協(xié)程

協(xié)程，又稱微線程，纖程。英文名Coroutine。一句話說明什么是線程：協(xié)程是一種用戶態(tài)的輕量級線程。

協(xié)程擁有自己的寄存器上下文和棧。協(xié)程調(diào)度切換時，將寄存器上下文和棧保存到其他地方，在切回來的時候，恢復先前保存的寄存器上下文和棧。因此：

協(xié)程能保留上一次調(diào)用時的狀態(tài)（即所有局部狀態(tài)的一個特定組合），每次過程重入時，就相當于進入上一次調(diào)用的狀態(tài)，換種說法：進入上一次離開時所處邏輯流的位置。

協(xié)程的好處：

• 無需線程上下文切換的開銷
• 無需原子操作鎖定及同步的開銷
• "原子操作(atomic operation)是不需要synchronized"，所謂原子操作是指不會被線程調(diào)度機制打斷的操作；這種操作一旦開始，就一直運行到結(jié)束，中間不會有任何 context switch （切換到另一個線程）。原子操作可以是一個步驟，也可以是多個操作步驟，但是其順序是不可以被打亂，或者切割掉只執(zhí)行部分。視作整體是原子性的核心。
• 方便切換控制流，簡化編程模型
• 高并發(fā)+高擴展性+低成本：一個CPU支持上萬的協(xié)程都不是問題。所以很適合用于高并發(fā)處理。

缺點：

• 無法利用多核資源：協(xié)程的本質(zhì)是個單線程,它不能同時將 單個CPU 的多個核用上,協(xié)程需要和進程配合才能運行在多CPU上.當然我們?nèi)粘Ｋ帉懙慕^大部分應(yīng)用都沒有這個必要，除非是cpu密集型應(yīng)用。
• 進行阻塞（Blocking）操作（如IO時）會阻塞掉整個程序

使用yield實現(xiàn)協(xié)程操作例子

import time
import queue

def consumer(name):
 print("--->starting eating baozi...")
 while True:
 new_baozi = yield
 print("[%s] is eating baozi %s" % (name, new_baozi))
 # time.sleep(1)

def producer(): # 生產(chǎn)者
 r = con.__next__()
 r = con2.__next__()
 n = 0
 while n < 5:
 n += 1
 con.send(n)
 con2.send(n)
 print("\033[32;1m[producer]\033[0m is making baozi %s" % n)


if __name__ == '__main__':
 con = consumer("c1")
 con2 = consumer("c2")
 p = producer()

程序執(zhí)行的結(jié)果為：

--->starting eating baozi...
--->starting eating baozi...
[c1] is eating baozi 1
[c2] is eating baozi 1
[producer] is making baozi 1
[c1] is eating baozi 2
[c2] is eating baozi 2
[producer] is making baozi 2
[c1] is eating baozi 3
[c2] is eating baozi 3
[producer] is making baozi 3
[c1] is eating baozi 4
[c2] is eating baozi 4
[producer] is making baozi 4
[c1] is eating baozi 5
[c2] is eating baozi 5
[producer] is making baozi 5

 問題來了，現(xiàn)在之所以能夠?qū)崿F(xiàn)多并發(fā)的效果，是因為每一個生產(chǎn)者沒有任何花時間的代碼,所以他根本沒有卡住，如果這個時候在生產(chǎn)者這里sleep（1），那么速度一下子就變慢了，來看下下面的函數(shù)

def home():
  print("in func 1")
  time.sleep(5)
  print("home exec done")

def bbs():
  print("in func 2")
  time.sleep(2)

def login():
  print("in func 2")

假如說nginx每次來一個請求都經(jīng)過函數(shù)來處理，但它是一個單線程的情況，假如說nginx請求home頁，因為nginx在后臺處理是單線程，單線程的情況下同事過來三次請求，那該怎么辦？肯定是一次次的串行的執(zhí)行啊，但是我為了讓他實現(xiàn)感覺是并發(fā)的效果，我是不是該在各個協(xié)程之間實行切換啊，但什么時候切換呢？那么，我問你，如果從一個請求進來直接打印一個print，那么我會在這個地方立刻切換嗎？因為這里面沒有任何的阻塞，不會被卡主，所以不需要立刻切換。如果他需要干一件事，比如整個home花了5s鐘，單線程是串行的，即便是使用了協(xié)程，那它還是串行的，為了保證并發(fā)的效果，什么時候進行切換？應(yīng)該time.sleep(5)這里切換到bbs請求，那么bbs如果也sleep呢？那它就切換到下一個login，那么就是這么的切換。怎么才能實現(xiàn)一個單線程下實現(xiàn)上面程序的并發(fā)效果呢？就一句話，遇到io操作就切換，協(xié)程之所以能處理大并發(fā)，其實就是把io操作給擠掉了，就是io操作就切換，也就是這個程序只有CPU在運算，所以速度很快！那么問題又來了切換完之后，那么什么時候在切換回去啊？也就是說，怎么實現(xiàn)程序自動監(jiān)測io操作完成了？那么就看下一個知識點吧！

Greenlet

greenlet是一個用C實現(xiàn)的協(xié)程模塊，相比與python自帶的yield，它是一塊封裝好了的協(xié)程，可以使你在任意函數(shù)之間隨意切換，而不需把這個函數(shù)先聲明為generator。

from greenlet import greenlet
def test1():
 print(12)
 gr2.switch() # 切換到gr2
 print(34)
 gr2.switch() # 切換到gr2

def test2():
 print(56)
 gr1.switch() # 切換到gr1
 print(78)


gr1 = greenlet(test1) # 啟動一個協(xié)程
gr2 = greenlet(test2) #
gr1.switch() # 切換到gr1

程序執(zhí)行后的結(jié)果為：

12
56
34
78

Gevent

上面的greenlet為手動擋的自動切換，現(xiàn)在來看一下自動擋的自動切換Gevent，遇到IO就切換。

Gevent 是一個第三方庫，可以輕松通過gevent實現(xiàn)并發(fā)同步或異步編程，在gevent中用到的主要模式是Greenlet, 它是以C擴展模塊形式接入Python的輕量級協(xié)程。 Greenlet全部運行在主程序操作系統(tǒng)進程的內(nèi)部，但它們被協(xié)作式地調(diào)度。

來看下非常簡單的協(xié)程切換小程序

import gevent

def func1():
 print('\033[31;1m李闖在跟海濤搞...\033[0m')
 gevent.sleep(2) # 模仿IO
 print('\033[31;1m李闖又回去跟繼續(xù)跟海濤搞...\033[0m')

def func2():
 print('\033[32;1m李闖切換到了跟海龍搞...\033[0m')
 gevent.sleep(1)
 print('\033[32;1m李闖搞完了海濤，回來繼續(xù)跟海龍搞...\033[0m')

gevent.joinall([
 gevent.spawn(func1), # spawn 啟動一個協(xié)程
 gevent.spawn(func2),
])

程序執(zhí)行后的結(jié)果為：

李闖在跟海濤搞...
李闖切換到了跟海龍搞...
李闖搞完了海濤，回來繼續(xù)跟海龍搞...
李闖又回去跟繼續(xù)跟海濤搞...

協(xié)程之爬蟲

現(xiàn)在利用協(xié)程來實現(xiàn)簡單的爬蟲

from gevent import monkey; monkey.patch_all() # 把當前程序的所有的io操作單獨給我做上標記
import gevent # 協(xié)程模塊
from urllib.request import urlopen # 爬蟲所需要的模塊

def f(url):
 print('GET: %s' % url)
 resp = urlopen(url)
 data = resp.read()
 print('%d bytes received from %s.' % (len(data), url))

gevent.joinall([ # 利用協(xié)程大并發(fā)的爬取網(wǎng)頁
 gevent.spawn(f, 'https://www.python.org/'),
 gevent.spawn(f, 'https://www.yahoo.com/'),
 gevent.spawn(f, 'https://github.com/'),
])

程序執(zhí)行的結(jié)果為：

GET: https://www.python.org/
GET: https://www.yahoo.com/
GET: https://github.com/
59619 bytes received from https://github.com/.
495691 bytes received from https://www.yahoo.com/.
48834 bytes received from https://www.python.org/.

協(xié)程之Socket

通過gevent實現(xiàn)單線程下的多socket并發(fā)

# socket_server #

import sys
import socket
import time
import gevent

from gevent import socket,monkey
monkey.patch_all()

def server(port):
 s = socket.socket()
 s.bind(('HW-20180425SPSL', 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)

# socket_client #

import socket

HOST = 'HW-20180425SPSL' # 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()

程序執(zhí)行后的結(jié)果為：

socket_client.py

>>:lala
Received b'lala'
>>:

socket_server.py

recv: b'heihei'

論事件驅(qū)動和異步IO

通常，我們寫服務(wù)器處理模型的程序時，有以下幾種模型：
（1）每收到一個請求，創(chuàng)建一個新的進程，來處理該請求；

（2）每收到一個請求，創(chuàng)建一個新的線程，來處理該請求；

（3）每收到一個請求，放入一個事件列表，讓主進程通過非阻塞I/O方式來處理請求

上面的幾種方式，各有千秋，

第（1）中方法，由于創(chuàng)建新的進程的開銷比較大，所以，會導致服務(wù)器性能比較差,但實現(xiàn)比較簡單。

第（2）種方式，由于要涉及到線程的同步，有可能會面臨死鎖等問題。

第（3）種方式，在寫應(yīng)用程序代碼時，邏輯比前面兩種都復雜。

綜合考慮各方面因素，一般普遍認為第（3）種方式是大多數(shù)網(wǎng)絡(luò)服務(wù)器采用的方式

看圖說話講事件驅(qū)動模型

在UI編程中，常常要對鼠標點擊進行相應(yīng)，首先如何獲得鼠標點擊呢？

方式一：創(chuàng)建一個線程，該線程一直循環(huán)檢測是否有鼠標點擊，那么這個方式有以下幾個缺點：

1. CPU資源浪費，可能鼠標點擊的頻率非常小，但是掃描線程還是會一直循環(huán)檢測，這會造成很多的CPU資源浪費；如果掃描鼠標點擊的接口是阻塞的呢？

2. 如果是堵塞的，又會出現(xiàn)下面這樣的問題，如果我們不但要掃描鼠標點擊，還要掃描鍵盤是否按下，由于掃描鼠標時被堵塞了，那么可能永遠不會去掃描鍵盤；

3. 如果一個循環(huán)需要掃描的設(shè)備非常多，這又會引來響應(yīng)時間的問題；
所以，該方式是非常不好的。

方式二：就是事件驅(qū)動模型

目前大部分的UI編程都是事件驅(qū)動模型，如很多UI平臺都會提供onClick()事件，這個事件就代表鼠標按下事件。事件驅(qū)動模型大體思路如下：

1. 有一個事件（消息）隊列；

2. 鼠標按下時，往這個隊列中增加一個點擊事件（消息）；

3. 有個循環(huán)，不斷從隊列取出事件，根據(jù)不同的事件，調(diào)用不同的函數(shù)，如onClick()、onKeyDown()等；

4. 事件（消息）一般都各自保存各自的處理函數(shù)指針，這樣，每個消息都有獨立的處理函數(shù)；

什么是事件驅(qū)動模型？

其實就是根據(jù)事件做出反應(yīng)！

事件驅(qū)動編程是一種編程范式，這里程序的執(zhí)行流由外部事件來決定。它的特點是包含一個事件循環(huán)，當外部事件發(fā)生時使用回調(diào)機制來觸發(fā)相應(yīng)的處理。另外兩種常見的編程范式是（單線程）同步以及多線程編程。

讓我們用例子來比較和對比一下單線程、多線程以及事件驅(qū)動編程模型。下圖展示了隨著時間的推移，這三種模式下程序所做的工作。這個程序有3個任務(wù)需要完成，每個任務(wù)都在等待I/O操作時阻塞自身。阻塞在I/O操作上所花費的時間已經(jīng)用灰色框標示出來了。

在單線程同步模型中，任務(wù)按照順序執(zhí)行。如果某個任務(wù)因為I/O而阻塞，其他所有的任務(wù)都必須等待，直到它完成之后它們才能依次執(zhí)行。這種明確的執(zhí)行順序和串行化處理的行為是很容易推斷得出的。如果任務(wù)之間并沒有互相依賴的關(guān)系，但仍然需要互相等待的話這就使得程序不必要的降低了運行速度。

在多線程版本中，這3個任務(wù)分別在獨立的線程中執(zhí)行。這些線程由操作系統(tǒng)來管理，在多處理器系統(tǒng)上可以并行處理，或者在單處理器系統(tǒng)上交錯執(zhí)行。這使得當某個線程阻塞在某個資源的同時其他線程得以繼續(xù)執(zhí)行。與完成類似功能的同步程序相比，這種方式更有效率，但程序員必須寫代碼來保護共享資源，防止其被多個線程同時訪問。多線程程序更加難以推斷，因為這類程序不得不通過線程同步機制如鎖、可重入函數(shù)、線程局部存儲或者其他機制來處理線程安全問題，如果實現(xiàn)不當就會導致出現(xiàn)微妙且令人痛不欲生的bug。

在事件驅(qū)動版本的程序中，3個任務(wù)交錯執(zhí)行，但仍然在一個單獨的線程控制中。當處理I/O或者其他昂貴的操作時，注冊一個回調(diào)到事件循環(huán)中，然后當I/O操作完成時繼續(xù)執(zhí)行?；卣{(diào)描述了該如何處理某個事件。事件循環(huán)輪詢所有的事件，當事件到來時將它們分配給等待處理事件的回調(diào)函數(shù)。這種方式讓程序盡可能的得以執(zhí)行而不需要用到額外的線程。事件驅(qū)動型程序比多線程程序更容易推斷出行為，因為程序員不需要關(guān)心線程安全問題。

當我們面對如下的環(huán)境時，事件驅(qū)動模型通常是一個好的選擇：

　　1、程序中有許多任務(wù)，而且…

　　2、任務(wù)之間高度獨立（因此它們不需要互相通信，或者等待彼此）而且…

　　3、在等待事件到來時，某些任務(wù)會阻塞。

當應(yīng)用程序需要在任務(wù)間共享可變的數(shù)據(jù)時，這也是一個不錯的選擇，因為這里不需要采用同步處理。

網(wǎng)絡(luò)應(yīng)用程序通常都有上述這些特點，這使得它們能夠很好的契合事件驅(qū)動編程模型。

此處要提出一個問題，就是，上面的事件驅(qū)動模型中，只要一遇到IO就注冊一個事件，然后主程序就可以繼續(xù)干其它的事情了，只到io處理完畢后，繼續(xù)恢復之前中斷的任務(wù)，這本質(zhì)上是怎么實現(xiàn)的呢？哈哈，下面我們就來一起揭開這神秘的面紗。。。。

請看詳解Python IO口多路復用這篇文章

以上就是淺談Python協(xié)程的詳細內(nèi)容，更多關(guān)于Python協(xié)程的資料請關(guān)注腳本之家其它相關(guān)文章！

最新評論