|
一、协程介绍 |
协程，又称微线程，纤程。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。
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。线程和进程的操作是由程序触发系统接口，最后的执行者是系统；协程的操作执行者则是用户自身程序。
简单定义：
- 寄存在线程中，单线程下可以实现多并发效果
- 修改共享数据不需加锁
- 用户程序里自己保存多个控制流的上下文栈
- 一个协程遇到IO操作自动切换到其它协程
协程的优点：
- 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
协程的适用场景：当程序中存在大量不需要CPU的操作时（也就是平时所说的IO密集型程序），适用于协程；
协程简单实现：yield
demo：
#!/usr/bin/env python3 #_*_ coding:utf-8 _*_ #Author:wd import time def consumer(name): print("%s开始吃桃子。。。。"%name) r=" " while True: new_food=yield r #通过yeild向生产者发送消息 print("[%s]开始吃桃子[%s]"%(name,new_food)) r=name def product(): con.__next__() #先执行__next__方法启动生成器 con1.__next__() n=0 while n<5: print("桃子熟了，可以吃了") r1=con.send(n) #向生成器（consumer）发送消息并激活生成器 r2=con1.send(n) print("[product] return %s ok" %r1) print("[product] return %s ok" % r2) n+=1 time.sleep(1) con.close() con1.close() if __name__ == '__main__': con=consumer("wd") con1=consumer("jack") p=product()
执行结果：
wd开始吃桃子。。。。 jack开始吃桃子。。。。 桃子熟了，可以吃了 [wd]开始吃桃子[0] [jack]开始吃桃子[0] [product] return wd ok [product] return jack ok 桃子熟了，可以吃了 [wd]开始吃桃子[1] [jack]开始吃桃子[1] [product] return wd ok [product] return jack ok
上述程序运行过程：
1.con=cusumer("wd"),使customer变成生成器(generator)，con1=cusumer("jack")同理
2.p=product()，执行product函数，执行con.__next__()启动生成器,切回consumer函数运行
3.consumer函数执行到new__food=yeild r,此时遇到yeild停止并保存当前运行状态，继续切到product()函数原来状态执行，并通过yield把r的值返回给pruduct。
4.运行到r1=con.send(n),product通过send向cusumer发送消息，并通过r1接受来自于customer的消息返回，程序切到customer运行，此时cusumer又开始步骤3
5.最后product没有生产消息了，也就是停止了，通过con.close()关闭consumer，整个过程结束。
上述过程可以看到，整个切换过程在一个线程中进行，并且全程无锁，完全依赖product和cusumer协作完成。
greenlet
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,但是greenlet还是未实现遇IO自动切换，而是使用switch()方法实现的切换。
demo：
import time from greenlet import greenlet def fun1(): print("运行 函数 A") time.sleep(1) print("结束运行函数A") gr3.switch() def fun2(): print("运行 函数 B") gr1.switch() def fun3(): print("运行 函数 C") gr2.switch() if __name__ == '__main__': gr1=greenlet(fun1) gr2=greenlet(fun2) gr3=greenlet(fun3) gr1.switch()#启动，相当于generator中一开始执行__next__方法，如果没有这段代码，程序不会运行 运行结果： 运行 函数 A 结束运行函数A 运行 函数 C 运行 函数 B
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。
其内部原理大致如下：
当一个greenlet遇到IO操作时，比如访问网络，就自动切换到其他的greenlet，等到IO操作完成，再在适当的时候切换回来继续执行。由于IO操作非常耗时，经常使程序处于等待状态，有了gevent为我们自动切换协程，就保证总有greenlet在运行，而不是等待IO。我们通过gevent.sleep()来模拟IO操作。
demo：
import gevent import time def fun1(n): #time.sleep(1)如果使用time.sleep,并不会发生切换 print("run fun1....") gevent.sleep(n) print("end fun1 ....") def fun2(n): print("run fun2....") gevent.sleep(n) print("end fun2 ....") def fun3(n): print("run fun3....") gevent.sleep(n) print("end fun3 ....") if __name__ == '__main__': g1 = gevent.spawn(fun1,1) g2 = gevent.spawn(fun2, 1) g3 = gevent.spawn(fun3, 2) g1.join()#启动 g2.join() g3.join() 运行结果： run fun1.... run fun2.... run fun3.... end fun1 .... end fun2 .... end fun3 ....
如果看不出来效果，请看下面代码：
import gevent def task(pid): """ Some non-deterministic task """ gevent.sleep(0.5)#模拟遇到IO切换到其他线程 print('Task %s done' % pid) def synchronous(): for i in range(1,10): task(i) def asynchronous(): threads = [gevent.spawn(task, i) for i in range(10)] gevent.joinall(threads) print('Synchronous:') synchronous() print('Asynchronous:') asynchronous()
上面的demo并不能让gevent识别IO操作，由于切换是在IO操作时自动完成，所以gevent需要修改Python自带的一些标准库，这一过程在启动时通过monkey patch完成：
遇IO自动切换demo：
#!/usr/bin/env python3 #_*_ coding:utf-8 _*_ #Author:wd from gevent import monkey; import gevent from urllib.request import urlopen monkey.patch_all()#让gevent识别IO操作 def f(url): print('GET: %s' % url) resp = urlopen(url)#IO操作 print("===========") data = resp.read()#IO操作 print('%d bytes received from %s.' % (len(data), url)) gevent.joinall([ gevent.spawn(f, 'http://www.cnblogs.com/'), gevent.spawn(f, 'https://www.taobao.com/'), gevent.spawn(f, 'https://www.baidu.com/'), ])
结果: GET: http://www.cnblogs.com/ GET: https://www.taobao.com/ GET: https://www.baidu.com/ ======== 227 bytes received from https://www.baidu.com/. ======== ======== 122189 bytes received from https://www.taobao.com/. 45427 bytes received from http://www.cnblogs.com/.
通过gevent实现socket多并发
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)
| 二、事件驱动介绍 |
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，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；
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）同步以及多线程编程。
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：
- 程序中有许多任务，而且…
- 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…
- 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？请参考下一篇：