内容目录：

1.socket服务端实现并发

2.进程池，线程池

3.协程

4.IO模型

1.socket服务端实现并发

# 客户端：

import socket

client = socket.socket()

client.connect(('127.0.0.1', 8080))

while True:

data = input('>>>:').encode('utf-8')

if len(data) == 0: continue

client.send(data)

res = client.recv(1024)

print(res)

# 服务端：

"""

1.固定的ip和端口

2.24小时不间断提供服务

3.支持高并发

"""

import socket

from threading import Thread

server = socket.socket()

server.bind(('127.0.0.1', 8080))

server.listen(5)

def trans_data(conn):

while True:

try:

data = conn.recv(1024)

if len(data) == 0: break

print(data)

conn.send(data.upper())

except ConnectionResetError:

break

conn.close()

while True:

conn, addr = server.accept()

print(addr)

t = Thread(target=trans_data, args=(conn,))

t.start()

2.进程池、线程池

"""

无论是开线程还是开进程，其实都会消耗资源，开线程消耗的资源比开进程的小

池：

1.为了减缓计算机硬件的压力，避免计算机硬件设备崩溃

2.虽然减轻了计算机硬件的压力，但一定程度上降低了持续的效率

进程池、线程池：

为了限制开设的进程数和线程数，从而保证计算机硬件的安全

"""

from concurrent.futures import ThreadPoolExecutor, ProcessPoolExecutor

import time

# 实例化池对象 --线程池

# 不指定参数的情况下，默认为当前计算机cpu个数乘以5，也可指定线程个数

pool1 = ThreadPoolExecutor(20)

# 实例化池对象 --进程池

# 不指定参数的情况下，默认为当前计算机cpu个数，也可指定进程个数

pool = ProcessPoolExecutor(20)

# pool = pool1 # 为了交换测试两种池

def task(n):

print(n)

time.sleep(2)

return n**2

def call_back(n):

print("拿到结果：%s" % n.result())

"""

提交任务的方式：

同步：提交任务之后，等待任务执行返回结果之后，再进行下一步代码

异步：提交任务之后，不等待任务的返回结果(通过回调函数返回结果)，直接执行下一步操作

"""

# 回调函数：异步提交之后一旦任务有返回结果，自动交给另一个去执行

if __name__ == '__main__':

# pool.submit(task,1)

t_list = []

for i in range(20):

pool.submit(task, i).add_done_callback(call_back) # 异步提交任务

# t_list.append(future)

pool.shutdown() # 关闭池子并且等待池子中所有的任务运行完毕

# for p in t_list:

# print('>>>:', p.result())

print('主')

3.协程

"""

进程：资源单位(车间)

线程：最小执行单位(流水线)

协程：单线程，实现并发

并发：看上去像同时运行就可以称之为并发

多道技术：

空间上的复用：硬件上的复用，内存中划分区域存放数据信息

时间上的复用：快速切换

协程：认为创造的专业名词

通过代码层面自己监测IO自己实现切换，让操作系统误以为你这个线程没有IO

切换+保存状态就一定能够提升程序效率吗？

不一定，如果任务是计算密集型，反而会降低效率，如果任务是IO密集型，会提升效率。

"""

# 检测代码中所有的IO行为

from gevent import monkey;monkey.patch_all()

from gevent import spawn, joinall # gevent 本身识别不了time.sleep等不属于该模块内的io操作

import time

def play(name):

print('%s play 1' % name)

time.sleep(2)

print('%s play 2' % name)

def eat(name):

print('%s eat 1' % name)

time.sleep(1)

print('%s eat 2' % name)

start = time.time()

g1 = spawn(play, 'lisi')

g2 = spawn(eat, 'lisi')

# g1.join()

# g2.join()

joinall([g1, g2])

print('主', time.time() - start) # 单线程下实现并发，提升效率

"""

# 运行结果：

lisi play 1

lisi eat 1

lisi eat 2

lisi play 2

主 2.013660192489624

"""

4.IO模型

"""

阻塞IO

非阻塞IO (服务端通信针对accept用s.setblocking(False)加异常捕获，cpu占用率过高)

IO多路复用

在只检测一个套接字的情况下，他的效率连阻塞IO都比不上。因为select这个中间人增加了环节。

但是在检测多个套接字的情况下，就能省去wait for data过程

异步IO

"""