需要注意一下 不能无限的开进程，不能无限的开线程 最常用的就是开进程池，开线程池。其中回调函数非常重要 回调函数其实可以作为一种编程思想，谁好了谁就去掉 只要你用并发，就会有锁的问题，但是你不能一直去自己加锁吧 那么我们就用QUEUE，这样还解决了自动加锁的问题 由Queue延伸出的一个点也非常重要的概念。以后写程序也会用到 这个思想。就是生产者与消费者问题
一、Python标准模块--concurrent.futures（并发未来）
concurent.future模块需要了解的 1.concurent.future模块是用来创建并行的任务，提供了更高级别的接口， 为了异步执行调用 2.concurent.future这个模块用起来非常方便，它的接口也封装的非常简单 3.concurent.future模块既可以实现进程池，也可以实现线程池 4.模块导入进程池和线程池 from concurrent.futures import ProcessPoolExecutor,ThreadPoolExecutor 还可以导入一个Executor,但是你别这样导，这个类是一个抽象类 抽象类的目的是规范他的子类必须有某种方法（并且抽象类的方法必须实现），但是抽象类不能被实例化 5. p = ProcessPoolExecutor(max_works)对于进程池如果不写max_works：默认的是cpu的数目,默认是4个 p = ThreadPoolExecutor(max_works)对于线程池如果不写max_works：默认的是cpu的数目*5 6.如果是进程池，得到的结果如果是一个对象。我们得用一个.get()方法得到结果 但是现在用了concurent.future模块，我们可以用obj.result方法 p.submit(task,i) #相当于apply_async异步方法 p.shutdown() #默认有个参数wite=True (相当于close和join)
那么什么是线程池呢？我们来了解一下
二、线程池
进程池：就是在一个进程内控制一定个数的线程 基于concurent.future模块的进程池和线程池 （他们的同步执行和异步执行是一样的）
1 # 1.同步执行-------------- 2 from concurrent.futures import ProcessPoolExecutor,ThreadPoolExecutor 3 import os,time,random 4 def task(n): 5 print('[%s] is running'%os.getpid()) 6 time.sleep(random.randint(1,3)) #I/O密集型的，，一般用线程，用了进程耗时长 7 return n**2 8 if __name__ == '__main__': 9 start = time.time()10 p = ProcessPoolExecutor()11 for i in range(10): #现在是开了10个任务， 那么如果是上百个任务呢，就不能无线的开进程，那么就得考虑控制12 # 线程数了，那么就得考虑到池了13 obj = p.submit(task,i).result() #相当于apply同步方法14 p.shutdown() #相当于close和join方法15 print('='*30)16 print(time.time() - start) #17.3649930953979517 18 19 # 2.异步执行-----------20 # from concurrent.futures import ProcessPoolExecutor,ThreadPoolExecutor21 # import os,time,random22 # def task(n):23 # print('[%s] is running'%os.getpid())24 # time.sleep(random.randint(1,3)) #I/O密集型的，，一般用线程，用了进程耗时长25 # return n**226 # if __name__ == '__main__':27 # start = time.time()28 # p = ProcessPoolExecutor()29 # l = []30 # for i in range(10): #现在是开了10个任务， 那么如果是上百个任务呢，就不能无线的开进程，那么就得考虑控制31 # # 线程数了，那么就得考虑到池了32 # obj = p.submit(task,i) #相当于apply_async()异步方法33 # l.append(obj)34 # p.shutdown() #相当于close和join方法35 # print('='*30)36 # print([obj.result() for obj in l])37 # print(time.time() - start) #5.362306594848633 1 from concurrent.futures import ProcessPoolExecutor,ThreadPoolExecutor 2 from threading import currentThread 3 import os,time,random 4 def task(n): 5 print('%s:%s is running'%(currentThread().getName(),os.getpid())) #看到的pid都是一样的，因为线程是共享了一个进程 6 time.sleep(random.randint(1,3)) #I/O密集型的，，一般用线程，用了进程耗时长 7 return n**2 8 if __name__ == '__main__': 9 start = time.time()10 p = ThreadPoolExecutor() #线程池 #如果不给定值，默认cup*511 l = []12 for i in range(10): #10个任务 # 线程池效率高了13 obj = p.submit(task,i) #相当于apply_async异步方法14 l.append(obj)15 p.shutdown() #默认有个参数wite=True (相当于close和join)16 print('='*30)17 print([obj.result() for obj in l])18 print(time.time() - start) #3.001171827316284 应用线程池（下载网页并解析）
from concurrent.futures import ThreadPoolExecutor,ProcessPoolExecutorimport requestsimport time,osdef get_page(url): print('<%s> is getting [%s]'%(os.getpid(),url)) response = requests.get(url) if response.status_code==200: #200代表状态：下载成功了 return { 'url':url,'text':response.text}def parse_page(res): res = res.result() print('<%s> is getting [%s]'%(os.getpid(),res['url'])) with open('db.txt','a') as f: parse_res = 'url:%s size:%s\n'%(res['url'],len(res['text'])) f.write(parse_res)if __name__ == '__main__': # p = ThreadPoolExecutor() p = ProcessPoolExecutor() l = [ 'http://www.baidu.com', 'http://www.baidu.com', 'http://www.baidu.com', 'http://www.baidu.com', ] for url in l: res = p.submit(get_page,url).add_done_callback(parse_page) #这里的回调函数拿到的是一个对象。得 # 先把返回的res得到一个结果。即在前面加上一个res.result() #谁好了谁去掉回调函数 # 回调函数也是一种编程思想。不仅开线程池用，开线程池也用 p.shutdown() #相当于进程池里的close和join print('主',os.getpid())
map函数的应用
# map函数举例obj= map(lambda x:x**2 ,range(10))print(list(obj))#运行结果[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
可以和上面的开进程池/线程池的对比着看，就能发现map函数的强大了
1 # 我们的那个p.submit(task,i)和map函数的原理类似。我们就 2 # 可以用map函数去代替。更减缩了代码 3 from concurrent.futures import ProcessPoolExecutor,ThreadPoolExecutor 4 import os,time,random 5 def task(n): 6 print('[%s] is running'%os.getpid()) 7 time.sleep(random.randint(1,3)) #I/O密集型的，，一般用线程，用了进程耗时长 8 return n**2 9 if __name__ == '__main__':10 p = ProcessPoolExecutor()11 obj = p.map(task,range(10))12 p.shutdown() #相当于close和join方法13 print('='*30)14 print(obj) #返回的是一个迭代器15 print(list(obj)) 三、协程介绍
协程：单线程下实现并发（提高效率）
说到协成，我们先说一下协程联想到的知识点
切换关键的一点是：保存状态（从原来停留的地方继续切）return:只能执行一次，结束函数的标志yield:函数中但凡有yield，这个函数的执行结果就变成了一个生成器，生成器本质就是一个迭代器，那么迭代器怎么用呢？用一个next()方法1.yield语句的形式：yield 1yield功能1：可以用来返回值，可以返回多次值yield功能2：可以吧函数暂停住，保存原来的状态2.yield表达式的形式:x = yield send可以吧一个函数的结果传给另一个函数，以此实现单线程内程序之间的切换send()要想用就得先next()一下但是要用send至少要用两个yield
yield复习
yield功能示例1 1 3.yield功能2（可以吧函数暂停住，保存原来的状态）-------------- 2 def f1(): 3 print('first') 4 yield 1 5 print('second') 6 yield 2 7 print('third') 8 yield 3 9 # print(f1()) #加了yield返回的是一个生成器10 g = f1()11 print(next(g)) #当遇见了yield的时候就返回一个值,而且保存原来的状态12 print(next(g)) #当遇见了yield的时候就返回一个值13 print(next(g)) #当遇见了yield的时候就返回一个值 1 # 3.yield表达式(对于表达式的yield)-------------------- 2 import time 3 def wrapper(func): 4 def inner(*args,**kwargs): 5 ret =func(*args,**kwargs) 6 next(ret) 7 return ret 8 return inner 9 @wrapper10 def consumer():11 while True:12 x= yield13 print(x)14 15 def producter(target):16 '''生产者造值'''17 # next(g) #相当于g.send(None)18 for i in range(10):19 time.sleep(0.5)20 target.send(i)#要用send就得用两个yield21 producter(consumer())
引子
本节主题是实现单线程下的并发，即只在一个主线程，并且很明显的是，可利用的cpu只有一个情况下实现并发，
为此我们需要先回顾下并发的本质：切换+保存状态
cpu正在运行一个任务，会在两种情况下切走去执行其他的任务（切换由操作系统强制控制），
一种情况是该任务发生了阻塞，另外一种情况是该任务计算的时间过长
其中第二种情况并不能提升效率，只是为了让cpu能够雨露均沾，实现看起来大家都被执行的效果，如果多个程序都是纯计算任务，这种切换反而会降低效率。为此我们可以基于yield来验证。yield本身就是一种在单线程下可以保存任务运行状态的方法，我们来简单复习一下：
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
单纯的切反而会影响效率
1 #串行执行 2 import time 3 def consumer(res): 4 '''任务1:接收数据,处理数据''' 5 pass 6 7 def producer(): 8 '''任务2:生产数据''' 9 res=[]10 for i in range(10000000):11 res.append(i)12 return res13 14 start=time.time()15 #串行执行16 res=producer()17 consumer(res)18 stop=time.time()19 print(stop-start) #1.5536692142486572
1 import time 2 def wrapper(func): 3 def inner(*args,**kwargs): 4 ret =func(*args,**kwargs) 5 next(ret) 6 return ret 7 return inner 8 @wrapper 9 def consumer():10 while True:11 x= yield12 print(x)13 14 def producter(target):15 '''生产者造值'''16 # next(g) #相当于g.send(None)17 for i in range(10):18 time.sleep(0.5)19 target.send(i)#要用send就得用两个yield20 producter(consumer())
对于单线程下，我们不可避免程序中出现io操作，但如果我们能在自己的程序中（即用户程序级别，而非操作系统级别）控制单线程下多个任务能遇到io就切换，这样就保证了该线程能够最大限度地处于就绪态，即随时都可以被cpu执行的状态，相当于我们在用户程序级别将自己的io操作最大限度地隐藏起来，对于操作系统来说：这哥们（该线程）好像是一直处于计算过程的，io比较少。
协程的本质就是在单线程下，由用户自己控制一个任务遇到io阻塞了就切换另外一个任务去执行，以此来提升效率。
因此我们需要找寻一种可以同时满足以下条件的解决方案：
1. 可以控制多个任务之间的切换，切换之前将任务的状态保存下来（重新运行时，可以基于暂停的位置继续）
2. 作为1的补充：可以检测io操作，在遇到io操作的情况下才发生切换
四、Greenlet
Greenlet模块和yield没有什么区别，就只是单纯的切，跟效率无关。
只不过比yield更好一点，切的时候方便一点。但是仍然没有解决效率
Greenlet可以让你在多个任务之间来回的切
#安装pip3 install greenlet
举例：
1 from greenlet import greenlet 2 import time 3 def eat(name): 4 print('%s eat 1' %name) 5 time.sleep(10) #当遇到IO的时候它也没有切，这就得用gevent了 6 g2.switch('egon') 7 print('%s eat 2' %name) 8 g2.switch() 9 def play(name):10 print('%s play 1' %name)11 g1.switch()12 print('%s play 2' %name)13 14 g1=greenlet(eat)15 g2=greenlet(play)16 17 g1.switch('egon')#可以在第一次switch时传入参数，以后都不需要 所以上面的方法都不可行，那么这就用到了Gevert ,也就是协程。就解决了单线程实现并发的问题，还提升了效率
五、Gevent介绍
#安装pip3 install gevent
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。
#用法g1=gevent.spawn(func,1,,2,3,x=4,y=5)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
举例;
1 from gevent import monkey;monkey.patch_all() 2 import gevent 3 import time 4 def eat(name): 5 print('%s eat 1' %name) 6 time.sleep(2) #我们用等待的时间模拟IO阻塞 7 ''' 在gevent模块里面要用gevent.sleep(2)表示等待的时间 8 然而我们经常用time.sleep()用习惯了，那么有些人就想着 9 可以用time.sleep()，那么也不是不可以。要想用，就得在10 最上面导入from gevent import monkey;monkey.patch_all()这句话11 如果不导入直接用time.sleep()，就实现不了单线程并发的效果了12 '''13 # gevent.sleep(2)14 print('%s eat 2' %name)15 return 'eat'16 def play(name):17 print('%s play 1' %name)18 time.sleep(3)19 # gevent.sleep(3)20 print('%s play 2' %name)21 return 'paly' #当有返回值的时候，gevent模块也提供了返回结果的操作22 23 start = time.time()24 g1 = gevent.spawn(eat,'egon') #执行任务25 g2 = gevent.spawn(play,'egon') #g1和g2的参数可以不一样26 # g1.join() #等待g127 # g2.join() #等待g228 #上面等待的两句也可以这样写29 gevent.joinall([g1,g2])30 print('主',time.time()-start) #3.00117158889770531 32 print(g1.value)33 print(g2.value) 需要说明的是：
gevent.sleep(2)模拟的是gevent可以识别的io阻塞,
而time.sleep(2)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
六、Gevent之同步于异步
1 from gevent import spawn,joinall,monkey;monkey.patch_all() 2 3 import time 4 def task(pid): 5 """ 6 Some non-deterministic task 7 """ 8 time.sleep(0.5) 9 print('Task %s done' % pid)10 11 12 def synchronous():13 for i in range(10):14 task(i)15 16 def asynchronous():17 g_l=[spawn(task,i) for i in range(10)]18 joinall(g_l)19 20 if __name__ == '__main__':21 print('Synchronous:')22 synchronous()23 24 print('Asynchronous:')25 asynchronous()26 #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。 七、Gevent之应用举例一
1 from gevent import monkey;monkey.patch_all() #打补丁 2 import gevent 3 import requests 4 import time 5 def get_page(url): 6 print('get :%s'%url) 7 response = requests.get(url) 8 if response.status_code==200: #下载成功的状态 9 print('%d bytes received from:%s'%(len(response.text),url))10 start=time.time()11 gevent.joinall([12 gevent.spawn(get_page,'http://www.baidu.com'),13 gevent.spawn(get_page, 'https://www.yahoo.com/'),14 gevent.spawn(get_page, 'https://github.com/'),15 ])16 stop = time.time()17 print('run time is %s' %(stop-start)) from gevent import joinall,spawn,monkey;monkey.patch_all()import requestsfrom threading import current_threaddef parse_page(res): print('%s PARSE %s' %(current_thread().getName(),len(res)))def get_page(url,callback=parse_page): print('%s GET %s' %(current_thread().getName(),url)) response=requests.get(url) if response.status_code == 200: callback(response.text)if __name__ == '__main__': urls=[ 'https://www.baidu.com', 'https://www.taobao.com', 'https://www.openstack.org', ] tasks=[] for url in urls: tasks.append(spawn(get_page,url)) joinall(tasks)
八、Gevent之应用举例二
也可以利用协程实现并发
1 #!usr/bin/env python 2 # -*- coding:utf-8 -*- 3 from gevent import monkey;monkey.patch_all() 4 import gevent 5 from socket import * 6 print('start running...') 7 def talk(conn,addr): 8 while True: 9 data = conn.recv(1024)10 print('%s:%s %s'%(addr[0],addr[1],data))11 conn.send(data.upper())12 conn.close()13 def server(ip,duankou):14 server = socket(AF_INET, SOCK_STREAM)15 server.setsockopt(SOL_SOCKET, SO_REUSEADDR, 1)16 server.bind((ip,duankou))17 server.listen(5)18 while True:19 conn,addr = server.accept() #等待链接20 gevent.spawn(talk,conn,addr) #异步执行 （p =Process(target=talk,args=(coon,addr))21 # p.start()）相当于开进程里的这两句22 server.close()23 if __name__ == '__main__':24 server('127.0.0.1',8081) 1 #!usr/bin/env python 2 # -*- coding:utf-8 -*- 3 from multiprocessing import Process 4 from gevent import monkey;monkey.patch_all() 5 from socket import * 6 def client(ip,duankou): 7 client = socket(AF_INET, SOCK_STREAM) 8 client.connect((ip,duankou)) 9 while True:10 client.send('hello'.encode('utf-8'))11 data = client.recv(1024)12 print(data.decode('utf-8'))13 if __name__ == '__main__':14 for i in range(100):15 p = Process(target=client,args=(('127.0.0.1',8081)))16 p.start()