Python并发编程——多线程与协程

Pythpn并发编程——多线程与协程

Pythpn并发编程——多线程与协程

1. 进程与线程

1.1 概念上

对于操作系统来说，一个任务就是一个进程Process，在一个进程内部，要同时干很多事情，就需要同时运行多个子任务，进程内的这些子任务就称为线程Thread
操作系统是让各个任务交替执行实现支持多任务的，真正地同时执行多任务需要多核CPU才能实现
线程是最小的执行单元，一个进程至少有一个线程，如何调读进程和线程，完全由操作系统决定，程序自己不能决定什么时候执行，执行多长时间

1.2 多进程与多线程——同时执行多个任务

要实现多任务，设计Master-Worker模式，Master负责分配任务，Worker负责执行任务

多进程模式
- 启动多个进程，每个进程只有一个线程，多个进程可以一块执行多个任务
- 最大的优点：稳定性高，一个子进程崩溃了，不会影响主进程和其他子进程
- 缺点：创建进程的开销大
多线程模式
- 启动一个进程，在一个进程内启动多个线程，多个线程也可以一块执行多个任务
- 致命缺点：任何一个线程挂掉都可能造成整个进程崩溃，因为所有线程共享进程的内存
多进程+多线程模式
- 实际很少采用

2. 并发和并行

并发：不是指同一时刻有多个操作同时进行，实际上，在某个特定时刻，只允许有一个操作发生，线程/任务之间互相切换，直到完成，threading和asyncio

通常应用于I/O操作频繁的场景，例如从网站上下载多个文件

并行：同一时刻，同时发生，multi-processing，m个处理器，开m个进程

3. Python多线程——futures

3.1 多线程用法

1.导入future模块，Python中的future模块，位于concurrent.futures 和 asyncio 中
2.创建线程池，函数ThreadPoolExecutor(max_workers=5)，max_workers设置线程个数
3.调用，map()函数

import concurrent.futures

import requests

import threading

import time

def download_one(url):

    resp = requests.get(url)

    print('Read {} from {}'.format(len(resp.content), url))

def download_all(sites):

    # 并发模式,创建了一个线性池，总共有5个线性可以分配使用

    with concurrent.futures.ThreadPoolExecutor(max_workers=5) as executor:

        # 对sites中的每个元素，并发地调用函数download_one

        executor.map(download_one, sites)

    # 并行模式,创建进程池，系统自动返回CPU的数量作为可以调用的进程数

    # with concurrent.futures.ProcessPoolExecutor() as executor: # 

# 另一种写法

# def download_all(sites):

#     with concurrent.futures.ThreadPoolExecutor(max_workers=5) as executor:

#         to_do =[] #

#         for site in sites:

#             future = executor.submit(download_one, site)

#             to_do.append(future)

#         for future in concurrent.futures.as_completed(to_do):

#             future.result()

def main():

    sites = [

        'https://en.wikipedia.org/wiki/Portal:Arts',

        'https://en.wikipedia.org/wiki/Portal:History',

        'https://en.wikipedia.org/wiki/Portal:Society',

        'https://en.wikipedia.org/wiki/Portal:Biography'

    ]

    start_time = time.perf_counter()

    download_all(sites)

    end_time = time.perf_counter()

    print(f'Download {len(sites)} sites in {end_time - start_time} seconds')

if __name__ == '__main__':

    main()

Read 182102 from https://en.wikipedia.org/wiki/Portal:Arts

Read 245181 from https://en.wikipedia.org/wiki/Portal:Society

Read 206928 from https://en.wikipedia.org/wiki/Portal:History

Read 336222 from https://en.wikipedia.org/wiki/Portal:Biography

Download 4 sites in 0.22546189799322747 seconds

3.2. 为什么多线程每次只允许只能有一个线程执行？

全局解释器锁的存在，GIL(Global Interpreter Lock)

3.3 多线程的缺点

多线程运行过程容易被打断，因此有可能出现 race condition 的情况
线程切换本身存在一定的损耗，线程数不能无限增加

4. python协程——asyncio

4.1 概念

单线程的异步编程模型称为协程。在执行过程中，在子程序内部可中断，然后转而执行别的子程序，在适当的时候再返回来接着执行，注意，这不是函数调用。

Async异步：不同操作间可以相互交替执行，如果其中的某个操作被block了，程序并不会等待，而是找出可执行的操作继续执行

sync同步：指操作一个接一个地执行，下一个操作必须等上一个操作完成后才能执行

4.2 Asyncio原理

event loop对象维护两个任务列表，预备状态和等待状态，选取预备状态的一个任务，使其运行，一直到这个任务把控制权交还给event loop为止，当任务把控制权交还给event loop时，如果任务完成，它则将其放到预备状态的列表，否则，放在等待状态的列表，然后遍历等待状态的列表，查看它们是否完成，而原先在预备状态列表的任务位置仍旧不变，因为它们还未运行。当所有任务被重新放置在合适的列表后，新一轮的循环又开始了。

4.3 如何使用？

导入内置库 asyncio
async 修饰词声明异步函数，调用异步函数，便可得到一个协程对象
协程的执行：
- 通过await来调用，执行效果和正常执行一样，会阻塞在这里，进入被调用的协程函数，执行完毕返回后再继续

asynio.creat_task(调用异步函数) 创建任务
- asynio.run(main())作为主程序的入口函数，触发运行

import asyncio

async def crawl_page(url):

    print('crawling {}'.format(url))

    sleep_time = int(url.split('_')[-1])

    await asyncio.sleep(sleep_time) # 从当前任务切出，事件调读器开始调度

    print('OK {}'.format(url)) # 任务完成后，从事件循环中退出

async def main(urls):

    tasks = [asyncio.create_task(crawl_page(url)) for url in urls] # 列表生成式

    for task in tasks: # 多个任务被创建，进入事件循环等待运行

        await task # 执行，用户选择从当前主任务中切出，事件调度器开始调度

   # await asyncio.gather(*tasks)

asyncio.run(main(['url_1', 'url_2', 'url_3', 'url_4']))

########## 输出 ##########

crawling url_1

crawling url_2

crawling url_3

crawling url_4

OK url_1

OK url_2

OK url_3

OK url_4

import asyncio

async def worker_1():

    await asyncio.sleep(1) # 4.从当前任务切出，事件调读器开始调度任务2

    return 1 # 7.1秒后，事件调读器将控制权重新传给任务1，返回1，任务1完成，从事件循环中退出，并把控制器传给主任务

async def worker_2():  # 协程运行时出现错误

    await asyncio.sleep(2) #5.从当前任务切出，事件调读器开始调度任务3，

    return 2 / 0 # 8.2秒后，事件调读器将控制器重新传给任务2，运行出错，从事件循环中退出，控制器传给主任务

async def worker_3():

    await asyncio.sleep(3) # 6.从当前任务中切出，事件调读器暂停调度

    return 3 # 9.触发限定运行规则，任务3被取消，退出事件循环

async def main():

    task_1 = asyncio.create_task(worker_1()) # 2.任务123被创建，并进入事件循环等待运行

    task_2 = asyncio.create_task(worker_2())

    task_3 = asyncio.create_task(worker_3())

    await asyncio.sleep(2)  # 给任务3限定运行时间，一旦超时就取消

    task_3.cancel()

    res = await asyncio.gather(task_1, task_2, task_3, return_exceptions=True) # 3.执行任务，用户选择从当前的主任务中切出，事件调读器开始调度任务1

    print(res) # 10.主任务输出res,协程任务结束，事件循环结束

asyncio.run(main())  # 1.程序进入main()函数，事件循环开启

########## 输出 ##########

[1, ZeroDivisionError('division by zero'), CancelledError()]

4.4. 协程的优点

协程是单线程的，但其内部 event loop 的机制，可以让它并发地运行多个不同的任务，并且比多线程享有更大的自主控制权。
Asyncio 中的任务，在运行过程中不会被打断，因此不会出现 race condition 的情况
子程序切换不是线程切换，而是由程序自身控制，在哪些地方交出控制权，切换到下一个任务，因此没有线程切换的开销，具有极高的执行效率
协程的写法更加清晰简洁，把async/await 语法和 create_task结合来用，对于中小级别的并发需求已经毫无压力
很多情况下，使用 Asyncio 需要特定第三方库的支持（缺点），例如不支持requests，但可以用aiohttp

6. 选择多线程还是协程

如果是 I/O bound，并且 I/O 操作很慢，需要很多任务 / 线程协同实现，那么使用 Asyncio 更合适。
如果是 I/O bound，但是 I/O 操作很快，只需要有限数量的任务 / 线程，那么使用多线程就可以了。
如果是 CPU bound，则需要使用多进程来提高程序运行效率