今日概要

　　1、线程

　　2、协程

　　3、socketserver

　　4、基于udp的socket(见第八节)

一、线程

　　1、threading模块

　　　　第一种方法:实例化　

import threading

import time

#第一种方法实例化

def sayhi(num):

    print('running on num %s' %(num))

    time.sleep(3)

if __name__ == '__main__':

    t1 = threading.Thread(target=sayhi,args=(1,))  #实例化线程

    t2 = threading.Thread(target=sayhi, args=(1,))

    t1.start()  #执行start方法

    t2.start()

    print(threading.active_count())  #统计线程数量

    print(t1.getName())

    print(t2.getName())

　　　　第二种方法类的继承

import threading

import time

#第二种方法类的继承

class MyThread(threading.Thread):

    def __init__(self,num):

        super().__init__()

        self.num = num

    def run(self):

        print('running on num %s' % (self.num))

        print('start time : %s'%(time.time()))

        time.sleep(3)

        print('end time : %s'%(time.time()))

if __name__ == '__main__':

    t1 = MyThread(1)

    t2 = MyThread(2)

    t1.start()

    t2.start()

　　2、在一个进程下开启多个线程与在一个进程下开启多个子进程的区别

　　　　谁的开启速度快？ 开启线程的速度快

from threading import Thread

from multiprocessing import Process

def talk(name):

    print ('%s is talking' %name)

if __name__ == '__main__':

    t = Thread(target=talk,args=('dragon',))

    t.start()

    print ('主线程')

    '''

    输出:

    dragon is talking

    主线程

    '''

    p = Process(target=talk,args=('dragon',))

    p.start()

    print('主线程')

    '''

    输出:

    主线程

    dragon is talking

    '''

　　　　看一看pid？ 线程的pid和当前进程一样,进程的pid各自独立

from threading import Thread

from multiprocessing import Process

import os

def talk():

    print ('%s is talking' %os.getpid())

if __name__ == '__main__':

    t = Thread(target=talk)

    t1 = Thread(target=talk)

    t.start()

    t1.start()

    print('主线程pid: %s' %os.getpid())

    '''

    21592 is talking

    21592 is talking

    主线程pid: 21592

    '''

    p = Process(target=talk)

    p1 = Process(target=talk)

    p.start()

    p1.start()

    print('主线程pid: %s' % os.getpid())

    '''

    主线程pid: 21724

    21460 is talking

    20496 is talking

    '''

from socket import *

from threading import Thread

def server(ip,port):

    s = socket(AF_INET,SOCK_STREAM)

    s.bind((ip,port))

    s.listen(5)

    while True:   #链接循环变成多线程

        conn,addr = s.accept()

        t = Thread(target=talk,args=(conn,addr))

        t.start()

def talk(conn,addr):

    '''通信循环'''

    try:

        while True:

            res = conn.recv(1024)

            if not res :break

            print('client %s:%s msg:%s' % (addr[0], addr[1], res))

            conn.send(res.upper())

    except Exception:

        pass

    finally:

        conn.close()

if __name__ == '__main__':

    server('127.0.0.1',9999)

多线程服务端

#!/usr/bin/python

# -*- coding:utf-8 -*-

from socket import *

c=socket(AF_INET,SOCK_STREAM)

c.connect(('127.0.0.1',9999))

while True:

    msg=input('>>: ').strip()

    if not msg:continue

    c.send(msg.encode('utf-8'))

    res=c.recv(1024)

    print(res.decode('utf-8'))

客户端

　　例子：

　　　　三个任务，一个接收用户输入，一个将用户输入的内容格式化成大写，一个将格式化后的结果存入文件

from threading import Thread

msg_list = []

format_list = []

def talk():

    while True:

        user_input = input('-> : ').strip()

        if len(user_input) == 0 : continue

        msg_list.append(user_input)

def format():

    while True:

        if msg_list:

            res = msg_list.pop()

            res = res.upper()

            format_list.append(res)

def save():

    while True:

        if format_list:

            res = format_list.pop()

            with open('db.txt','a',encoding='utf-8') as f :

                f.write('%s\n' %(res))

if __name__ == '__main__':

    t1 = Thread(target=talk)

    t2 = Thread(target=format)

    t3 = Thread(target=save)

    t1.start()

    t2.start()

    t3.start()

多线程例子

　　3、线程的join和setdaemon

from threading import Thread

import threading

import time

def talk():

    time.sleep(1)

    print ('%s is talk' %threading.current_thread().getName())

if __name__ == '__main__':

    t = Thread(target=talk)

    t.setDaemon(True)  #设置守护线程的守护进程

    t.start()

    t.join()

    print ('主线程')

    print (t.is_alive())

　　4、线程的其他用法

　　　　　thread实例对象的方法

　　　　　isAlive(): 返回线程是否活动的。

 　　  getName(): 返回线程名。

 　　  setName(): 设置线程名。

　　threading模块提供的一些方法：

 　　  threading.currentThread(): 返回当前的线程变量。

  　　 threading.enumerate(): 返回一个包含正在运行的线程的list。正在运行指线程启动后、结束前，不包括启动前和终止后的线程。

  　　 threading.activeCount(): 返回正在运行的线程数量，与len(threading.enumerate())有相同的结果。
from threading import Thread

import threading

def work():

    import time

    time.sleep(3)

    print(threading.current_thread().getName())

if __name__ == '__main__':

    #在主进程下开启线程

    t=Thread(target=work)

    t.start()

    print(threading.current_thread().getName()) #主线程的名字

    print(threading.current_thread()) #主线程

    print(threading.enumerate()) #连同主线程在内有两个运行的线程

    print(threading.active_count())

    print('主线程/主进程')

'''

MainThread

<_MainThread(MainThread, started 23516)>

[<_MainThread(MainThread, started 23516)>, <Thread(Thread-1, started 26208)>]

2

主线程/主进程

Thread-1

'''

　　5、python解释器GIL

　　　　在Cpython解释器中，同一个进程下开启的多线程，同一时刻只能有一个线程执行，无法利用多核优势,如果不加GIL锁,解释器级别如垃圾回收,就会出现混乱,由于同一份资源多个线程间的竞争

　　　　首先需要明确的一点是GIL并不是Python的特性，它是在实现Python解析器(CPython)时所引入的一个概念。就好比C++是一套语言（语法）标准，但是可以用不同的编译器来编译成可执行代码。有名的编译器例如GCC，INTEL C++，Visual C++等。Python也一样，同样一段代码可以通过CPython，PyPy，Psyco等不同的Python执行环境来执行。像其中的JPython就没有GIL。然而因为CPython是大部分环境下默认的Python执行环境。所以在很多人的概念里CPython就是Python，也就想当然的把GIL归结为Python语言的缺陷。所以这里要先明确一点：GIL并不是Python的特性，Python完全可以不依赖于GIL

　　　　参考连接：http://www.dabeaz.com/python/UnderstandingGIL.pdf  这篇文章透彻的剖析了GIL对python多线程的影响

　　

　　cpu到底是用来做计算的，还是用来做I/O的？

　　　　1. 多cpu，意味着可以有多个核并行完成计算，所以多核提升的是计算性能

　　　　2. 每个cpu一旦遇到I/O阻塞，仍然需要等待，所以多核对I/O操作没什么用处

　　　　一个工人相当于cpu，此时计算相当于工人在干活，I/O阻塞相当于为工人干活提供所需原材料的过程，工人干活的过程中如果没有原材料了，则工人干活的过程需要停止，直到等待原材料的到来。

　　　　如果你的工厂干的大多数任务都要有准备原材料的过程（I/O密集型），那么你有再多的工人，意义也不大，还不如一个人，在等材料的过程中让工人去干别的活，

　　　　反过来讲，如果你的工厂原材料都齐全，那当然是工人越多，效率越高

　　　　结论：

　　　　　　对计算来说，cpu越多越好，但是对于I/O来说，再多的cpu也没用

　　　　　　当然对于一个程序来说，不会是纯计算或者纯I/O，我们只能相对的去看一个程序到底是计算密集型还是I/O密集型，从而进一步分析python的多线程有无用武之地

　　　　分析：

　　　　我们有四个任务需要处理，处理方式肯定是要玩出并发的效果，解决方案可以是：

　　　　　　方案一：开启四个进程

　　　　　　方案二：一个进程下，开启四个线程

　　　　　　单核情况下，分析结果:

　　　　　　　　如果四个任务是计算密集型，没有多核来并行计算，方案一徒增了创建进程的开销，方案二胜

　　　　　　　　如果四个任务是I/O密集型，方案一创建进程的开销大，且进程的切换速度远不如线程，方案二胜

　　　　　　多核情况下，分析结果：

　　　　　　如果四个任务是计算密集型，多核意味着并行计算，在python中一个进程中同一时刻只有一个线程执行用不上多核，方案一胜

　　　　　　如果四个任务是I/O密集型，再多的核也解决不了I/O问题，方案二胜

　　　　结论：现在的计算机基本上都是多核，python对于计算密集型的任务开多线程的效率并不能带来多大性能上的提升，甚至不如串行(没有大量切换)，但是，对于IO密集型的任务效率还是有显著提升的。

　　　  测试：计算密集型,多进程胜出

#计算密集型

from threading import Thread

from multiprocessing import Process

import time

def work():

    res=0

    for i in range(1000000):

        res+=i

if __name__ == '__main__':

    t_l=[]

    start_time=time.time()

    for i in range(100):

        #t=Thread(target=work) #在我的机器上，8核cpu，多线程 7.210500001907349s

        t=Process(target=work) #在我的机器上，8核cpu，多进程 3.642500162124634s

        t_l.append(t)

        t.start()

    for i in t_l:

        i.join()

    stop_time=time.time()

    print('run time is %s' %(stop_time-start_time))

    print('主线程')

　　　　测试:io密集型,多线程胜出

from threading import Thread

from multiprocessing import Process

import time

import os

def work():

    time.sleep(2) #模拟I/O操作，可以打开一个文件来测试I/O,与sleep是一个效果

    # print(os.getpid())

if __name__ == '__main__':

    t_l=[]

    start_time=time.time()

    for i in range(500):

        #t=Thread(target=work) #2.0440001487731934s 耗时

        t=Process(target=work) #11.970999956130981s 耗时

        t_l.append(t)

        t.start()

    for t in t_l:

        t.join()

    stop_time=time.time()

    print ('run time is %s' %(stop_time-start_time))

　　　　多线程用于IO密集型，如socket，爬虫，web
　　　　多进程用于计算密集型，如金融分析　　

　　6、同步锁

import time

import threading

def addNum():

    global num #在每个线程中都获取这个全局变量

    #num-=1

    temp=num

    time.sleep(0.1)

    num =temp-1  # 对此公共变量进行-1操作

num = 100  #设定一个共享变量

thread_list = []

for i in range(100):

    t = threading.Thread(target=addNum)

    t.start()

    thread_list.append(t)

for t in thread_list: #等待所有线程执行完毕

    t.join()

print('Result: ', num)

　　以上是不加锁的情况,返回值会是99,同时或者num为100进行-1的动作

　　7、互斥锁

　　不加锁的情况下,会导致同一份资源互相抢占

n = 100

def work():

    global  n

    temp = n

    time.sleep(0.001)

    n = temp-1

if __name__ == '__main__':

        t_l=[]

        for i in range(100):

            t=Thread(target=work)

            t_l.append(t)

            t.start()

        for t in t_l:

            t.join()

        print(n)

'''

结果不为0

'''

　　加上互斥锁，牺牲了性能,保护了数据安全

from threading import Thread,Lock

import time

n=100

def work():

    with mutex1:

        global n

        temp=n

        time.sleep(0.01)

        n=temp-1

if __name__ == '__main__':

    mutex1=Lock()

    t_l=[]

    for i in range(100):

        t=Thread(target=work)

        t_l.append(t)

        t.start()

    for t in t_l:

        t.join()

    print(n)

'''

结果为0

'''

　　8、GIL和LOCK的区别　　

　　　　锁的目的是为了保护共享的数据，同一时间只能有一个线程来修改共享的数据

     然后，我们可以得出结论：保护不同的数据就应该加不同的锁。

　 GIL 与Lock是两把锁，保护的数据不一样，前者是解释器级别的（当然保护的就是解释器级别的数据，比如垃圾回收的数据），后者是保护用户自己开发的应用程序的数据，很明显GIL不负责这件事，只能用户自定义加锁处理，即Lock    

　 python的gil详解:

　 因为Python解释器帮你自动定期进行内存回收，你可以理解为python解释器里有一个独立的线程，每过一段时间它起wake up做一次全局轮询看看哪些内存数据是可以被清空的，此时你自己的程序 里的线程和 py解释器自己的线程是并发运行的，假设你的线程删除了一个变量，py解释器的垃圾回收线程在清空这个变量的过程中的clearing时刻，可能一个其它线程正好又重新给这个还没来及得清空的内存空间赋值了，结果就有可能新赋值的数据被删除了，为了解决类似的问题，python解释器简单粗暴的加了锁，即当一个线程运行时，其它人都不能动，这样就解决了上述的问题，  这可以说是Python早期版本的遗留问题。　

　　9、死锁和递归锁

　　死锁： 是指两个或两个以上的进程或线程在执行过程中，因争夺资源而造成的一种互相等待的现象，若无外力作用，它们都将无法推进下去。此时称系统处于死锁状态或系统产生了死锁，这些永远在互相等待的进程称为死锁进程，如下就是死锁

#!/usr/bin/python

# -*- coding:utf-8 -*-

from threading import Thread,Lock,RLock

import time

class MyThread(Thread):

    def run(self):

        self.f1()

        self.f2()

    def f1(self):

        mutex.acquire()

        print('\033[45m %s 拿到A锁\033[0m' %(self.name))

        mutex1.acquire()

        print('\033[45m %s 拿到B锁\033[0m' % (self.name))

        mutex1.release()

        mutex.release()

    def f2(self):

        mutex1.acquire()

        time.sleep(1)

        print('\033[45m %s 拿到B锁\033[0m' %(self.name))

        mutex.acquire()

        print('\033[45m %s 拿到A锁\033[0m' % (self.name))

        mutex.release()

        mutex1.release()

if __name__ == '__main__':

    mutex = Lock()     #定义锁对象

    mutex1 = Lock()

    #mutex = mutex1 = RLock() #定义递归锁对象,递归锁跟计数器一个原理,只有计数器为0的时候,其他线程才能进行加锁

'''

Thread-1 拿到A锁

Thread-1 拿到B锁

Thread-2 拿到A锁

Thread-1 拿到B锁

卡主死锁了,线程1拿到B锁在等A锁释放,线程2拿到A锁在等B锁释放,两个锁进入相互等待的情况,产生了死锁

'''

　　递归锁：

　　递归锁，在Python中为了支持在同一线程中多次请求同一资源，python提供了可重入锁RLock。

　　这个RLock内部维护着一个Lock和一个counter变量，counter记录了acquire的次数，从而使得资源可以被多次require。直到一个线程所有的acquire都被release，其他的线程才能获得资源。上面的例子如果使用RLock代替Lock，则不会发生死锁：　

 mutex1=mutex2=threading.RLock() #一个线程拿到锁，counter加1,该线程内又碰到加锁的情况，则counter继续加1，这期间所有其他线程都只能等待，等待该线程释放所有锁，即counter递减到0为止

　　10、信号量Semahpore

　　　　信号量类似一个令牌池

　　　　Semaphore管理一个内置的计数器，
　　　　每当调用acquire()时内置计数器-1；
　　　　调用release() 时内置计数器+1；
　　　　计数器不能小于0；当计数器为0时，acquire()将阻塞线程直到其他线程调用release()。

from threading import Thread,Semaphore

import time

def work(id):

    with sem:

        time.sleep(2)

        print('%s say hello' %(id))

if __name__ == '__main__':

    sem = Semaphore(5)

    for i in range(20):

        t = Thread(target=work,args=(i,))

        t.start()

　　　　与进程池是完全不同的概念，进程池Pool(4)，最大只能产生4个进程，而且从头到尾都只是这四个进程，不会产生新的，而信号量是产生一堆线程/进程，每次只能执行4个，其他的都在阻塞状态

　　11、事件event

　　　　 线程的一个关键特性是每个线程都是独立运行且状态不可预测。如果程序中的其 他线程需要通过判断某个线程的状态来确定自己下一步的操作,这时线程同步问题就 会变得非常棘手。为了解决这些问题,我们需要使用threading库中的Event对象。 对象包含一个可由线程设置的信号标志,它允许线程等待某些事件的发生。在 初始情况下,Event对象中的信号标志被设置为假。如果有线程等待一个Event对象, 而这个Event对象的标志为假,那么这个线程将会被一直阻塞直至该标志为真。一个线程如果将一个Event对象的信号标志设置为真,它将唤醒所有等待这个Event对象的线程。如果一个线程等待一个已经被设置为真的Event对象,那么它将忽略这个事件, 继续执行

　　　　参数介绍:

　　　　　　

event.isSet()：返回event的状态值；

event.wait()：如果 event.isSet()==False将阻塞线程；

event.set()： 设置event的状态值为True，所有阻塞池的线程激活进入就绪状态， 等待操作系统调度；

event.clear()：恢复event的状态值为False。

　　　　例子：

#!/usr/bin/python

# -*- coding:utf-8 -*-

import threading

from threading import Thread,Event

import time

def conn_mysql(): #一堆执行程序线程

    print('%s is waiting' %(threading.current_thread().getName()))

    e.wait()

    print('%s is starting' % (threading.current_thread().getName()))

    time.sleep(2)

def check_mysql():  #一个检查mysql状态的线程

    print('%s is checking' % (threading.current_thread().getName()))

    time.sleep(5)

    e.set()

if __name__ == '__main__':

    e = Event()

    t1 = Thread(target=conn_mysql)

    t2 = Thread(target=conn_mysql)

    t3 = Thread(target=conn_mysql)

    t4 = Thread(target=check_mysql)

    t1.start()

    t2.start()

    t3.start()

    t4.start()

'''

输出:

Thread-1 is waiting

Thread-2 is waiting

Thread-3 is waiting

Thread-4 is checking

Thread-1 is starting

Thread-2 is starting

Thread-3 is starting 

'''

　　

　　　　可以考虑一种应用场景（仅仅作为说明），例如，我们有多个线程从Redis队列中读取数据来处理，这些线程都要尝试去连接Redis的服务，一般情况下，如果Redis连接不成功，在各个线程的代码中，都会去尝试重新连接。如果我们想要在启动时确保Redis服务正常，才让那些工作线程去连接Redis服务器，那么我们就可以采用threading.Event机制来协调各个工作线程的连接操作：主线程中会去尝试连接Redis服务，如果正常的话，触发事件，各工作线程会尝试连接Redis服务。

import threading

import time

import logging

logging.basicConfig(level=logging.DEBUG, format='(%(threadName)-10s) %(message)s',)

def worker(event):

    logging.debug('Waiting for redis ready...')

    event.wait()

    logging.debug('redis ready, and connect to redis server and do some work [%s]', time.ctime())

    time.sleep(1)

def main():

    readis_ready = threading.Event()

    t1 = threading.Thread(target=worker, args=(readis_ready,), name='t1')

    t1.start()

    t2 = threading.Thread(target=worker, args=(readis_ready,), name='t2')

    t2.start()

    logging.debug('first of all, check redis server, make sure it is OK, and then trigger the redis ready event')

    time.sleep(3) # simulate the check progress

    readis_ready.set()

if __name__=="__main__":

    main()

'''

输出:

(t1        ) Waiting for redis ready...

(t2        ) Waiting for redis ready...

(MainThread) first of all, check redis server, make sure it is OK, and then trigger the redis ready event

(t1        ) redis ready, and connect to redis server and do some work [Mon Jul  3 19:17:51 2017]

(t2        ) redis ready, and connect to redis server and do some work [Mon Jul  3 19:17:51 2017]

'''

redis示例

　　　　 threading.Event的wait方法还接受一个超时参数，默认情况下如果事件一致没有发生，wait方法会一直阻塞下去，而加入这个超时参数之后，如果阻塞时间超过这个参数设定的值之后，wait方法会返回。对应于上面的应用场景，如果Redis服务器一致没有启动，我们希望子线程能够打印一些日志来不断地提醒我们当前没有一个可以连接的Redis服务，我们就可以通过设置这个超时参数来达成这样的目的：

from threading import Event,Thread

import threading

import time

def conn_mysql():

    count = 0

    while not e.is_set():

        print('%s 第 <%s> 次尝试' % (threading.current_thread().getName(), count))

        count += 1

        e.wait(0.5)

    print('%s ready to conn mysql' % threading.current_thread().getName())

    time.sleep(1)

def check_mysql():

    print('%s checking...' %threading.current_thread().getName())

    time.sleep(4)

    e.set()

if __name__ == '__main__':

    e=Event()

    c1=Thread(target=conn_mysql)

    c2=Thread(target=conn_mysql)

    c3=Thread(target=conn_mysql)

    c4=Thread(target=check_mysql)

    c1.start()

    c2.start()

加上重试mysql

from threading import Thread,Event

import threading

import time,random

def conn_mysql():

    while not event.is_set():

        print('\033[42m%s 等待连接mysql。。。\033[0m' %threading.current_thread().getName())

        event.wait(0.1)

    print('\033[42mMysql初始化成功，%s开始连接。。。\033[0m' %threading.current_thread().getName())

def check_mysql():

    print('\033[41m正在检查mysql。。。\033[0m')

    time.sleep(random.randint(1,3))

    event.set()

    time.sleep(random.randint(1,3))

if __name__ == '__main__':

    event=Event()

    t1=Thread(target=conn_mysql)

    t2=Thread(target=conn_mysql)

    t3=Thread(target=check_mysql)

    t1.start()

    t2.start()

    t3.start()

修改之后的mysql

　　应用:连接池

　　12、condition(条件)

　　　　使得线程等待，只有满足某条件时，才释放n个线程

import threading

import time

lock = threading.Condition()

def task(arg):

    time.sleep(1)

    lock.acquire()

    lock.wait()

    print('进程%s'%(arg))

    lock.release()

for i in range(10):

    t = threading.Thread(target=task,args=(i,))

    t.start()

while True:

    user_input = input('--->').strip()

    if user_input == 'q':break

    lock.acquire()

    lock.notify(int(user_input))

    lock.release()
def condition_func():

    ret = False

    inp = input('>>>')

    if inp == '':

        ret = True

    return ret

def run(n):

    con.acquire()

    con.wait_for(condition_func)

    print("run the thread: %s" %n)

    con.release()

if __name__ == '__main__':

    con = threading.Condition()

    for i in range(10):

        t = threading.Thread(target=run, args=(i,))

        t.start()

另外一种写法

　　13、线程queue

　　　　queue队列 ：使用import queue，用法与进程Queue一样

import queue

q = queue.Queue(3) #先进先出  --> 队列

q.put('first')

q.put('second')

q.put((1,2,3,4))

print(q.get())

print(q.get())

print(q.get())

q = queue.LifoQueue() #先进后出 -> 堆栈

q.put('first')

q.put('second')

q.put((1,2,3,4))

print(q.get())

print(q.get())

print(q.get())

q = queue.PriorityQueue()  #按照优先级输出,数字越小优先级越高

q.put((10,'first'))

q.put((3,'second'))

q.put((5,(1,2,3,4)))

print(q.get())

print(q.get())

print(q.get())

二、协程

　　协程：是单线程下的并发，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，即协程是由用户程序自己控制调度的。

　　需要强调的是：

　　　　1. python的线程属于内核级别的，即由操作系统控制调度（如单线程一旦遇到io就被迫交出cpu执行权限，切换其他线程运行）

　　　　2. 单线程内开启协程，一旦遇到io，从应用程序级别（而非操作系统）控制切换

　　对比操作系统控制线程的切换，用户在单线程内控制协程的切换，优点如下：

　　　　1.  协程的切换开销更小，属于程序级别的切换，操作系统完全感知不到，因而更加轻量级

　　　　2. 单线程内就可以实现并发的效果，最大限度地利用cpu

　　

　　要实现协程，关键在于用户程序自己控制程序切换，切换之前必须由用户程序自己保存协程上一次调用时的状态，如此，每次重新调用时，能够从上次的位置继续执行

　 （详细的：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）

　　之前已经学过一个在单线程下可以保存程序的运行状态，即yield:

　　　　1.yiled可以保存状态，yield的状态保存与操作系统的保存线程状态很像，但是yield是代码级别控制的，更轻量级

　　　　2.send可以把一个函数的结果传给另外一个函数，以此实现单线程内程序之间的切换

#!/usr/bin/python

# -*- coding:utf-8 -*-

import time

def consumer(item):

    x =1

    y =2

    c = 3

    d =4

    a = 'sadsaddsdadasd'

    pass

def producer(target,seq):

    for item in seq:

        target(item)

start_time = time.time()

producer(consumer,range(10000000))

stop_time = time.time()

print ('cost time is %s' %(stop_time-start_time))  #1.9440789222717285 s

def consumer():

    x =1

    y =2

    c = 3

    d =4

    a = 'sadsaddsdadasd'

    while True:

        item = yield

def producer(target,seq):

    for item in seq:

        target.send(item)

g = consumer()

next(g)

start_time = time.time()

producer(g,range(10000000))

stop_time = time.time()

print ('cost time is %s' %(stop_time-start_time)) #1.7285699844360352

#用yield协程函数,执行的快的原因，不用yield需要不断的开辟内存,垃圾回收, 而yield只开辟一次内存地址,节省了这一块的时间

'''

cost time is 1.9440789222717285

cost time is 1.7285699844360352

''' 

　　缺点：

　　　　协程的本质是单线程下，无法利用多核，可以是一个程序开启多个进程，每个进程内开启多个线程，每个线程内开启协程

　　　　协程指的是单个线程，因而一旦协程出现阻塞，将会阻塞整个线程

　　协程的定义（满足1，2，3就可称为协程）：

    1. 必须在只有一个单线程里实现并发
    2. 修改共享数据不需加锁
    3. 用户程序里自己保存多个控制流的上下文栈
    4. 附加：一个协程遇到IO操作自动切换到其它协程（如何实现检测IO，yield、greenlet都无法实现，就用到了gevent模块（select机制））

　　yield切换在没有io的情况下或者没有重复开辟内存空间的操作，对效率没有什么提升，甚至更慢，为此，可以用greenlet来为大家演示这种切换

三、greenlet模块

　　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

#!/usr/bin/python

# -*- coding:utf-8 -*-

from greenlet import greenlet

def test1():

    print('test1,first')

    gr2.switch()

    print('test1,sencod')

    gr2.switch()

def test2():

    print('test2,first')

    gr1.switch()

    print('test2,sencod')

gr1=greenlet(test1)

gr2=greenlet(test2)

gr1.switch()

import time

from greenlet import greenlet

def eat(name):

    print('%s eat food 1' %name)

    gr2.switch('alex飞飞飞')

    print('%s eat food 2' %name)

    gr2.switch()

def play_phone(name):

    print('%s play 1' %name)

    gr1.switch()

    print('%s play 2' %name)

gr1=greenlet(eat)

gr2=greenlet(play_phone)

gr1.switch(name='egon啦啦啦')#可以在第一次switch时传入参数，以后都不需要

'''

egon啦啦啦 eat food 1

alex飞飞飞 play 1

egon啦啦啦 eat food 2

alex飞飞飞 play 2

'''

第一次传入可以加参数

　　单纯的切换（在没有io的情况下或者没有重复开辟内存空间的操作），反而会降低程序的执行速度

#顺序执行

import time

def f1():

    res=0

    for i in range(10000000):

        res+=i

def f2():

    res=0

    for i in range(10000000):

        res*=i

start_time=time.time()

f1()

f2()

stop_time=time.time()

print('run time is: %s' %(stop_time-start_time)) #1.7395639419555664

#切换

from greenlet import greenlet

import time

def f1():

    res=0

    for i in range(10000000):

        res+=i

        gr2.switch()

def f2():

    res=0

    for i in range(10000000):

        res*=i

        gr1.switch()

gr1=greenlet(f1)

gr2=greenlet(f2)

start_time=time.time()

gr1.switch()

stop_time=time.time()

print('run time is: %s' %(stop_time-start_time)) #7.789067983627319

　　greenlet只是提供了一种比generator更加便捷的切换方式，仍然是没有解决遇到IO自动切换的问题

四、gevent模块　

　　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。

　　g1=gevent.spawn()创建一个协程对象g1，

　　spawn括号内第一个参数是函数名，如eat，后面可以有多个参数，可以是位置实参或关键字实参，都是传给函数eat的

#!/usr/bin/python

# -*- coding:utf-8 -*-

from gevent import monkey;monkey.patch_all()  #这是gevent给其他模块打补丁，不然别的模块使用gevent就变成串行

import gevent

import time

def eat(name):

    print('%s is eat first' %(name))

    time.sleep(4)  #等饭来

    #gevent.sleep(1)

    print('%s is eat second' %(name))

def play(name):

    print('%s is play 1' %(name))

    time.sleep(3) #模拟网卡了

    #gevent.sleep(2)

    print('%s is play 2' %(name))

if __name__ == '__main__':

    g1= gevent.spawn(eat,'alex')

    g2= gevent.spawn(play,name='alex')

    # 因而也需要join方法,进程或现场的jion方法只能join一个,而gevent的join方法可以join多个

    g1.join()

    g2.join()

    print ('主线程') 

　　上例gevent.sleep模拟的是gevent可以识别的io阻塞,而time.sleep或其他的阻塞,gevent是不能直接识别的需要用下面一行代码,打补丁,就可以识别了

　　from gevent import monkey;monkey.patch_all()必须放到被打补丁者的前面，如time，socket模块之前

　　或者我们干脆记忆成：要用gevent，需要将from gevent import monkey;monkey.patch_all()放到文件的开头

　　

from gevent import monkey;monkey.patch_all()

import gevent

import time

def eat():

    print('eat food 1')

    time.sleep(2)

    print('eat food 2')

def play_phone():

    print('play phone 1')

    time.sleep(1)

    print('play phone 2')

g1=gevent.spawn(eat)

g2=gevent.spawn(play_phone)

gevent.joinall([g1,g2])

print('主')

用第三方的time

　　同步或者异步

import gevent

def task(pid):

    """

    Some non-deterministic task

    """

    gevent.sleep(0.5)

    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()

'''

Synchronous:

Task 1 done

Task 2 done

Task 3 done

Task 4 done

Task 5 done

Task 6 done

Task 7 done

Task 8 done

Task 9 done

Asynchronous:

Task 0 done

Task 1 done

Task 2 done

Task 3 done

Task 4 done

Task 5 done

Task 6 done

Task 7 done

Task 8 done

Task 9 done

'''

　　上面程序的重要部分是将task函数封装到Greenlet内部线程的gevent.spawn。 初始化的greenlet列表存放在数组threads中，此数组被传给gevent.joinall 函数，后者阻塞当前流程，并执行所有给定的greenlet。执行流程只会在 所有greenlet执行完后才会继续向下走。　　

#gevent线程的一些用法

g1=gevent.spawn(func,1,,2,3,x=4,y=5)

g2=gevent.spawn(func2)

g1.join() #等待g1结束

g2.join() #等待g2结束

#或者上述两步合作一步：gevent.joinall([g1,g2])

g1.value#拿到func1的返回值

　　

#!/usr/bin/python

# -*- coding:utf-8 -*-

from gevent import monkey;monkey.patch_all()

import gevent

import time

import requests

def get_page(url):

    print ('get page %s' %url)

    response = requests.get(url)

    if response.status_code == 200:

        print (response.text)

start_time = time.time()

# get_page('http://www.baidu.com')

# get_page('http://www.python.org')

# get_page('http://www.yahoo.com')

g1 = gevent.spawn(get_page,url='http://www.baidu.com')

g2 = gevent.spawn(get_page,url='http://www.python.org')

g3 = gevent.spawn(get_page,url='http://www.yahoo.com')

gevent.joinall([

    g1,

    g2,

    g3

])

stop_time = time.time()

print ('run time is %s ' %(stop_time-start_time))

协程应用-爬虫

　　通过gevent实现单线程下的socket并发（from gevent import monkey;monkey.patch_all()一定要放到导入socket模块之前，否则gevent无法识别socket的阻塞）

from gevent import monkey;monkey.patch_all()

from socket import *

import gevent

#如果不想用money.patch_all()打补丁,可以用gevent自带的socket

# from gevent import socket

# s=socket.socket()

def server(server_ip,port):

    s=socket(AF_INET,SOCK_STREAM)

    s.setsockopt(SOL_SOCKET,SO_REUSEADDR,1)

    s.bind((server_ip,port))

    s.listen(5)

    while True:

        conn,addr=s.accept()

        gevent.spawn(talk,conn,addr)

def talk(conn,addr):

    try:

        while True:

            res=conn.recv(1024)

            print('client %s:%s msg: %s' %(addr[0],addr[1],res))

            conn.send(res.upper())

    except Exception as e:

        print(e)

    finally:

        conn.close()

if __name__ == '__main__':

    server('127.0.0.1',8080)

单线程实现并发服务端

from threading import Thread

from socket import *

import threading

def client(server_ip,port):

    c=socket(AF_INET,SOCK_STREAM)

    c.connect((server_ip,port))

    count=0

    while True:

        c.send(('%s say hello %s' %(threading.current_thread().getName(),count)).encode('utf-8'))

        msg=c.recv(1024)

        print(msg.decode('utf-8'))

        count+=1

if __name__ == '__main__':

    for i in range(500):

        t=Thread(target=client,args=('127.0.0.1',8080))

        t.start()

多线程并发多个client

五、socketserver实现并发

　　基于tcp的套接字，关键就是两个循环，一个链接循环，一个通信循环socketserver模块中分两大类：server类（解决链接问题）和request类（解决通信问题）

　　server类:

　　

　　request类:

　　

　　继承类关系:

　　　　　　线程继承关系

　　　

　　　　 进程的继承关系

　　　　run方法继承关系

　　以下述代码为例，分析socketserver源码：

　　ftpserver=socketserver.ThreadingTCPServer(('127.0.0.1',8080),FtpServer)
　　ftpserver.serve_forever()

　　查找属性的顺序：ThreadingTCPServer->ThreadingMixIn->TCPServer->BaseServer

    1. 实例化得到ftpserver，先找类ThreadingTCPServer的__init__,在TCPServer中找到，进而执行server_bind,server_active
    2. 找ftpserver下的serve_forever,在BaseServer中找到，进而执行self._handle_request_noblock()，该方法同样是在BaseServer中
    3. 执行self._handle_request_noblock()进而执行request, client_address = self.get_request()（就是TCPServer中的self.socket.accept()），然后执行self.process_request(request, client_address)
    4. 在ThreadingMixIn中找到process_request，开启多线程应对并发，进而执行process_request_thread，执行self.finish_request(request, client_address)
    5. 上述四部分完成了链接循环，本部分开始进入处理通讯部分，在BaseServer中找到finish_request,触发我们自己定义的类的实例化，去找__init__方法，而我们自己定义的类没有该方法，则去它的父类也就是BaseRequestHandler中找....

　　源码分析总结：

　　基于tcp的socketserver我们自己定义的类中的

    1. self.server即套接字对象
    2. self.request即一个链接
    3. self.client_address即客户端地址

　　基于udp的socketserver我们自己定义的类中的

    1. self.request是一个元组（第一个元素是客户端发来的数据，第二部分是服务端的udp套接字对象），如(b'adsf', <socket.socket fd=200, family=AddressFamily.AF_INET, type=SocketKind.SOCK_DGRAM, proto=0, laddr=('127.0.0.1', 8080)>)　　
    2. self.client_address即客户端地址
    3. self.request 是在UDPServer类下的get_request函数
    4. data, client_addr = self.socket.recvfrom(self.max_packet_size)
#!/usr/bin/python

# -*- coding:utf-8 -*-

import socketserver

#MyHandler(conn, client_address, s)

class MyHandler(socketserver.BaseRequestHandler): #通讯循环

    def handle(self):

        while True:

            res=self.request.recv(1024)

            print('client %s msg:%s' %(self.client_address,res))

            self.request.send(res.upper())

if __name__ == '__main__':

    s=socketserver.ThreadingTCPServer(('127.0.0.1',8080),MyHandler)

    s.serve_forever() #链接循环

　　基于udp的socketserver

#!/usr/bin/python

# -*- coding:utf-8 -*-

import socketserver

class MyUDPhandler(socketserver.BaseRequestHandler):

    def handle(self):

        client_msg,s=self.request

        s.sendto(client_msg.upper(),self.client_address)

if __name__ == '__main__':

    s=socketserver.ThreadingUDPServer(('127.0.0.1',8080),MyUDPhandler)

    s.serve_forever()　　

socketserver 例子

from SocketServer import TCPServer, ThreadingMixIn, StreamRequestHandler

#定义支持多线程的服务类，注意是多继承

class Server(ThreadingMixIn, TCPServer): pass

#定义请求处理类

class Handler(StreamRequestHandler)：

	def handle(self):

		addr = self.request.getpeername()

		print 'Got connection from ',addr

		self.wfile.write('Thank you for connection')

server = Server(('', 1234), Handler)	#实例化服务类

server.serve_forever()	#开启服务

　　

　

　　

　

　　　　

　　

python自动化开发-[第十天]-线程、协程、socketserver的更多相关文章

  1. python自动化开发-[第二十四天]-高性能相关与初识scrapy

    今日内容概要 1.高性能相关 2.scrapy初识 上节回顾: 1. Http协议 Http协议:GET / http1.1/r/n...../r/r/r/na=1 TCP协议:sendall(&qu ...

  2. python自动化开发-[第二十五天]-scrapy进阶与flask使用

    今日内容概要 1.cookie操作 2.pipeline 3.中间件 4.扩展 5.自定义命令 6.scrapy-redis 7.flask使用 - 路由系统 - 视图 - 模版 - message( ...

  3. python自动化开发-[第十六天]-bootstrap和django

    今日概要: 1.bootstrap使用 2.栅格系统 3.orm简介 4.路由系统 5.mvc和mtv模式 6.django框架 1.bootstrap的引用方式 1.Bootstrap 专门构建了免 ...

  4. python自动化开发-[第十五天]-jquery

    今日概要 1.javascript补充 2.jquery 1.javascript-DOM绑定事件 1.事件类型 onclick 当用户点击某个对象时调用的事件句柄. ondblclick 当用户双击 ...

  5. python自动化开发-[第十四天]-javascript(续)

    今日概要: 1.数据类型 2.函数function 3.BOM 4.DOM 1.运算符 算术运算符: + - * / % ++ -- 比较运算符: > >= < <= != = ...

  6. python自动化开发-[第十九天]-分页,cookie,session

    今日概要: 1.cookie和session 2.csrf 跨站请求伪造 3.自定义分页 一.上节回顾: http请求的本质: - Http请求本质 浏览器(socket客户端): 2. socket ...

  7. python自动化开发学习 进程, 线程, 协程

    python自动化开发学习 进程, 线程, 协程   前言 在过去单核CPU也可以执行多任务,操作系统轮流让各个任务交替执行,任务1执行0.01秒,切换任务2,任务2执行0.01秒,在切换到任务3,这 ...

  8. Python自动化 【第十篇】：Python进阶-多进程/协程/事件驱动与Select\Poll\Epoll异步IO

    本节内容: 多进程 协程 事件驱动与Select\Poll\Epoll异步IO   1.  多进程 启动多个进程 进程中启进程 父进程与子进程 进程间通信 不同进程间内存是不共享的,要想实现两个进程间 ...

  9. Python 进程线程协程 GIL 闭包 与高阶函数（五）

    Python 进程线程协程 GIL 闭包 与高阶函数(五) 1 GIL线程全局锁 ​ 线程全局锁(Global Interpreter Lock),即Python为了保证线程安全而采取的独立线程运行的 ...

随机推荐

  1. xml模块 增删改查

    import xml.etree.ElementTree as ET tree = ET.parse("xml test") #open root = tree.getroot() ...

  2. easy install 与pip

    easy_insall的作用和perl中的cpan, ruby中的gem类似,都提供了在线一键安装模块的傻瓜方便方式,而pip是easy_install的改进版, 提供更好的提示信息,删除packag ...

  3. JAVA js WEB 疑难点总结

    1.获取combox的Value 和 Text    $('#id').combobox('getValue').$('#id').combobox('getText'): 2.ajax 直接访问ht ...

  4. LTI系统对WSS Processes的作用

    本文主要专注讨论LTI系统对WSS Process的影响.WSS Process的主要特性有mean以及correlation,其中correlation特性在滤波器设计,信号检测,信号预测以及系统识 ...

  5. spring boot项目基本结构

    /==================================Controller @Controller public class SimpleController { @Autowired ...

  6. codechef EBAIT Election Bait【欧几里得算法】

    题目分析: 欧几里得算法来处理一类分数问题,分数问题的形式如下 $\frac{a}{b} < \frac{p}{q} < \frac{c}{d}$ 当a=0时,答案等于$\frac{1}{ ...

  7. Linux 日志分析脚本

    #### 以下代码,若出现无法使用,请根据底下图片,更改参数.根据 apache 日志格式修改 查看 apache 进程ps aux | grep httpd | grep -v grep | wc ...

  8. Android多种方法显示当前日期和时间

    文章选自StackOverflow(简称:SOF)精选问答汇总系列文章之一,本系列文章将为读者分享国外最优质的精彩问与答,供读者学习和了解国外最新技术.本文探讨Android显示当前日期和时间的方法. ...

  9. CAN协议，系统结构和帧结构

    CAN:Controller Area Network,控制器局域网 是一种能有效支持分布式控制和实时控制的串行通讯网络. CAN-bus: Controller Area Network-bus,控 ...

  10. JavaServer Faces (JSF) with Spring

    JavaServer Faces (JSF) with Spring Last modified: April 30, 2018 by baeldung Spring+ Spring MVC JSF ...