《Python》线程池携程

Posted 2021-02-21 zyling_me

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, 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

import time
from concurrent.futures import ThreadPoolExecutor, ProcessPoolExecutor

def func(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\')

import time
from concurrent.futures import ThreadPoolExecutor
from threading import current_thread

def func(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
import time
from concurrent.futures import ThreadPoolExecutor
from threading import current_thread

def func(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 in ret_l:
    print(ret.result())
print(\'主线程\')

# map的用法
import time
from concurrent.futures import ThreadPoolExecutor

def func(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 in res:
    print(i)

# 回调函数
import time
import os
from concurrent.futures import ThreadPoolExecutor, ProcessPoolExecutor
from threading import current_thread

def func(i):
    print(\'thread\', i, current_thread().ident, os.getpid())
    time.sleep(1)
    print(\'thread %s end\' % i)
    return i * \'*\'

def call_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
import time
def consumer(res):
    \'\'\'任务1:接收数据,处理数据\'\'\'
    pass

def producer():
    \'\'\'任务2:生产数据\'\'\'
    res=[]
    for i in range(10000000):
        res.append(i)
    return res

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
import time
def consumer():
    \'\'\'任务1:接收数据,处理数据\'\'\'
    while True:
        x=yield

def producer():
    \'\'\'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。

import time
def consumer():
    \'\'\'任务1:接收数据,处理数据\'\'\'
    while True:
        x=yield

def producer():
    \'\'\'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：

1. 必须在只有一个单线程里实现并发
2. 修改共享数据不需加锁
3. 用户程序里自己保存多个控制流的上下文栈
4. 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

import time
from greenlet import greenlet

def eat():
    print(\'eating 1\')
    g2.switch()
    time.sleep(1)
    print(\'eating 2\')

def play():
    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
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

　　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

import time
import gevent

def eat():
    print(\'eating 1\')
    # time.sleep(1)
    gevent.sleep(1) # 改成这样就能认识了
    print(\'eating 2\')

def play():
    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　　　　　　
import time
import gevent

def eat():
    print(\'eating 1\')
    time.sleep(1)
    print(\'eating 2\')
    
def play():
    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 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。

查看threading.current_thread().getName()

from gevent import monkey;monkey.patch_all()
import time
import gevent
import requests

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\'
]

def get_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 in url_lst:
    get_url(url)
print(time.time() - start)

# 通过协程实现
start = time.time()
g_lst = []
for url in url_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 import monkey;monkey.patch_all()
from socket import *
import gevent

#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()

def server(server_ip,port):
    s=socket(AF_INET,SOCK_STREAM)
    s.setsockopt(SOL_SOCKET,SO_REUSEADDR,1)
    s.bind((server_ip,port))
    s.listen(5)
    while True:
        conn,addr=s.accept()
        gevent.spawn(talk,conn,addr)

def talk(conn,addr):
    try:
        while True:
            res=conn.recv(1024)
            print(\'client %s:%s msg: %s\' %(addr[0],addr[1],res))
            conn.send(res.upper())
    except Exception 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))


while True:
    msg=input(\'>>: \').strip()
    if not msg:continue

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

client

from threading import Thread
from socket import *
import threading

def client(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=0
    while True:
        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