；
#用户进程再发送系统调用，比如（accept）将内核空间的数据copy到用户空间，
同时作为接受数据端内核空间的数据清除，这样重新监听时fd再有新的数据又可以响应到了
（发送端因为基于TCP协议所以需要收到应答后才会清除）。

select模块的优点

#相比其他模型，使用select() 的事件驱动模型只用单线程（进程）执行，占用资源少，不消耗太多 CPU，
同时能够为多客户端提供服务。如果试图建立一个简单的事件驱动的服务器程序，这个模型有一定的参考价值。

select模块的缺点

#首先select()接口并不是实现“事件驱动”的最好选择。因为当需要探测的句柄值较大时，
select()接口本身需要消耗大量时间去轮询各个句柄。很多操作系统提供了更为高效的接口，
如linux提供了epoll，BSD提供了kqueue，Solaris提供了/dev/poll，…。
如果需要实现更高效的服务器程序，类似epoll这样的接口更被推荐。
遗憾的是不同的操作系统特供的epoll接口有很大差异，所以使用类似于epoll的接口实现
具有较好跨平台能力的服务器会比较困难。
#其次，该模型将事件探测和事件响应夹杂在一起，一旦事件响应的执行体庞大，则对整个模型是灾难性的。

五、异步IO(asynchronous IO)

    用户进程发起read操作之后，立刻就可以开始去做其它的事。而另一方面，从kernel的角度，当它受到一个asynchronous read之后，首先它会立刻返回，所以不会对用户进程产生任何block。然后，kernel会等待数据准备完成，然后将数据拷贝到用户内存，当这一切都完成之后，kernel会给用户进程发送一个signal，告诉它read操作完成了。

六、IO模型比较分析

  经过上面的介绍，会发现non-blocking IO和asynchronous IO的区别还是很明显的。在non-blocking IO中，虽然进程大部分时间都不会被block，但是它仍然要求进程去主动的check，并且当数据准备完成以后，也需要进程主动的再次调用recvfrom来将数据拷贝到用户内存。而asynchronous IO则完全不同。它就像是用户进程将整个IO操作交给了他人（kernel）完成，然后他人做完后发信号通知。在此期间，用户进程不需要去检查IO操作的状态，也不需要主动的去拷贝数据。

七、selsectors模块

这三种IO多路复用模型在不同的平台有着不同的支持，而epoll在windows下就不支持，好在我们有selectors模块，帮我们默认选择当前平台下最合适的

 1 #服务端
 2 from socket import *
 3 import selectors
 4
 5 sel=selectors.DefaultSelector()
 6 def accept(server_fileobj,mask):
 7     conn,addr=server_fileobj.accept()
 8     sel.register(conn,selectors.EVENT_READ,read)
 9
10 def read(conn,mask):
11     try:
12         data=conn.recv(1024)
13         if not data:
14             print('closing',conn)
15             sel.unregister(conn)
16             conn.close()
17             return
18         conn.send(data.upper()+b'_SB')
19     except Exception:
20         print('closing', conn)
21         sel.unregister(conn)
22         conn.close()
23
24
25
26 server_fileobj=socket(AF_INET,SOCK_STREAM)
27 server_fileobj.setsockopt(SOL_SOCKET,SO_REUSEADDR,1)
28 server_fileobj.bind(('127.0.0.1',8088))
29 server_fileobj.listen(5)
30 server_fileobj.setblocking(False) #设置socket的接口为非阻塞
31 sel.register(server_fileobj,selectors.EVENT_READ,accept) #相当于网select的读列表里append了一个文件句柄server_fileobj,并且绑定了一个回调函数accept
32
33 while True:
34     events=sel.select() #检测所有的fileobj，是否有完成wait data的
35     for sel_obj,mask in events:
36         callback=sel_obj.data #callback=accpet
37         callback(sel_obj.fileobj,mask) #accpet(server_fileobj,1)
38
39 #客户端
40 from socket import *
41 c=socket(AF_INET,SOCK_STREAM)
42 c.connect(('127.0.0.1',8088))
43
44 while True:
45     msg=input('>>: ')
46     if not msg:continue
47     c.send(msg.encode('utf-8'))
48     data=c.recv(1024)
49     print(data.decode('utf-8'))

 八、总结

IO多路复用（select）
select检测的是哪个套接字准备好了（检测的时候等待了，变成阻塞了）


select之所以比阻塞IO好，就是因为select可以检测多个套接字
多个链接下select才能发挥它的优势
但是你的套接字特别多，你怎么知道哪个好了呢，那么就得用循环去遍历一下
那么如果特别多的时候，效率也就不咋高了

eppol:只支持linux系统（就是为了解决select效率低的问题）
eppol比pool，select效率高


selectors  更好用，解决了上面select，eppol，pool的问题

socketserver用这个模块IO问题也解决了，实现并发也解决了