欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

python中的協(xié)程深入理解

 更新時間:2019年06月10日 09:10:51   作者:且聽風(fēng)吟  
這篇文章主要給大家介紹了關(guān)于python中協(xié)程的相關(guān)資料,文中通過示例代碼介紹的非常詳細(xì),對大家學(xué)習(xí)或者使用python具有一定的參考學(xué)習(xí)價值,需要的朋友們下面來一起學(xué)習(xí)學(xué)習(xí)吧

先介紹下什么是協(xié)程:

  協(xié)程,又稱微線程,纖程,英文名Coroutine。協(xié)程的作用,是在執(zhí)行函數(shù)A時,可以隨時中斷,去執(zhí)行函數(shù)B,然后中斷繼續(xù)執(zhí)行函數(shù)A(可以自由切換)。但這一過程并不是函數(shù)調(diào)用(沒有調(diào)用語句),這一整個過程看似像多線程,然而協(xié)程只有一個線程執(zhí)行。

是不是有點沒看懂,沒事,我們下面會解釋。要理解協(xié)程是什么,首先需要理解yield,這里簡單介紹下,yield可以理解為生成器,yield item這行代碼會產(chǎn)出一個值,提供給next(...)的調(diào)用方; 此外,還會作出讓步,暫停執(zhí)行生成器,讓調(diào)用方繼續(xù)工作,直到需要使用另一個值時再調(diào)用next()。調(diào)用方會從生成器中拉取值,但是在協(xié)程中,yield關(guān)鍵字一般是在表達(dá)式右邊(如,data=yield),協(xié)程可以從調(diào)用方接收數(shù)據(jù),也可以產(chǎn)出數(shù)據(jù),下面看一個簡單的例子:

>>> def simple_coroutine():
...  print('coroutine start')
...  x = yield
...  print('coroutine recive:',x)
...  
>>> my_co=simple_coroutine()
>>> my_co
<generator object simple_coroutine at 0x1085174f8>
>>> next(my_co)
coroutine start
>>> my_co.send(42)
coroutine recive: 42
Traceback (most recent call last):
 File "<input>", line 1, in <module>
StopIteration

其中x = yield就是精髓部分,意思是從客戶端獲取數(shù)據(jù),產(chǎn)出None,因為yield關(guān)鍵字右邊沒有表達(dá)式, 而協(xié)程在創(chuàng)建完成之后,是沒有啟動的,沒有在yield處暫停,所以需要調(diào)用next()函數(shù),啟動協(xié)程,在調(diào)用my_co.send(42)之后,協(xié)程定義體中的yield表達(dá)式會計算出42,現(xiàn)在協(xié)程恢復(fù),一直運行到下一個yield表達(dá)式,或者終止,在最后,控制權(quán)流動到協(xié)程定義體的末尾,生成器拋出StopIteration異常。

協(xié)程有四個狀態(tài),如下:

  • 'GEN_CREATED' 等待開始執(zhí)行。
  • 'GEN_RUNNING' 解釋器正在執(zhí)行。
  • 'GEN_SUSPENDED' 在 yield 表達(dá)式處暫停。
  • 'GEN_CLOSED' 執(zhí)行結(jié)束。

當(dāng)前狀態(tài)可以使用inspect.getgeneratorstate來確定,如下:

>>> import inspect
>>> inspect.getgeneratorstate(my_co)
'GEN_CLOSED'

這里再解釋下next(my_co),如果在創(chuàng)建好協(xié)程對象之后,立即把None之外的值發(fā)送給它,會出現(xiàn)如下錯誤:

>>> my_co=simple_coroutine()
>>> my_co.send(42)
Traceback (most recent call last):
 File "<input>", line 1, in <module>
TypeError: can't send non-None value to a just-started generator
>>> my_co=simple_coroutine()
>>> my_co.send(None)
coroutine start

最先調(diào)用 next(my_co) 函數(shù)這一步通常稱為“預(yù)激”(prime)協(xié)程(即,讓協(xié)程向前執(zhí)行到第一個 yield 表達(dá)式,準(zhǔn)備好作為活躍的協(xié)程使用)。

再參考下面這個例子:

>>> def simple_coro2(a):
...  print('-> Started: a =', a)
...  b = yield a
...  print('-> Received: b =', b)
...  c = yield a + b
...  print('-> Received: c =', c)
...  
>>> my_coro2 = simple_coro2(14)
>>> from inspect import getgeneratorstate
>>> getgeneratorstate(my_coro2)
'GEN_CREATED'
>>> next(my_coro2) # 協(xié)程執(zhí)行到`b = yield a`處暫停,等待為b賦值,
-> Started: a = 14
14
>>> getgeneratorstate(my_coro2) 
'GEN_SUSPENDED' #從狀態(tài)也可以看到,當(dāng)前是暫停狀態(tài)。
>>> my_coro2.send(28) #將28發(fā)送到協(xié)程,計算yield表達(dá)式,并把結(jié)果綁定到b,產(chǎn)出a+b的值,然后暫停。
-> Received: b = 28
42
>>> my_coro2.send(99)
-> Received: c = 99
Traceback (most recent call last):
 File "<input>", line 1, in <module>
StopIteration
>>> getgeneratorstate(my_coro2)
'GEN_CLOSED'

simple_coro2的執(zhí)行過程如下圖所示:

  • 調(diào)用next(my_coro2),打印第一個消息,然后執(zhí)行yield a,產(chǎn)出數(shù)字 14。
  • 調(diào)用my_coro2.send(28),把28賦值給b,打印第二個消息,然后執(zhí)行yield a + b,產(chǎn) 出數(shù)字 42。
  • 調(diào)用my_coro2.send(99),把 99 賦值給 c,打印第三個消息,協(xié)程終止。

說了這么多,我們?yōu)槭裁匆脜f(xié)程呢,下面我們再看看它的優(yōu)勢是什么:

  • 執(zhí)行效率極高,因為子程序切換(函數(shù))不是線程切換,由程序自身控制,沒有切換線程的開銷。所以與多線程相比,線程的數(shù)量越多,協(xié)程性能的優(yōu)勢越明顯。
  • 不需要多線程的鎖機制,因為只有一個線程,也不存在同時寫變量沖突,在控制共享資源時也不需要加鎖,因此執(zhí)行效率高很多。

說明:協(xié)程可以處理IO密集型程序的效率問題,但是處理CPU密集型不是它的長處,如要充分發(fā)揮CPU利用率可以結(jié)合多進(jìn)程+協(xié)程。

下面看最后一個例子,傳統(tǒng)的生產(chǎn)者-消費者模型是一個線程寫消息,一個線程取消息,通過鎖機制控制隊列和等待,但一不小心就可能死鎖。

如果改用協(xié)程,生產(chǎn)者生產(chǎn)消息后,直接通過yield跳轉(zhuǎn)到消費者開始執(zhí)行,待消費者執(zhí)行完畢后,切換回生產(chǎn)者繼續(xù)生產(chǎn),效率極高:

from bs4 import BeautifulSoup
import requests
from urllib.parse import urlparse

start_url = 'https://www.cnblogs.com'
trust_host = 'www.cnblogs.com'
ignore_path = []
history_urls = []


def parse_html(html):
  soup = BeautifulSoup(html, "lxml")
  print(soup.title)
  links = soup.find_all('a', href=True)
  return (a['href'] for a in links if a['href'])


def parse_url(url):
  url = url.strip()

  if url.find('#') >= 0:
    url = url.split('#')[0]
  if not url:
    return None
  if url.find('javascript:') >= 0:
    return None

  for f in ignore_path:
    if f in url:
      return None
  if url.find('http') < 0:
    url = start_url + url
    return url
  parse = urlparse(url)
  if parse.hostname == trust_host:
    return url


def consumer():
  html = ''
  while True:
    url = yield html
    if url:
      print('[CONSUMER] Consuming %s...' % url)
      rsp = requests.get(url)
      html = rsp.content


def produce(c):
  next(c)

  def do_work(urls):
    for u in urls:
      if u not in history_urls:
        history_urls.append(u)
        print('[PRODUCER] Producing %s...' % u)
        html = c.send(u)
        results = parse_html(html)
        work_urls = (x for x in map(parse_url, results) if x)
        do_work(work_urls)

  do_work([start_url])
  c.close()


if __name__ == '__main__':
  c = consumer()
  produce(c)
  print(len(history_urls))

首先consumer函數(shù)是一個generator,在開始執(zhí)行之后:

  1. 調(diào)用next(c)啟動生成器;
  2. 進(jìn)入do_work,這是一個遞歸調(diào)用,其內(nèi)部將url傳遞給consumer,由consumer來發(fā)出請求,獲取到html信息,返回給produce,
  3. produce解析html,獲取url數(shù)據(jù),繼續(xù)生產(chǎn)url,
  4. 當(dāng)所有的url都在history_urls中,也就是說我們已經(jīng)爬取了所有的url地址,結(jié)束遞歸調(diào)用
  5. 調(diào)用c.close(),關(guān)閉consumer,整個過程結(jié)束。

可以看到,我們的整個流程無鎖,由一個線程執(zhí)行,produce和consumer協(xié)作完成任務(wù),所以稱為“協(xié)程”,而非線程的搶占式多任務(wù)。

總結(jié)

以上就是這篇文章的全部內(nèi)容了,希望本文的內(nèi)容對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,謝謝大家對腳本之家的支持。

相關(guān)文章

  • pytorch:實現(xiàn)簡單的GAN示例(MNIST數(shù)據(jù)集)

    pytorch:實現(xiàn)簡單的GAN示例(MNIST數(shù)據(jù)集)

    今天小編就為大家分享一篇pytorch:實現(xiàn)簡單的GAN示例(MNIST數(shù)據(jù)集),具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧
    2020-01-01
  • PyTorch中l(wèi)oading fbgemm.dll異常的解決辦法

    PyTorch中l(wèi)oading fbgemm.dll異常的解決辦法

    PyTorch是一個深度學(xué)習(xí)框架,當(dāng)我們在本地調(diào)試大模型時,可能會選用并安裝它,目前已更新至2.4版本,本文給大家介紹了PyTorch中l(wèi)oading fbgemm.dll異常的解決辦法,文中通過代碼和圖文介紹的非常詳細(xì),需要的朋友可以參考下
    2024-08-08
  • PyTorch-GPU加速實例

    PyTorch-GPU加速實例

    這篇文章主要介紹了PyTorch-GPU加速實例,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧
    2020-06-06
  • keras獲得某一層或者某層權(quán)重的輸出實例

    keras獲得某一層或者某層權(quán)重的輸出實例

    今天小編就為大家分享一篇keras獲得某一層或者某層權(quán)重的輸出實例,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧
    2020-01-01
  • Python編程使用DRF實現(xiàn)一次性驗證碼OTP

    Python編程使用DRF實現(xiàn)一次性驗證碼OTP

    今天講一下如何用 Django REST framework[1](DRF) 來實現(xiàn) OTP,閱讀本文需要一定的 DRF 的基礎(chǔ)知識,有需要的朋友可以借鑒參考下
    2021-09-09
  • python 捕獲shell腳本的輸出結(jié)果實例

    python 捕獲shell腳本的輸出結(jié)果實例

    下面小編就為大家?guī)硪黄猵ython 捕獲shell腳本的輸出結(jié)果實例。小編覺得挺不錯的,現(xiàn)在就分享給大家,也給大家做個參考。一起跟隨小編過來看看吧
    2017-01-01
  • Python函數(shù)中的全局變量詳解

    Python函數(shù)中的全局變量詳解

    大家好,本篇文章主要講的是Python函數(shù)中的全局變量詳解,感興趣的同學(xué)趕快來看一看吧,對你有幫助的話記得收藏一下,方便下次瀏覽
    2022-01-01
  • python實現(xiàn)文件名批量替換和內(nèi)容替換

    python實現(xiàn)文件名批量替換和內(nèi)容替換

    這篇文章主要介紹了python實現(xiàn)文件名批量替換和內(nèi)容替換,第一個例子可以指定文件類型,需要的朋友可以參考下
    2014-03-03
  • Python+opencv+pyaudio實現(xiàn)帶聲音屏幕錄制

    Python+opencv+pyaudio實現(xiàn)帶聲音屏幕錄制

    今天小編就為大家分享一篇Python+opencv+pyaudio實現(xiàn)帶聲音屏幕錄制,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧
    2019-12-12
  • python爬蟲中多線程的使用詳解

    python爬蟲中多線程的使用詳解

    queue是python的標(biāo)準(zhǔn)庫,俗稱隊列.可以直接import引用,在python2.x中,模塊名為Queue。這篇文章主要介紹了python爬蟲中多線程的使用,需要的朋友可以參考下
    2019-09-09

最新評論