回顾线程协程，IO模型，阻塞非阻塞多路复用同步异步

回顾

线程队列

1.Queue 与进程队列没啥区别

2.LifoQueue 模拟栈这种结构 先进后出

3.PriorityQueue 具备优先级的队列 比较越小的优先级越高

无法存储自定义对象 因为自定义对象不具备 比较大小的方法 __lt__ __gt__

解决方法 即给这个类 添加这两个方法的其中一个 运算符重载

协程

协程的原理是单线程实现并发

协程,又叫微线程,是由应用程序自己来控制调度的多任务处理方式

对比线程

线程由操作系统来控制调度,创建线程也是需要占用系统资源的

相比较协程呢,协程占用的资源小于线程,

使用场景:

1.一定是IO密集型

2.当任务数量太大的时候,无法创建对应数量的线程

性能对比:如果你的任务数量足够多的,就可以尽可能的利用CPU 直到超时为止

注意:一定避免造成主线程阻塞 ,这会导致所有任务全部卡住

协程不会造成,数据安全问题 因为只有一个执行单位

Gevent

1.封装了生成器

2.可以检测IO操作并自动切换其它任务

常用方法

spawn() 提交任务

join 等待该任务结束

joinall 等待列表中的所有任务全部结束

注意:使用该模块一定要先打补丁 ,mokey补丁 是把原本阻塞的代码替换成了非阻塞的代码

 

 

 

回顾

线程队列

1.Queue 与进程队列没啥区别

2.LifoQueue 模拟栈这种结构 先进后出

3.PriorityQueue 具备优先级的队列 比较越小的优先级越高

无法存储自定义对象 因为自定义对象不具备 比较大小的方法 __lt__ __gt__

解决方法 即给这个类 添加这两个方法的其中一个 运算符重载

协程

协程的原理是单线程实现并发

协程,又叫微线程,是由应用程序自己来控制调度的多任务处理方式

对比线程

线程由操作系统来控制调度,创建线程也是需要占用系统资源的

相比较协程呢,协程占用的资源小于线程,

使用场景:

1.一定是IO密集型

2.当任务数量太大的时候,无法创建对应数量的线程

性能对比:如果你的任务数量足够多的,就可以尽可能的利用CPU 直到超时为止

注意:一定避免造成主线程阻塞 ,这会导致所有任务全部卡住

协程不会造成,数据安全问题 因为只有一个执行单位

Gevent

1.封装了生成器

2.可以检测IO操作并自动切换其它任务

常用方法

spawn() 提交任务

join 等待该任务结束

joinall 等待列表中的所有任务全部结束

注意:使用该模块一定要先打补丁 ,mokey补丁 是把原本阻塞的代码替换成了非阻塞的代码

 

 

 

回顾

线程队列

1.Queue 与进程队列没啥区别

2.LifoQueue 模拟栈这种结构 先进后出

3.PriorityQueue 具备优先级的队列 比较越小的优先级越高

无法存储自定义对象 因为自定义对象不具备 比较大小的方法 __lt__ __gt__

解决方法 即给这个类 添加这两个方法的其中一个 运算符重载

协程

协程的原理是单线程实现并发

协程,又叫微线程,是由应用程序自己来控制调度的多任务处理方式

对比线程

线程由操作系统来控制调度,创建线程也是需要占用系统资源的

相比较协程呢,协程占用的资源小于线程,

使用场景:

1.一定是IO密集型

2.当任务数量太大的时候,无法创建对应数量的线程

性能对比:如果你的任务数量足够多的,就可以尽可能的利用CPU 直到超时为止

注意:一定避免造成主线程阻塞 ,这会导致所有任务全部卡住

协程不会造成,数据安全问题 因为只有一个执行单位

Gevent

1.封装了生成器

2.可以检测IO操作并自动切换其它任务

常用方法

spawn() 提交任务

join 等待该任务结束

joinall 等待列表中的所有任务全部结束

注意:使用该模块一定要先打补丁 ,mokey补丁 是把原本阻塞的代码替换成了非阻塞的代码

 

 

 

IO模型

模型即解决某个问题的固定套路

I/O 指的是输入输出

IO的问题: 当我们要输入数据或是输出数据通常需要很长一段时间,当然是对于CPU而言

在等待输入的过程中,CPU就处于闲置状态 没事干! 造成了资源浪费

注意: IO其实有很多类型,例如,socket网络IO,内存到内存的copy,等待键盘输入,对比起来socket网络IO需要等待的时间是最长的,这也是咱们重点关注的地方,

学习IO模型要干什么? 就是在等待IO操作的过程中利用CPU,做别的事情

 

 

网络IO经历的步骤和过程

操作系统有两种状态:内核态 和 用户态 , 当操作系统需要控制硬件时,例如接收网卡上的数据,必须先转换到内核态,接收完数据后,要把数据从操作系统缓冲区,copy到应用程序的缓冲区,从内核态转为用户态;

涉及到的步骤

1.wait_data

2.copy_data

recv accept 需要经历 wait -> copy

send 只需要经历copy

 

阻塞IO模型

默认情况下 你写出TCP程序就是阻塞IO模型

该模型 提高效率方式,当你执行recv/accept 会进入wait_data的阶段,

1.你的进程会主动调用一个block指令,进程进入阻塞状态,同时让出CPU的执行权,操作系统就会将CPU分配给其它的任务,从而提高了CPU的利用率

2.当数据到达时,首先会从内核将数据copy到应用程序缓冲区,并且socket将唤醒处于自身的等待队列中的所有进程

之前使用多线程 多进程 完成的并发 其实都是阻塞IO模型 每个线程在执行recv时,也会卡住

非阻塞IO模型

非阻塞IO模型与阻塞模型相反 ,在调用recv/accept 时都不会阻塞当前线程

使用方法: 将原本阻塞的socket 设置为非阻塞

该模型在没有数据到达时,会跑出异常,我们需要捕获异常,然后继续不断地询问系统内核直到,数据到达为止

可以看出,该模型会大量的占用CPU资源做一些无效的循环, 效率低于阻塞IO

多路复用IO模型

属于事件驱动模型

 

多个socket使用同一套处理逻辑

如果将非阻塞IO 比喻是点餐的话,相当于你每次去前台,照着菜单挨个问个遍

多路复用,直接为前台那些菜做好了,前台会给你返回一个列表,里面就是已经做好的菜

对比阻塞或非阻塞模型,增加了一个select,来帮我们检测socket的状态,从而避免了我们自己检测socket带来的开销

select会把已经就绪的放入列表中,我们需要遍历列表,分别处理读写即可

 

案例:

import socket
import time
import select
s = socket.socket()
s.bind(("127.0.0.1",1688))
# 设置为非阻塞 模型
s.setblocking(True) #在多路复用中  阻塞与非阻塞没有区别 因为select会阻塞直到有数据到达为止
s.listen()
​
# 待检测是否可读的列表
r_list = [s]
# 待检测是否可写的列表
w_list = []
​
# 待发送的数据
msgs = {}
​
print("开始检测了")
while True:
    read_ables, write_ables, _= select.select(r_list,w_list,[])
    print("检测出结果了!")
    # print(read_ables,"可以收数据了")
    # print(write_ables,"可以发数据了")
    # 处理可读 也就是接收数据的
    for obj in read_ables: # 拿出所有可以读数据的socket
        #有可能是服务器 有可能是客户端
        if s == obj: # 服务器
            print("来了一个客户端 要连接")
            client,addr = s.accept()
            r_list.append(client)  # 新的客户端也交给select检测了
            
        else:# 如果是客户端则执行recv 接收数据
            print("客户端发来一个数据")
            try:
                data = obj.recv(1024)
                if not data:raise ConnectionResetError
                print("有个客户端说:",data)
                # 将要发送数据的socket加入到列表中让select检测
                w_list.append(obj)
                # 将要发送的数据已经socket对象丢到容器中
                if obj in msgs:  # 由于容器是一个列表 所以需要先判断是否已经存在了列表
                    msgs[obj].append(data)
                else:
                    msgs[obj] = [data]
            except ConnectionResetError:
                obj.close()
                r_list.remove(obj)
    # 处理可写的 也就是send发送数据
    for obj in write_ables:
        msg_list = msgs.get(obj)
        if msg_list:
            # 遍历发送所有数据
            for m in msg_list:
                try:
                    obj.send(m.upper())
                except ConnectionResetError:
                    obj.close()
                    w_list.remove(obj)
                    break
            # 数据从容器中删除
            msgs.pop(obj)
        # 将这个socket从w_list中删除
        w_list.remove(obj)

多路复用对比非阻塞 ,多路复用可以极大降低CPU的占用率

注意:多路复用并不完美 因为本质上多个任务之间是串行的,如果某个任务耗时较长将导致其他的任务不能立即执行,多路复用最大的优势就是高并发

 

 

异步IO模型

异步IO ==

非阻塞IO不等于异步IO 因为从copy的过程是一个同步任务 会卡主当前线程

而异步IO 是发起任务后 就可以继续执行其它任务,当书记以及copy到应用程序缓冲区,才会给你的线程发送信号 或者执行回调

 

asyncio 3.4 出现

 

信号驱动IO模型

见得说就是 当某个事情发生后 会给你的线程发送一个信号,你的线程就可以去处理这个任务

不常用,原因是 socket的信号太多,处理起来非常繁琐