一、线程池(concurrent.futures模块)

#1 介绍

concurrent.futures模块提供了高度封装的异步调用接口

ThreadPoolExecutor：线程池，提供异步调用

ProcessPoolExecutor: 进程池，提供异步调用

Both implement the same interface, whichis defined by the abstract Executor class.#2 基本方法#submit(fn, *args, **kwargs)

异步提交任务#map(func, *iterables, timeout=None, chunksize=1)

取代for循环submit的操作#shutdown(wait=True)

相当于进程池的pool.close()+pool.join()操作

wait=True，等待池内所有任务执行完毕回收完资源后才继续

wait=False，立即返回，并不会等待池内的任务执行完毕

但不管wait参数为何值，整个程序都会等到所有任务执行完毕

submit和map必须在shutdown之前#result(timeout=None)

取得结果#add_done_callback(fn)

回调函数

importtimefrom concurrent.futures importThreadPoolExecutor, ProcessPoolExecutordeffunc(i):print('thread', i)

time.sleep(1)print('thread %s end' %i)#线程池，提供异步调用

tp = ThreadPoolExecutor(5)

tp.submit(func,1)

tp.shutdown()print('主线程')#进程池，提供异步调用

if __name__ == '__main__':

tp= ProcessPoolExecutor(5)

tp.submit(func,1)

tp.shutdown()print('主线程')

importtimefrom concurrent.futures importThreadPoolExecutorfrom threading importcurrent_threaddeffunc(i):print('thread', i, current_thread().ident)

time.sleep(1)print('thread %s end' %i)

tp= ThreadPoolExecutor(5)for i in range(20):

tp.submit(func, i)

tp.shutdown()print('主线程')#获取返回值

importtimefrom concurrent.futures importThreadPoolExecutorfrom threading importcurrent_threaddeffunc(i):print('thread', i, current_thread().ident)

time.sleep(1)print('thread %s end' %i)return i * '*'tp= ThreadPoolExecutor(5)

ret_l=[]for i in range(20):

ret=tp.submit(func, i)

ret_l.append(ret)for ret inret_l:print(ret.result())print('主线程')

#map的用法

importtimefrom concurrent.futures importThreadPoolExecutordeffunc(i):print('thread', i)

time.sleep(1)print('thread %s end' %i)return i * '*'tp= ThreadPoolExecutor(5)

res= tp.map(func, range(20))for i inres:print(i)

#回调函数

importtimeimportosfrom concurrent.futures importThreadPoolExecutor, ProcessPoolExecutorfrom threading importcurrent_threaddeffunc(i):print('thread', i, current_thread().ident, os.getpid())

time.sleep(1)print('thread %s end' %i)return i * '*'

defcall_back(arg):print('call back :', current_thread().ident, os.getpid())print('ret :', arg.result())#线程池的回调函数是由子线程完成的

tp = ThreadPoolExecutor(5)

ret_l=[]for i in range(20):

tp.submit(func, i).add_done_callback(call_back)print('主线程', current_thread().ident, os.getpid())#进程池的回调函数是由主进程完成的

if __name__ == '__main__':

tp= ProcessPoolExecutor(5)

ret_l=[]for i in range(20):

tp.submit(func, i).add_done_callback(call_back)print('主线程', current_thread().ident, os.getpid())

二、协程

之前我们学习了线程、进程的概念，了解了在操作系统中进程是资源分配的最小单位,线程是CPU调度的最小单位。按道理来说我们已经算是把cpu的利用率提高很多了。但是我们知道无论是创建多进程还是创建多线程来解决问题，都要消耗一定的时间来创建进程、创建线程、以及管理他们之间的切换。

随着我们对于效率的追求不断提高，基于单线程来实现并发又成为一个新的课题，即只用一个主线程(很明显可利用的cpu只有一个)情况下实现并发。这样就可以节省创建线进程所消耗的时间。

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

ps：在介绍进程理论时，提及进程的三种执行状态，而线程才是执行单位，所以也可以将上图理解为线程的三种状态

一：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，实现看起来所有任务都被“同时”执行的效果，如果多个任务都是纯计算的，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

#串行执行

importtimedefconsumer(res):'''任务1:接收数据,处理数据'''

pass

defproducer():'''任务2:生产数据'''res=[]for i in range(10000000):

res.append(i)returnres

start=time.time()#串行执行

res=producer()

consumer(res)#写成consumer(producer())会降低执行效率

stop=time.time()print(stop-start) #1.5536692142486572

#基于yield并发执行

importtimedefconsumer():'''任务1:接收数据,处理数据'''

whileTrue:

x=yield

defproducer():'''任务2:生产数据'''g=consumer()

next(g)for i in range(10000000):

g.send(i)

start=time.time()#基于yield保存状态,实现两个任务直接来回切换,即并发的效果#PS:如果每个任务中都加上打印,那么明显地看到两个任务的打印是你一次我一次,即并发执行的.

producer()

stop=time.time()print(stop-start) #2.0272178649902344

单纯地切换反而会降低运行效率

二：第一种情况的切换。在任务一遇到io情况下，切到任务二去执行，这样就可以利用任务一阻塞的时间完成任务二的计算，效率的提升就在于此。

importtimedefconsumer():'''任务1:接收数据,处理数据'''

whileTrue:

x=yield

defproducer():'''任务2:生产数据'''g=consumer()

next(g)for i in range(10000000):

g.send(i)

time.sleep(2)

start=time.time()

producer()#并发执行,但是任务producer遇到io就会阻塞住,并不会切到该线程内的其他任务去执行

stop=time.time()print(stop-start)

yield无法做到遇到io阻塞

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)控制单线程下的多个任务能在一个任务遇到io阻塞时就切换到另外一个任务去计算，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，从而可以迷惑操作系统，让其看到：该线程好像是一直在计算，io比较少，从而更多的将cpu的执行权限分配给我们的线程。

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。为了实现它，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，以便重新运行时，可以基于暂停的位置继续执行。#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

协程介绍：

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(如单线程遇到io或执行时间过长就会被迫交出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，就会从应用程序级别(而非操作系统)控制切换，以此来提升效率(！！！非io操作的切换与效率无关)

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

缺点如下：

#1. 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#2. 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

总结协程特点：

必须在只有一个单线程里实现并发

修改共享数据不需加锁

用户程序里自己保存多个控制流的上下文栈

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))

Greenlet 模块

安装 ：pip3 install greenlet

#greenlet实现状态切换

importtimefrom greenlet importgreenletdefeat():print('eating 1')

g2.switch()

time.sleep(1)print('eating 2')defplay():print('playing 1')

time.sleep(1)print('playing 2')

g1.switch()

g1=greenlet(eat)

g2=greenlet(play)

g1.switch()

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

importtimedeff1():

res=1

for i in range(100000000):

res+=ideff2():

res=1

for i in range(100000000):

res*=i

start=time.time()

f1()

f2()

stop=time.time()print('run time is %s' %(stop-start)) #10.985628366470337

#切换

from greenlet importgreenletimporttimedeff1():

res=1

for i in range(100000000):

res+=i

g2.switch()deff2():

res=1

for i in range(100000000):

res*=i

g1.switch()

start=time.time()

g1=greenlet(f1)

g2=greenlet(f2)

g1.switch()

stop=time.time()print('run time is %s' %(stop-start)) #52.763017892837524

效率对比

greenlet只是提供了一种比generator更加便捷的切换方式，当切到一个任务执行时如果遇到io，那就原地阻塞，仍然是没有解决遇到IO自动切换来提升效率的问题。

单线程里的这20个任务的代码通常会既有计算操作又有阻塞操作，我们完全可以在执行任务1时遇到阻塞，就利用阻塞的时间去执行任务2。。。。如此，才能提高效率，这就用到了Gevent模块。

Gevent 模块

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。

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

importtimeimportgeventdefeat():print('eating 1')#time.sleep(1)

gevent.sleep(1) #改成这样就能认识了

print('eating 2')defplay():print('playing 1')#time.sleep(1)

gevent.sleep(1) #改成这样就能认识了

print('playing 2')

g1= gevent.spawn(eat) #自动的检测事件，遇见阻塞了就会进行切换，有些阻塞它不认识

g2 =gevent.spawn(play)

g1.join()#阻塞直到g1结束

g2.join() #阻塞直到g2结束#gevent.joinall([g1, g2])　　# 这样也可以

上例gevent.sleep(1)模拟的是gevent可以识别的io阻塞,而time.sleep(1)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() #要放在最上面

importtimeimportgeventdefeat():print('eating 1')

time.sleep(1)print('eating 2')defplay():print('playing 1')

time.sleep(1)print('playing 2')

g1= gevent.spawn(eat) #自动的检测阻塞事件，遇见阻塞了就会进行切换

g2 =gevent.spawn(play)

g1.join()#阻塞直到g1结束

g2.join() #阻塞直到g2结束

我们可以用threading.current_thread().getName()来查看每个g1和g2，查看的结果为DummyThread-n，即假线程

#Gevent 之同步与异步

from gevent importspawn,joinall,monkey;monkey.patch_all()importtimedeftask(pid):"""Some non-deterministic task"""time.sleep(0.5)print('Task %s done' %pid)def synchronous(): #同步

for i in range(10):

task(i)def asynchronous(): #异步

g_l=[spawn(task,i) for i in range(10)]

joinall(g_l)print('DONE')if __name__ == '__main__':print('Synchronous:')

synchronous()print('Asynchronous:')

asynchronous()#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任务。执行流程只会在 所有greenlet执行完后才会继续向下走。

查看threading.current_thread().getName()

from gevent importmonkey;monkey.patch_all()importtimeimportgeventimportrequests

url_lst=['http://www.baidu.com','http://www.4399.com','http://www.7k7k.com','http://www.sogou.com','http://www.sohu.com','http://www.sina.com','http://www.jd.com','http://www.luffycity.com/home','http://www.douban.com','http://cnblogs.com/Eva-J/articles/8324673.html']defget_url(url):

response=requests.get(url)if response.status_code == 200:print(url, len(response.text))#普通方法

start =time.time()for url inurl_lst:

get_url(url)print(time.time() -start)#通过协程实现

start =time.time()

g_lst=[]for url inurl_lst:

g=gevent.spawn(get_url, url)

g_lst.append(g)

gevent.joinall(g_lst)print(time.time() - start)

协程的应用爬虫

通过gevent实现单线程下的socket并发

注意 ：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 importmonkey;monkey.patch_all()from socket import *

importgevent#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()

defserver(server_ip,port):

s=socket(AF_INET,SOCK_STREAM)

s.setsockopt(SOL_SOCKET,SO_REUSEADDR,1)

s.bind((server_ip,port))

s.listen(5)whileTrue:

conn,addr=s.accept()

gevent.spawn(talk,conn,addr)deftalk(conn,addr):try:whileTrue:

res=conn.recv(1024)print('client %s:%s msg: %s' %(addr[0],addr[1],res))

conn.send(res.upper())exceptException as e:print(e)finally:

conn.close()if __name__ == '__main__':

server('127.0.0.1',8080)

server

from socket import *client=socket(AF_INET,SOCK_STREAM)

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

msg=input('>>:').strip()if not msg:continueclient.send(msg.encode('utf-8'))

msg=client.recv(1024)print(msg.decode('utf-8'))

client

from threading importThreadfrom socket import *

importthreadingdefclient(server_ip,port):

c=socket(AF_INET,SOCK_STREAM) #套接字对象一定要加到函数内，即局部名称空间内，放在函数外则被所有线程共享，则大家公用一个套接字对象，那么客户端端口永远一样了

c.connect((server_ip,port))

count=0whileTrue:

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()

多线程并发多个客户端