python3通过gevent.pool限制协程并发数量

协程--gevent模块(单线程高并发)

 

先恶补一下知识点,上节回顾

上下文切换：当CPU从执行一个线程切换到执行另外一个线程的时候，它需要先存储当前线程的本地的数据，程序指针等，然后载入另一个线程的本地数据，程序指针等，最后才开始执行。这种切换称为“上下文切换”(“context switch”)

　　　　　　CPU会在一个上下文中执行一个线程，然后切换到另外一个上下文中执行另外一个线程,上下文切换并不廉价。如果没有必要，应该减少上下文切换的发生

进程: 一个程序需要运行所需的资源的集合每个进程数据是独立的每个进程里至少有一个线程每个进程里有可以多有个线程线程数据是共享的进程间共享数据的代价是高昂的,所以要尽量避免进程间的数据共享线程间的数据本来就是共享的线程要修改同一份数据，必须加锁，互斥锁mutex生产者消费者:1.解耦2.提高程序的运行效率,把中间等待的时间省去多线程场景: IO密集型，因为IO操作基本不占用CPU，所以多用在web，爬虫，socket交互多进程场景:CPU密集型,大数据分析,金融分析,这样用的IO就很少，因为这个进程会进行大量的运算, 但是如果切换了进程,就会变慢

协程

协程:微线程, 协程是一种用户态的轻量级线程,CPU不知道它的存在,

协程拥有自己的寄存器上下文和栈.协程调度切换时,将寄存器上下文和栈保存到其他地方,在切回来的时候,恢复先前保存的寄存器上下文和栈，

因此协程能保留上一次调用时的状态(即所有局部状态的一个特定组合,)，每次过程重入时,就相当于上一次调用的状态, 也就是进入上一次离开时所处逻辑流的位置

 

协程的好处：(是程序级别切换，CPU是不知道的.)

1.无需线程上下文切换,

2.无需原子操作锁定及同步开销  ,  什么是原子操作？  ：是不需要同步的!!,是指不会被线程调度打断的操作；这种操作一旦开始，就运行到结束,中间不会有任何  context switch（切换到另一个线程,）

　　　　　　　　　　　　　　　　　　　　　　　　　原子操作可以是一个步骤，也可以是多个操作步骤，但是其顺序是不可以被打乱，或者切割掉只执行部分。视作整体是原子性的核心

3.方便切换控制流,简化编程模型

4.高并发 + 高扩展 + 低成本 ： 一个CPU支持上万的协程都不是问题,所以很适合用于高并发处理

坏处-----:

1.无法利用多核资源,协程的本质是个单线程,它不能同时将单个CPU的多个核用上, 协程需要配合进程才能在多CPU上，  适用于CPU密集型应用

2.进程阻塞 （Blocking）  操作 如IO操作时，会阻塞掉整个程序

----什么条件符合才能称之为协程？

　　A.必须在只有一个单线程里实现并发

　　B.修改共享数据不需要加锁

　　C.用户程序里自己保持多个控制流的上下文栈

　　D.一个协程遇到IO操作自动切换到其他协程！！！！！！

重点来了。。。。。 大量的模块知识点---我希望我以后还能记起来----汗颜！

Greenlet模块

greenlet是一个用C实现的协程模块，相比与python自带的yield，它可以使你在任意函数之间随意切换，而不需把这个函数先声明为generator(生成器)

 

from greenlet import greenlet

def test1():
    print('test1:我是1')
    gr2.switch()    #切换到test2
    print('test1:我是1.1')
    gr2.switch()
def test2():
    print('test2:我是2')
    gr1.switch()  #切换到test1
    print('test2:我是2.2')


gr1=greenlet(test1)
gr2=greenlet(test2)
gr1.switch()      #先切换到test1
>>
test1:我是1
test2:我是2
test1:我是1.1
test2:我是2.2

 

swich()  就是切换,   按执行顺序--  但是遇到IO操作 好像并没有自动切换

Gevent模块

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。  

 这里使用gevent.sleep 来获取控制权    

 

import gevent

def func1():
    print('\033[31;1m我是func1\033[0m')
    gevent.sleep(3)
    print('\033[31;1m我是func1.1--我上面有3秒\033[0m')

def func2():
    print('\033[32;1m我是func2.\033[0m')
    gevent.sleep(2)
    print('\033[32;1m我是func2.1 我上面有2秒\033[0m')

def func3():
    print('\033[32;1m我是func3.\033[0m')
    gevent.sleep(2)
    print('\033[32;1m我是func3.1我上面有2秒\033[0m')

gevent.joinall([gevent.spawn(func1),
                gevent.spawn(func2),
                gevent.spawn(func3),])

 

这里会按照sleep 设置来执行      一定会先打印出func2-->func3-->func1  

同步和异步的性能区别

 

import gevent


def task(pid):
    """
    Some non-deterministic task
    """
    gevent.sleep(0.5)
    print('Task %s done' % pid)


def synchronous():
    for i in range(1, 10):
        task(i)


def asynchronous():
    #threads = [gevent.spawn(task, i) for i in range(10)]
    threads=[]
    for i in range(10):
        threads.append(gevent.spawn(task,i))
    gevent.joinall(threads)    #执行流程只会在 所有greenlet执行完后才会继续向下走


print('Synchronous:')
synchronous()

print('Asynchronous:')
asynchronous()

 

Synchrounous:定义了同步的函数:定义一个for循环。依次把内容传输给task函数，然后打印执行结果-----

Aynchrounous:定义了异步的函数: 这里用到了一个gevent.spawn方法，就是产生的意思. gevent.joinall 也就是等待所以操作都执行完毕

　　　　　　　　　　　　　　　　gevent.spawn 可以调用函数

可是我们一般也不会这么用。去故意的设置一个gevent.sleep来切换  ，下面就来在实际场景中应用

遇到IO阻塞,自动切换任务

这里就用到了简单的网页爬虫环境中,  操作IO的时候。自动切换。这里就用到了猴子补丁(monkey.patch_all(), 知道这是运行时，动态修改已有的代码，而不需要修改原始代码)

 

from gevent import monkey
import gevent
import time
from urllib.request import urlopen
monkey.patch_all()
#对比得出 协程 运行出的更快
#IO阻塞 自动切换任务。。
def say(url):
    print('get url',url)
    resp = urlopen(url)
    data = resp.read()
    print(len(data),url)
t1_start = time.time()
say('http://www.xiaohuar.com/')
say('http://www.oldboyedu.com/')
print("普通--time cost",time.time() - t1_start)

t2_stat = time.time()
gevent.joinall(
    [gevent.spawn(say,'http://www.xiaohuar.com/'),
     gevent.spawn(say,'http://www.oldboyedu.com/'),
     gevent.spawn(say,'http://weibo.com/MMbdzx?from=myfollow_all&is_all=1#_rnd1482040021384')]
)
print("gevent---time cost",time.time() - t2_stat)

 

由于切换时再IO操作就自动完成,所以需要gevent修改py自带的标准库,这一过程在启动时通过monkey patch完成  -- 

对比2次运行完毕的时间,很明显的看到gevent在处理上,更加有优势,

 到了这里简单的就算完了。。。来进入总结概念的部分--------http://www.cnblogs.com/zcqdream/p/6196948.html   

通过gevent来实现单线程下的多socket并发

server 端,采用gevent协程

 

 1 import sys
 2 import socket
 3 import time
 4 import gevent
 5  
 6 from gevent import socket,monkey
 7 monkey.patch_all()
 8  
 9  
10 def server(port):
11     s = socket.socket()
12     s.bind(('0.0.0.0', port))
13     s.listen(500)
14     while True:
15         cli, addr = s.accept()
16         gevent.spawn(handle_request, cli)   #gevent.spwan调用handle参数并传参
17  
18  
19  
20 def handle_request(conn):
21     try:
22         while True:
23             data = conn.recv(1024)
24             print("recv:", data)
25             conn.send(data)
26             if not data:             
27                 conn.shutdown(socket.SHUT_WR)
28  
29     except Exception as  ex:
30         print(ex)
31     finally:
32         conn.close()
33 if __name__ == '__main__':
34     server(8001)

 

client端

单线程的客户端

 

 1 import socket
 2  
 3 HOST = 'localhost'    # The remote host
 4 PORT = 8001           # The same port as used by the server
 5 s = socket.socket(socket.AF_INET, socket.SOCK_STREAM)
 6 s.connect((HOST, PORT))
 7 while True:
 8     msg = bytes(input(">>:"),encoding="utf8")
 9     s.sendall(msg)
10     data = s.recv(1024)
11     #print(data)
12  
13     print('Received', repr(data))
14 s.close()

 

多线程客户端去请求

 

import socket
import threading

def sock_conn():

    client = socket.socket()

    client.connect(("localhost",8001))
    count = 0
    while True:
        #msg = input(">>:").strip()
        #if len(msg) == 0:continue
        client.send( ("hello %s" %count).encode("utf-8"))

        data = client.recv(1024)

        print("[%s]recv from server:" % threading.get_ident(),data.decode()) #结果
        count +=1
    client.close()


for i in range(100):
    t = threading.Thread(target=sock_conn)
    t.start()

 

 

python3通过gevent.pool限制协程并发数量

先恶补一下知识点,上节回顾

上下文切换：当CPU从执行一个线程切换到执行另外一个线程的时候，它需要先存储当前线程的本地的数据，程序指针等，然后载入另一个线程的本地数据，程序指针等，最后才开始执行。这种切换称为“上下文切换”(“context switch”)

　　　　　　CPU会在一个上下文中执行一个线程，然后切换到另外一个上下文中执行另外一个线程,上下文切换并不廉价。如果没有必要，应该减少上下文切换的发生

进程: 一个程序需要运行所需的资源的集合每个进程数据是独立的每个进程里至少有一个线程每个进程里有可以多有个线程线程数据是共享的进程间共享数据的代价是高昂的,所以要尽量避免进程间的数据共享线程间的数据本来就是共享的线程要修改同一份数据，必须加锁，互斥锁mutex生产者消费者:1.解耦2.提高程序的运行效率,把中间等待的时间省去多线程场景: IO密集型，因为IO操作基本不占用CPU，所以多用在web，爬虫，socket交互多进程场景:CPU密集型,大数据分析,金融分析,这样用的IO就很少，因为这个进程会进行大量的运算, 但是如果切换了进程,就会变慢

协程

协程:微线程, 协程是一种用户态的轻量级线程,CPU不知道它的存在,

协程拥有自己的寄存器上下文和栈.协程调度切换时,将寄存器上下文和栈保存到其他地方,在切回来的时候,恢复先前保存的寄存器上下文和栈，

因此协程能保留上一次调用时的状态(即所有局部状态的一个特定组合,)，每次过程重入时,就相当于上一次调用的状态, 也就是进入上一次离开时所处逻辑流的位置

 

协程的好处：(是程序级别切换，CPU是不知道的.)

1.无需线程上下文切换,

2.无需原子操作锁定及同步开销  ,  什么是原子操作？  ：是不需要同步的!!,是指不会被线程调度打断的操作；这种操作一旦开始，就运行到结束,中间不会有任何  context switch（切换到另一个线程,）

　　　　　　　　　　　　　　　　　　　　　　　　　原子操作可以是一个步骤，也可以是多个操作步骤，但是其顺序是不可以被打乱，或者切割掉只执行部分。视作整体是原子性的核心

3.方便切换控制流,简化编程模型

4.高并发 + 高扩展 + 低成本 ： 一个CPU支持上万的协程都不是问题,所以很适合用于高并发处理

坏处-----:

1.无法利用多核资源,协程的本质是个单线程,它不能同时将单个CPU的多个核用上, 协程需要配合进程才能在多CPU上，  适用于CPU密集型应用

2.进程阻塞 （Blocking）  操作 如IO操作时，会阻塞掉整个程序

----什么条件符合才能称之为协程？

　　A.必须在只有一个单线程里实现并发

　　B.修改共享数据不需要加锁

　　C.用户程序里自己保持多个控制流的上下文栈

　　D.一个协程遇到IO操作自动切换到其他协程！！！！！！

重点来了。。。。。 大量的模块知识点---我希望我以后还能记起来----汗颜！

Greenlet模块

greenlet是一个用C实现的协程模块，相比与python自带的yield，它可以使你在任意函数之间随意切换，而不需把这个函数先声明为generator(生成器)

 

from greenlet import greenlet

def test1():
    print('test1:我是1')
    gr2.switch()    #切换到test2
    print('test1:我是1.1')
    gr2.switch()
def test2():
    print('test2:我是2')
    gr1.switch()  #切换到test1
    print('test2:我是2.2')


gr1=greenlet(test1)
gr2=greenlet(test2)
gr1.switch()      #先切换到test1
>>
test1:我是1
test2:我是2
test1:我是1.1
test2:我是2.2

 

swich()  就是切换,   按执行顺序--  但是遇到IO操作 好像并没有自动切换

Gevent模块

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。  

 这里使用gevent.sleep 来获取控制权    

 

import gevent

def func1():
    print('\033[31;1m我是func1\033[0m')
    gevent.sleep(3)
    print('\033[31;1m我是func1.1--我上面有3秒\033[0m')

def func2():
    print('\033[32;1m我是func2.\033[0m')
    gevent.sleep(2)
    print('\033[32;1m我是func2.1 我上面有2秒\033[0m')

def func3():
    print('\033[32;1m我是func3.\033[0m')
    gevent.sleep(2)
    print('\033[32;1m我是func3.1我上面有2秒\033[0m')

gevent.joinall([gevent.spawn(func1),
                gevent.spawn(func2),
                gevent.spawn(func3),])

 

这里会按照sleep 设置来执行      一定会先打印出func2-->func3-->func1  

同步和异步的性能区别

 

import gevent


def task(pid):
    """
    Some non-deterministic task
    """
    gevent.sleep(0.5)
    print('Task %s done' % pid)


def synchronous():
    for i in range(1, 10):
        task(i)


def asynchronous():
    #threads = [gevent.spawn(task, i) for i in range(10)]
    threads=[]
    for i in range(10):
        threads.append(gevent.spawn(task,i))
    gevent.joinall(threads)    #执行流程只会在 所有greenlet执行完后才会继续向下走


print('Synchronous:')
synchronous()

print('Asynchronous:')
asynchronous()

 

Synchrounous:定义了同步的函数:定义一个for循环。依次把内容传输给task函数，然后打印执行结果-----

Aynchrounous:定义了异步的函数: 这里用到了一个gevent.spawn方法，就是产生的意思. gevent.joinall 也就是等待所以操作都执行完毕

　　　　　　　　　　　　　　　　gevent.spawn 可以调用函数

可是我们一般也不会这么用。去故意的设置一个gevent.sleep来切换  ，下面就来在实际场景中应用

遇到IO阻塞,自动切换任务

这里就用到了简单的网页爬虫环境中,  操作IO的时候。自动切换。这里就用到了猴子补丁(monkey.patch_all(), 知道这是运行时，动态修改已有的代码，而不需要修改原始代码)

 

from gevent import monkey
import gevent
import time
from urllib.request import urlopen
monkey.patch_all()
#对比得出 协程 运行出的更快
#IO阻塞 自动切换任务。。
def say(url):
    print('get url',url)
    resp = urlopen(url)
    data = resp.read()
    print(len(data),url)
t1_start = time.time()
say('http://www.xiaohuar.com/')
say('http://www.oldboyedu.com/')
print("普通--time cost",time.time() - t1_start)

t2_stat = time.time()
gevent.joinall(
    [gevent.spawn(say,'http://www.xiaohuar.com/'),
     gevent.spawn(say,'http://www.oldboyedu.com/'),
     gevent.spawn(say,'http://weibo.com/MMbdzx?from=myfollow_all&is_all=1#_rnd1482040021384')]
)
print("gevent---time cost",time.time() - t2_stat)

 

由于切换时再IO操作就自动完成,所以需要gevent修改py自带的标准库,这一过程在启动时通过monkey patch完成  -- 

对比2次运行完毕的时间,很明显的看到gevent在处理上,更加有优势,

 到了这里简单的就算完了。。。来进入总结概念的部分--------http://www.cnblogs.com/zcqdream/p/6196948.html   

通过gevent来实现单线程下的多socket并发

server 端,采用gevent协程

 

 1 import sys
 2 import socket
 3 import time
 4 import gevent
 5  
 6 from gevent import socket,monkey
 7 monkey.patch_all()
 8  
 9  
10 def server(port):
11     s = socket.socket()
12     s.bind(('0.0.0.0', port))
13     s.listen(500)
14     while True:
15         cli, addr = s.accept()
16         gevent.spawn(handle_request, cli)   #gevent.spwan调用handle参数并传参
17  
18  
19  
20 def handle_request(conn):
21     try:
22         while True:
23             data = conn.recv(1024)
24             print("recv:", data)
25             conn.send(data)
26             if not data:             
27                 conn.shutdown(socket.SHUT_WR)
28  
29     except Exception as  ex:
30         print(ex)
31     finally:
32         conn.close()
33 if __name__ == '__main__':
34     server(8001)

 

client端

单线程的客户端

 

 1 import socket
 2  
 3 HOST = 'localhost'    # The remote host
 4 PORT = 8001           # The same port as used by the server
 5 s = socket.socket(socket.AF_INET, socket.SOCK_STREAM)
 6 s.connect((HOST, PORT))
 7 while True:
 8     msg = bytes(input(">>:"),encoding="utf8")
 9     s.sendall(msg)
10     data = s.recv(1024)
11     #print(data)
12  
13     print('Received', repr(data))
14 s.close()

 

多线程客户端去请求

 

import socket
import threading

def sock_conn():

    client = socket.socket()

    client.connect(("localhost",8001))
    count = 0
    while True:
        #msg = input(">>:").strip()
        #if len(msg) == 0:continue
        client.send( ("hello %s" %count).encode("utf-8"))

        data = client.recv(1024)

        print("[%s]recv from server:" % threading.get_ident(),data.decode()) #结果
        count +=1
    client.close()


for i in range(100):
    t = threading.Thread(target=sock_conn)
    t.start()

 

 

python3通过gevent.pool限制协程并发数量

来源：https://www.cnblogs.com/leijiangtao/p/11957222.html