python的编程模式-python编程（python开发的三种运行模式）【转】

目录(?)[-]

单循环模式

多线程模式

reactor模式

Python作为一门脚本语言，使用的范围很广。有的同学用来算法开发，有的用来验证逻辑，还有的作为胶水语言，用它来粘合整个系统的流程。不管怎么说，怎么使用python既取决于你自己的业务场景，也取决于你自己的python应用能力。就我个人而言，我觉得python作为既可以用来进行业务的开发，也可以进行产品原型的开发.一般来说，python的运行主要下面这三种模式。1.单循环模式

单循环模式使用的最多，也最简单，当然也最稳定。为什么呢，因为单循环本来代码就写的很少，出错的机会就更少，所以一般只要写对了接口，犯错误的机会还是很低的。当然，我们不是说单循环就没什么用，恰恰相反。单循环模式是我们最经常使用的一种模式。这种开发对于一些小工具、小应用、小场景特别合适。

#!/usr/bin/python

import os

import sys

import re

import signal

import time

g_exit= 0def sig_process(sig, frame):globalg_exit

g_exit= 1print'catch signal'def main():globalg_exit

signal.signal(signal.SIGINT, sig_process)while 0 ==g_exit:

time.sleep(1)'''module process code'''

if __name__ == '__main__':

main()

2.多线程模式

多线程模式经常用在那些容易阻塞的场合。比如多线程客户端读写，多线程web访问等等。这里的多线程有个特点，那就是每个线程都是按照客户端创建的。简单的举例就是服务器socket，来一个socket创建一个thread，这样如果存在多个用户的话，就有多个thread并发连接。这种方式比较简单，用起来很快，缺点就是所有业务有可能并发执行，全局数据保护起来很麻烦。

#!/usr/bin/python

import os

import sys

import re

import signal

import time

import threading

g_exit=0def run_thread():globalg_exitwhile 0 ==g_exit:

time.sleep(1)''' dojobs per thread'''def sig_process(sig, frame):globalg_exit

g_exit= 1def main():globalg_exit

signal.signal(signal.SIGINT, sig_process)

g_threads=[]for i in range(4):

td= threading.Thread(target =run_thread)

td.start()

g_threads.append(td)while 0 ==g_exit:

time.sleep(1)for i in range(4):

g_threads[i].join()if __name__ == '__main__':

main()

3.reactor模式

reactor模式，不复杂，简单的来说，就是利用多线程来处理每一个业务。如果一个业务已经被某一个thread处理了，那么其他的thread就不能再次处理这个业务了。这样，它相当于解决了一个问题，也就是我们在前面所说的锁的问题。因此，对于这种模式的开发者来说，编写业务其实是一件简单的事情，因为他所要关注的只是自己的一亩三分地就可以了。之前云风同学编写的skynet就是这么一种模式，只不过它使用了c+lua来开发的。其实只要了解了reactor模式本身，用什么语言开发不重要，关键是理解reactor的精髓就可以了。

如果写成code，那应该是这样的，

#!/usr/bin/python

import os

import sys

import re

import time

import signal

import threading

g_num= 4g_exit=0g_threads=[]

g_sem=[]

g_lock=threading.Lock()

g_event={}

def add_event(name, data):globalg_lockglobalg_eventif '' ==name:returng_lock.acquire()if name ing_event:

g_event[name].append(data)

g_lock.release()returng_event[name]=[]''' 0 means idle, 1means busy''' g_event[name].append(0)

g_event[name].append(data)

g_lock.release()

def get_event(name):globalg_lockglobalg_event

g_lock.acquire()if '' !=name:if [] !=g_event[name]:if 1 !=len(g_event[name]):

data= g_event[name][1]

del g_event[name][1]

g_lock.release()returnname, dataelse:

g_event[name][0] = 0

for k ing_event:if 1 ==len(g_event[k]):continue

if 1 == g_event[k][0]:continueg_event[k][0] =1data= g_event[k][1]

del g_event[k][1]

g_lock.release()returnk, data

g_lock.release()return '', -1def sig_process(sig, frame):globalg_exit

g_exit=1print'catch signal'def run_thread(num):globalg_exitglobalg_semglobalg_lock

name= ''data= -1

while 0 ==g_exit:

g_sem[num].acquire()whileTrue:

name, data=get_event(name)if '' ==name:breakg_lock.acquire()

print name, data

g_lock.release()

def test_thread():globalg_exitwhile 0 ==g_exit:for i in range(100):

add_event('1', (i << 2) + 0)

add_event('2', (i << 2) + 1)

add_event('3', (i << 2) + 2)

add_event('4', (i << 2) + 3)

time.sleep(1)

def main():globalg_exitglobalg_numglobalg_threadsglobalg_sem

signal.signal(signal.SIGINT, sig_process)for i inrange(g_num):

sem= threading.Semaphore(0)

g_sem.append(sem)

td= threading.Thread(target=run_thread, args=(i,))

td.start()

g_threads.append(td)'''test thread to give data''' test = threading.Thread(target=test_thread)

test.start()while 0 ==g_exit:for i inrange(g_num):

g_sem[i].release()

time.sleep(1)'''call all thread to close''' for i inrange(g_num):

g_sem[i].release()for i inrange(g_num):

g_threads[i].join()

test.join()

print'exit now'

'''entry'''if __name__ == '__main__':

main()

python的编程模式-python编程（python开发的三种运行模式）【转】相关推荐

python编程模式是什么_python 开发的三种运行模式详细介绍
Python 三种运行模式 Python作为一门脚本语言,使用的范围很广.有的同学用来算法开发,有的用来验证逻辑,还有的作为胶水语言,用它来粘合整个系统的流程.不管怎么说,怎么使用python既取决于 ...
spark sql 本地调试_Spark精华问答｜Spark的三种运行模式有何区别？
戳蓝字"CSDN云计算"关注我们哦! Spark是一个针对超大数据集合的低延迟的集群分布式计算系统,比MapReducer快40倍左右,是hadoop的升级版本,Hadoop作为第 ...
Spark精华问答 | Spark的三种运行模式有何区别？
戳蓝字"CSDN云计算"关注我们哦! Spark是一个针对超大数据集合的低延迟的集群分布式计算系统,比MapReducer快40倍左右,是hadoop的升级版本,Hadoop作为第 ...
Spark的三种运行模式
Spark三种运行模式 1.Spark运行模式: 2.验证Spark三种模式代码 1.Spark运行模式: ①Local(也称单节点模式):常用于开发和学习 ./spark-shell - -mast ...
【Tomcat】Tomcat Connector的三种运行模式【bio、nio、apr】
Tomcat Connector(Tomcat连接器)有bio.nio.apr三种运行模式 bio bio(blocking I/O,阻塞式I/O操作),表示Tomcat使用的是传统的Java I/O ...
Tomcat Connector的三种运行模式【bio、nio、apr】
Tomcat Connector(Tomcat连接器)有bio.nio.apr三种运行模式 bio bio(blocking I/O,阻塞式I/O操作),表示Tomcat使用的是传统的Java I/O ...
draw.io二次开发（1）三种运行模式的区别
想尝试在开源的drawio的基础上做一些开发,实现自己的定制化需求.可能是因为这个工具已经非常完善了吧,找到的大部分都是教你如何使用,开发相关资料太少,看来只能靠自己了. 关于开发环境搭建,请先看这一 ...
最直白理解NFC开发的三种工作模式
刚开始开发NFC时,说的三种模式:说的感觉都是些专业术语.看的不是很明白,以下是最直白的NFC三种模式的介绍. 1.NFC的工作模式 NFC支持如下3种工作模式:读卡器模式(Reader/writer ...

python的编程模式-python编程（python开发的三种运行模式）【转】

python的编程模式-python编程（python开发的三种运行模式）【转】相关推荐

最新文章

热门文章