协程 | 独角兕大王

# 协程

随着之前我们学习的多线程和多进程，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
一种情况是该任务计算的时间过长

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（tonodo最初版本就是yield实现）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

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-star)

#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

1、协程(本质是一条线程,操作系统不可见)
2、是有程序员操作的,而不是由操作系统调度的
3、多个协程的本质是一条线程,所以多个协程不能利用多核
# 出现的意义 : 多个任务中的IO时间可以共享,当执行一个任务遇到IO操作的时候,
      # 可以将程序切换到另一个任务中继续执行
      # 在有限的线程中,实现任务的并发,节省了调用操作系统创建\销毁线程的时间
      # 并且协程的切换效率比线程的切换效率要高
      # 协程执行多个任务能够让线程少陷入阻塞,让线程看起来很忙
      # 线程陷入阻塞的次数越少,那么能够抢占CPU资源就越多,你的程序效率看起来就越高
总结：
      # 1.开销变小了
    # 2.效率变高了

# 协程概念

协程并不是实际存在的实体，它的本质就是一个线程的多个部分，比线程的单位更小————协程、纤程，一个线程中可以开启多个协程，在执行程序的过程中遇到IO操作就冻结当前位置的状态,去执行其他任务，在执行其他任务过程中会不断的检测上一个冻结的任务是否IO结束,如果IO结束了，就继续从冻结的位置开始执行,
协程的特点：冻结当前程序/任务的执行状态————技能解锁可以规避IO操作的时间
单纯的切换还是要耗费一些时间的记住当前执行的状态，但是节省内存

#冻结状态之生成器
def func():
    print(1)
    yield 'aaa'
    print(2)
    yield 'bbb'
    print(3)
    yield 'ccc'
g = func()
next(g)  #1

#列表
def func():
    x = yield 1
    print(x)
    yield 2

g = func()
print(next(g))
print(g.send('aaa'))

#1
#aaa
#2

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：
    #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：
    #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））

案例

def constomer():
    r = '不管叫什么吧'
    while True:
        n = yield r
        if not n:
            return
        print(f'f{n}号机开个包机')
        r = '开好了'

def producer(c):
    c.send(None)
    n = 0
    while n < 5:
        n += 1
        print('您好 需要什么服务？')
        r = c.send(n)
        print(f'{n}号机已经帮您{r}，祝您游戏愉快')
    c.close()

c = constomer()
producer(c)

# greenlet模块

简介：

Greenlet是python的一个C扩展，来源于Stackless python，旨在提供可自行调度的‘微线程’，即协程。generator实现的协程在yield value时只能将value返回给调用者(caller)。而在greenlet中，target.switch（value）可以切换到指定的协程（target），然后yield value。greenlet用switch来表示协程的切换，从一个协程切换到另一个协程需要显式指定。

greenlet 实现状态切换

from greenlet import greenlet
def eat(name):
    print('%s eat 1' %name)
    g2.switch(name)  # 必须传参
    print('%s eat 2' %name)
    g2.switch()
def play(name):
    print('%s play 1' %name)
    g1.switch()
    print('%s play 2' %name)

g1=greenlet(eat)
g2=greenlet(play)
g1.switch('egon')#可以在第一次switch时传入参数，以后都不需要，调用eat，需要不断地传递参数name

#结果
egon eat 1
egon play 1
egon eat 2
egon play 2

单纯的切换（在没有io的情况下或则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

#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

greenlet不是创造协程的模块，它是用来做多个协程任务切换的，它到底是怎么实现切换的呢？

from greenlet import greenlet
def func():
    print(123)
 
def func2():
    print(456)
 
g1 = greenlet(func)  # 实例化
g2 = greenlet(func2)
g1.switch()  # 开始运行,它会运行到下一个switch结束。否则一直运行  结果：123

#复杂点的交叉切换
from greenlet import greenlet
def test1():
    print(12)
    gr2.switch()  #可以把switch理解为水龙头的开关，g2开
    print(34)
 
def test2():
    print(56)
    gr1.switch()   #g1开
    print(78)
 
gr1 = greenlet(test1)  #执行顺序是根据这里定义的先后，即gr1和gr2的顺序
gr2 = greenlet(test2)
gr1.switch()

#执行结果
#12
#56
#34
#当创建一个greenlet时，首先初始化一个空的栈， switch到这个栈的时候，会运行在greenlet构造时传入的函数（首先在test1中打印 12）， 如果在这个函数（test1）中switch到其他协程（到了test2 打印34），那么该协程会被挂起，等到切换回来（在test2中切换回来 打印34）。当这个协程对应函数执行完毕，那么这个协程就变成dead状态。
#注意：上面没有打印test2的最后一行输出 78，因为在test2中切换到gr1之后挂起，但是没有地方再切换回来。这个可能造成泄漏，后面细说

greenlet的缺点：1.手动切换；2.不能规避I/O操作(睡眠)

# 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。

用法介绍

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

gevent遇到io主动切换 （需要注意的是，必须gevent事先不抓到程序的io阻塞）

from gevent import monkey;monkey.patch_all()  #这里的猴子是可以抓取下面的所有阻塞，如time
import threading
import gevent
import time
def eat():
    print(threading.current_thread().getName())
    print('eat food 1')
    time.sleep(2)   #遇到io主动切换到play
    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')

#结果
DummyThread-1   #dummy 假的；仿制品，所以可以知道是假进程
eat food 1
DummyThread-2
play 1
play 2
eat food 2
主

详细解读gevent

import gevent
def eat():
    print('eating1')
    print('eating2')
g1 = gevent.spawn(eat)  #创建一个协程对象g1
#结果：为空，不会执行，因为没有遇到阻塞

-------------------------------------------------
import gevent
def eat():
    print('eating1')
    print('eating2')
g1 = gevent.spawn(eat)  #创建一个协程对象g1
g1.join()  #等待g1结束
#结果：eating1   eating2

------------------------------------------------
#当使用time时，gevent并抓不到这个阻塞
import time
import gevent
def eat():
    print('eating1')
    time.sleep(1)
    print('eating2')
 
def play():
    print('playing1')
    time.sleep(1)
    print('playing2')
 
g1 = gevent.spawn(eat)  #创建一个协程对象g1
g2 = gevent.spawn(play)
g1.join()  #等待g1结束
g2.join()

#执行输出：
#eating1
#eating2
#playing1
#playing2

-----------------------------------------------
#使用gevent的阻塞的time才能抓取
import time
import gevent
def eat():
    print('eating1')
    gevent.sleep(1)  #延时调用
    print('eating2')
 
def play():
    print('playing1')
    gevent.sleep(1)  #延时调用
    print('playing2')
 
g1 = gevent.spawn(eat)  #创建一个协程对象g1
g2 = gevent.spawn(play)
g1.join()  #等待g1结束
g2.join()
#执行输出：
eating1
playing1
eating2
playing2

猴子补丁

#如果想让协程执行time.sleep()呢？由于默认，协程无法识别time.sleep()方法，需要导入一个模块monkey

from gevent import monkey;monkey.patch_all()
# 它会把下面导入的所有的模块中的IO操作都打成一个包，gevent就能够认识这些IO了
import time
import gevent
def eat():
    print('eating1')
    time.sleep(1)  #延时调用
    print('eating2')
 
def play():
    print('playing1')
    time.sleep(1)  #延时调用
    print('playing2')
 
g1 = gevent.spawn(eat)  #创建一个协程对象g1
g2 = gevent.spawn(play)
g1.join()  #等待g1结束
g2.join()
#执行输出：
eating1
playing1
eating2
playing2

结论：
- 使用gevent模块来执行多个函数，表示在这些函数遇到IO操作的时候可以在同一个线程中进行切换 利用其他任务的IO阻塞时间来切换到其他的任务继续执行
- spawn来发布协程任务join负责开启并等待任务执行结束 gevent本身不认识其他模块中的IO操作，但是如果我们在导入其他模块之前执行from gevent import monkey;monkey.patch_all() 这行代码，必须在文件最开头gevent就能够认识在这句话之后导入的模块中的所有IO操作了

Gevent的同步与异步

from gevent import spawn,joinall,monkey;monkey.patch_all() 
import time
def task(pid):
    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()  #前者打印完，才执行后面
    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。

Gevent的应用举例

#爬虫
url_dic = {
    '协程':'http://www.cnblogs.com/Eva-J/articles/8324673.html',
    '线程':'http://www.cnblogs.com/Eva-J/articles/8306047.html',
    '目录':'https://www.cnblogs.com/Eva-J/p/7277026.html',
    '百度':'http://www.baidu.com',
    'sogou':'http://www.sogou.com',
    '4399':'http://www.4399.com',
    '豆瓣':'http://www.douban.com',
    'sina':'http://www.sina.com.cn',
    '淘宝':'http://www.taobao.com',
    'JD':'http://www.JD.com'
}
import time
from gevent import monkey;monkey.patch_all()
from urllib.request import urlopen
import gevent

def get_html(name,url):
    ret = urlopen(url)
    content = ret.read()
    with open(name,'wb') as f:
        f.write(content)

start = time.time()
for name in url_dic:
    get_html(name+'_sync.html',url_dic[name])
ret = time.time() - start
print('同步时间 :',ret)

start = time.time()
g_l = []
for name in url_dic:
    g = gevent.spawn(get_html,name+'_async.html',url_dic[name])
    g_l.append(g)
gevent.joinall(g_l)
ret = time.time() - start
print('异步时间 :',ret)

#同步时间 : 5.821720123291016
#异步时间 : 4.347508907318115

-------------------------------------------------------
#聊天工具实例
#服务端
from gevent import monkey;monkey.patch_all()
import socket
import gevent
def async_talk(conn):
    try:
        while True:
            conn.send(b'hello')
            ret = conn.recv(1024)
            print(ret)
    finally:conn.close()
        
sk = socket.socket()
sk.bind(('127.0.0.1',9000))
sk.listen()
while True:
    conn,addr = sk.accept()
    gevent.spawn(async_talk,conn)  
sk.close()

#客服端
import socket
from threading import Thread
def socket_client():
    sk = socket.socket()
    sk.connect(('127.0.0.1',9000))
    while True:
        print(sk.recv(1024))
        sk.send(b'bye')
    sk.close()
for i in range(500):
    Thread(target=socket_client).start()

考试题

#第一题： 有⼀个csv⽂件erotic.csv中共存在271万多条数据，请获取其中的subscription_id,并使⽤线程池为每100条数据创建⼀个线程去处理（打印，或
# 通过爬⾍提交到某处）， erotic.csv ⽂件的格式为
# subscription_id,erotic,num
# UCURGHWsDe7S-vufCAq9Rfw,5,1

from concurrent.futures import ThreadPoolExecutor
import threading
POOL = ThreadPoolExecutor(50)
def task(subscription_id_group):
    print(threading.current_thread(),subscription_id_group)
def distribute(subscription_id=None,finish=False,subscription_id_group=[]):
    if subscription_id:
        subscription_id_group.append(subscription_id)
    if finish or len(subscription_id_group) == 100:
        new_subscription_id_group = subscription_id_group.copy()
        POOL.submit(task,new_subscription_id_group)
        subscription_id_group.clear()
def run():
    is_first_line = True
    file_object = open('xxx.csv',mode='r')
    for line in file_object:
        if is_first_line:
            is_first_line=False
            continue
        subscription_id = line.split(',')[0]
        distribute(subscription_id)
    distribute(subscription_id=None,finish=True)
    file_object.close()
if __name__ == '__main__':
    run()
    
# 第二题：手写一个基于tcp的socket程序，客户端输入任意一个网址发送致server端，在server端访问网页，并将网页源码返回给客户端（
# 避免粘包问题）
import socket
from urllib import request
from threading import Thread
import struct

def get_page(urls):
    ret = request.urlopen(urls)
    connect = ret.read()
    return connect

def talk(conn):
    while 1:
        urls = conn.recv(1024).decode('utf-8')
        ret = get_page(urls)
        num = struct.pack('i',len(ret))
        conn.send(num)
        while len(ret):
            conn.send(ret[0:1024])
            ret = ret[1024:]
            
sk = socket.socket()
sk.bind(('127.0.0.1', 9009))
sk.listen()
while 1:
    conn, addr = sk.accept()
    t = Thread(target=talk, args=(conn,))
    t.start()
    
#客户端    
 import socket
 import struct
 sk = socket.socket()
 sk.connect(('127.0.0.1',9009))
 while 1:
       url = input("网址：")
       sk.send(url.encode("utf-8"))
       str = ''
       l_num=struct.unpack('i',sk.recv(1024))[0]
       while 1024<l_num:
          str += sk.recv(1024).decode('utf-8')
          l_num -= 1024
       else:str += sk.recv(1024).decode('utf-8')
       print(str)

# 默写

# 1.进程 线程 协程之间的相同点和不同点
      # 进程 : 内存隔离 操作系统级别 开销大 可以利用多核 计算机中资源分配的最小单位
      # 线程 : 内存共享 操作系统级别 开销中 Cpython解释器下不能利用多核 计算机中CPU调度的最小单位
      # 协程 : 内存共享 用户级别     开销小 不能利用多核
  
      # 协程 : 生产者消费者模型  进程模块提供的队列joinablequeue
          # from queue import Queue
      # 相同点 : 都能够帮助我们实现并发操作,规避IO时间,提高程序执行效率
  
  # 2.进程内存之间是否共享,如何实现通信
      # 不共享
      # 基于文件
          # 队列 管道 manager
      # 基于网络
          # 第三方工具(redis kafka memcache rabbitMQ) socket
  
  # 3.在python中是否线程安全
      # 不安全
      # python你写的python代码未来都会转换成机器码,机器码执行的过程中
      # 如果有一个非原子性操作,那么就会导致线程数据不安全
      # 需要手动加锁来解决问题
  
  # 4.协程的本质是什么
      # 多个任务在一条线程上能够实现切换
  
  # 5.线程池开启任务
      # 如何开启线程池,如何提交任务,获取返回值
  from concurrent.futures import ThreadPoolExecutor
  def func(arg):
       return arg * 20
  
  tp = ThreadPoolExecutor(5)
  ret_l = []
  for i in range(100):
       ret = tp.submit(func,i)
       ret_l.append(ret)
   for r in ret_l:
       print(r.result())
  
  # 法二
  from concurrent.futures import ThreadPoolExecutor
  def func(arg):
      return arg * 20
  
  tp = ThreadPoolExecutor(5)
  ret_l = tp.map(func,range(100))
  for r in ret_l:
      print(r)
  
  # 协程复习 :
  # 数据是否安全  :  绝对安全

四、生成器————>asyncio模块 asyncio学习

← multiprocessing（下） IO 多路复用 →