python 线程(队列,线程池),协程(理论greenlet,gevent模块,)
Posted 又见芳踪
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了python 线程(队列,线程池),协程(理论greenlet,gevent模块,)相关的知识,希望对你有一定的参考价值。
线程的队列:
queue队列,使用import queue,用法与进程Queue一样
queue is especially useful in threaded programming when information must be exchanged safely between multiple threads.
- class
queue.
Queue
(maxsize=0) #先进先出
import queue q=queue.Queue() q.put(\'first\') q.put(\'second\') q.put(\'third\') print(q.get()) print(q.get()) print(q.get()) \'\'\' 结果(先进先出): first second third \'\'\' 先进先出
class queue.
LifoQueue
(maxsize=0) #last in fisrt out
import queue q=queue.LifoQueue() q.put(\'first\') q.put(\'second\') q.put(\'third\') print(q.get()) print(q.get()) print(q.get()) \'\'\' 结果(后进先出): third second first \'\'\' 后进先出
class queue.
PriorityQueue
(maxsize=0) #存储数据时可设置优先级的队列
import queue q=queue.PriorityQueue() #put进入一个元组,元组的第一个元素是优先级(通常是数字,也可以是非数字之间的比较),数字越小优先级越高 q.put((20,\'a\')) q.put((10,\'b\')) q.put((30,\'c\')) print(q.get()) print(q.get()) print(q.get()) \'\'\' 结果(数字越小优先级越高,优先级高的优先出队): (10, \'b\') (20, \'a\') (30, \'c\') \'\'\' 优先级队列
线程池的问题:
#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, which is 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
mport time from threading import currentThread,get_ident from concurrent.futures import ThreadPoolExecutor # 帮助你启动线程池的类 from concurrent.futures import ProcessPoolExecutor # 帮助你启动线程池的类 def func(i): time.sleep(1) print(\'in %s %s\'%(i,currentThread())) return i**2 def back(fn): print(fn.result(),currentThread()) # map启动多线程任务 # t = ThreadPoolExecutor(5) # t.map(func,range(20)) # for i in range(20): # t.submit(func,i) # submit异步提交任务 # t = ThreadPoolExecutor(5) # for i in range(20): # t.submit(fn=func,) # t.shutdown() # print(\'main : \',currentThread()) # 起多少个线程池 # 5*CPU的个数 # 获取任务结果 # t = ThreadPoolExecutor(20) # ret_l = [] # for i in range(20): # ret = t.submit(func,i) # ret_l.append(ret) # t.shutdown() # for ret in ret_l: # print(ret.result()) # print(\'main : \',currentThread()) # 回调函数 t = ThreadPoolExecutor(20) for i in range(100): t.submit(func,i).add_done_callback(back)
# 回调函数(进程版) import os import time from concurrent.futures import ProcessPoolExecutor # 帮助你启动线程池的类 def func(i): time.sleep(1) print(\'in %s %s\'%(i,os.getpid())) return i**2 def back(fn): print(fn.result(),os.getpid()) if __name__ == \'__main__\': print(\'main : \',os.getpid()) t = ProcessPoolExecutor(20) for i in range(100): t.submit(func,i).add_done_callback(back)
multiprocessing模块自带进程池的
threading 模块是没有线程池的
concurrent.futures 进程池 和 线程池
创建线程池/进程池 ProcessPoolExecutor ThreadPoolExecutor
ret = t.submit(func,arg1,arg2...) 异步提交任务
ret.result() 获取结果,如果要想实现异步效果,应该使用列表
map(func,iterable)
shutdown close+join 同步控制的
add_done_callback 回调函数,在回调函数内接收的参数是一个对象,需要通过result来获取返回值
回调函数仍然在主进程中执行
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
进程:资源分配的最小单位,班级
线程:cpu调度最小单位,人
什么是协程:能在一条线程的基础上,在多个任务之间互相切换
节省了线程开启的消耗
是从python代码级别调度的
正常的线程是cpu调度的最小单位
协程的调度并不是由操作系统来完成的
所学的协程:
# 你学过协程 # 在两个任务之间互相切换 # def func(): # print(1) # x = yield \'aaa\' # print(x) # yield \'bbb\' # # g = func() # print(next(g)) # print(g.send(\'****\')) # 在多个函数之间互相切换的功能 - 协程 # def consumer(): # while True: # x = yield # print(x) # def producer(): # g = consumer() # next(g) # 预激 # for i in range(10): # g.send(i) # producer() # yeild 只有程序之间的切换,没有重利用任何IO操作的时间
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))
使用pip3 install greenlet来安装greenlet模块
greenlet:
def eat(): # print(\'吃\') # time.sleep(1) # g2.switch() # 切换 # print(\'吃完了\') # time.sleep(1) # g2.switch() # # def play(): # print(\'玩儿\') # time.sleep(1) # g1.switch() # print(\'玩儿美了\') # time.sleep(1) # # g1 = greenlet(eat) # g2 = greenlet(play) # g1.switch() # 切换 # 遇到IO就切换 # gevent pip3 install gevent # greenlet是gevent的底层 # gevent是基于greenlet实现的 # python代码在控制程序的切换
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。
比较:
#顺序执行 import time def f1(): res=1 for i in range(100000000): res+=i def f2(): 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 import greenlet import time def f1(): res=1 for i in range(100000000): res+=i g2.switch() def f2(): 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
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 用法介绍
import gevent def eat(name): print(\'%s eat 1\' %name) gevent.sleep(2) print(\'%s eat 2\' %name) def play(name): print(\'%s play 1\' %name) gevent.sleep(1) print(\'%s play 2\' %name) g1=gevent.spawn(eat,\'egon\') g2=gevent.spawn(play,name=\'egon\') g1.join() g2.join() #或者gevent.joinall([g1,g2]) print(\'主\') 例:遇到io主动切换
例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
# 使用协程减少IO操作带来的时间消耗 from gevent import monkey;monkey.patch_all() import gevent import time def eat(): print(\'吃\') time.sleep(2) print(\'吃完了\') def play(): print(\'玩儿\') time.sleep(1) print(\'玩儿美了\') g1 = gevent.spawn(eat) g2 = gevent.spawn(play) gevent.joinall([g1,g2]) # g1.join() # g2.join() # 没执行 # 为什么没执行???是需要开启么? # 没有开启但是切换了 # gevent帮你做了切换,做切换是有条件的,遇到IO才切换 # gevent不认识除了gevent这个模块内以外的IO操作 # 使用join可以一直阻塞直到协程任务完成 # 帮助gevent来认识其他模块中的阻塞 # from gevent import monkey;monkey.patch_all()写在其他模块导入之前
import threading import gevent import time def eat(): print(threading.current_thread().getName()) print(\'eat food 1\') time.sleep(2) print(\'eat food 2\') def play(): print(threading.current_thread().getName()) print(\'play 1\') time.sleep(1) print(\'play 2\') g1=gevent.spawn(eat) g2=gevent.spawn(play) gevent.joinall([g1,g2]) print(\'主\') 查看threading.current_thread().getName()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 import spawn,joinall,monkey;monkey.patch_all() import time def task(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。
协程来实现socket()
from gevent import monkey;monkey.patch_all() import socket import gevent def talk(conn): while True: conn.send(b\'hello\') print(conn.recv(1024)) sk = socket.socket() sk.bind((\'127.0.0.1\',9090)) sk.listen() while True: conn,addr = sk.accept() gevent.spawn(talk,conn)
server
import socket from threading import Thread def client(): sk = socket.socket() sk.connect((\'127.0.0.1\',9090)) while True: print(sk.recv(1024)) sk.send(b\'bye\') for i in range(500): Thread(target=client).start()
client
# 4C 并发50000 qps
# 5个进程
# 20个线程
# 500个协程
协程: 能够在单核情况下 极大地提高cpu的利用率
不存在数据不安全的问题
也不存在线程切换\\创造的时间开销
切换时用户级别的,程序不会因为协程中某一个任务进入阻塞状态而使整个线程阻塞
线程的切换
时间片到了 降低cpu的效率
io会切 提高了cpu效率
以上是关于python 线程(队列,线程池),协程(理论greenlet,gevent模块,)的主要内容,如果未能解决你的问题,请参考以下文章
python全栈开发 * 线程队列 线程池 协程 * 180731
Python--线程队列(queue)multiprocessing模块(进程对列Queue管道(pipe)进程池)协程