一:进程池与线程池

提交任务的两种方式:

1、同步调用:提交完一个任务之后,就在原地等待,等任务完完整整地运行完毕拿到结果后,再执行下一行代码,会导致任务是串行执行

2、异步调用:提交完一个任务之后,不是原地等待,而是直接执行下一行代码,会导致任务是并发执行的,结果future对象会在任务运行完毕后自动传给回调函数

from concurrent.futures import ThreadPoolExecutor, ProcessPoolExecutor
import time, random, os def task(name, n):
print('%s%s is running' % (name, os.path.getpid()))
time.sleep(random.randint(1, 3))
return n ** 2 if __name__ == '__main__':
# print(os.cpu_count())
p = ProcessPoolExecutor(4) l = []
for i in range(5):
# 同步提交
# res = p.submit(task, '进程pid:', i).result()
# print(res) # 异步提交
future=p.submit(task,'进程pid:',i)
l.append(future) p.shutdown(wait=True) # 关闭进程池的入口,并且在原地等待进程池内所有任务运行完毕 for future in l:
print(future.result)
print('主')
from concurrent.futures import ThreadPoolExecutor,ProcessPoolExecutor
import time,random,os
import requests def get(url):
print('%s GET %s' %(os.getpid(),url))
time.sleep(3)
response=requests.get(url)
if response.status_code == 200:
res=response.text
else:
res='下载失败'
parse(res) def parse(res):
time.sleep(1)
print('%s 解析结果为%s' %(os.getpid(),len(res))) if __name__ == '__main__':
urls=[
'https://www.baidu.com',
'https://www.sina.com.cn',
'https://www.tmall.com',
'https://www.jd.com',
'https://www.python.org',
'https://www.openstack.org',
'https://www.baidu.com',
'https://www.baidu.com',
'https://www.baidu.com', ] p=ProcessPoolExecutor(9)
l=[]
start=time.time()
for url in urls:
future=p.submit(get,url)
l.append(future)
p.shutdown(wait=True) print('主',time.time()-start)
from concurrent.futures import ThreadPoolExecutor,ProcessPoolExecutor
import time,random,os
import requests def get(ur1):
print('%s GET %s'%(os.getpid(),ur1))
time.sleep(3)
response=requests.get(ur1)
if response.status_code==200:
res=response.text
else:
res='下载失败'
parse(res) def parse(res):
time.sleep(1)
print('%s 解析结果为%s'%(os.getpid(),len(res))) if __name__ == '__main__':
urls=[
'https://www.baidu.com'
'https://www.youku.com'
'https://www.wangyiyun.com'
'https://www.baidu.com'
'https://www.baidu.com'
'https://www.baidu.com' ] p=ProcessPoolExecutor(9)
l=[]
start=time.time()
for url in urls:
future=p.submit(get,url)
l.append(future)
p.shutdown(wait=True) print('主',time.time()-start)
from concurrent.futures import ThreadPoolExecutor, ProcessPoolExecutor
from threading import current_thread
import time, random, os
import requsets def get(url):
print('%s GET %s' % (current_thread().name, url))
time.sleep(3)
respose = requsets.get(url)
if respose.status_code == 200:
res = respose.text
else:
res = '下载失败'
return res def parse(future):
time.sleep(1)
res = future.result()
print('%s 解析结果为%s' % (current_thread().name, len(res))) if __name__ == '__main__':
urls = [
'https://www.baidu.com'
'https://www.youku.com'
'https://www.wangyiyun.com'
'https://www.baidu.com'
'https://www.baidu.com'
'https://www.baidu.com' ] p = ProcessPoolExecutor(9) start = time.time()
for url in urls:
future = p.submit(get, url)
# 异步调用:提交完一个任务之后,不是原地等待,
# 而是直接执行下一行代码,会导致任务是并发执行的,
# 结果future对象会在任务运行完毕后自动传给回调函数
future.add_done_callback(parse) # parse会在任务运行完毕后自动触发,然后接收一个参数future对象 p.shutdown(wait=True) print('主', time.time() - start)
print('主', os.getpid())
from concurrent.futures import ThreadPoolExecutor,ProcessPoolExecutor
from threading import current_thread
import time,random,os
import requests def get(url):
print('%s GET %s'%(current_thread().name,url))
time.sleep(3)
response=requests.get(url)
if response.status_code==200:
res=response.text
else:
res='下载失败'
return res def parse(future):
time.sleep(1)
res=future.result()
print('%s 解析结果为%s'%(current_thread().name,len(res))) if __name__ == '__main__':
urls = [
'https://www.baidu.com'
'https://www.youku.com'
'https://www.wangyiyun.com'
'https://www.baidu.com'
'https://www.baidu.com'
'https://www.baidu.com' ] p=ThreadPoolExecutor(4) for url in urls:
future=p.submit(get,url)
future.add_done_callback(parse) p.shutdown(wait=True)
print('主',current_thread().name)

二:协程

协程介绍

协程是单线程下的并发,又称微线程,英文名 Coroutine

一句话说明什么是线程:协程是一种后能耗态的轻量级线程,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、修改共享数据不需要加锁

3、用户程序里总结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))

基于单线程下实现并发,只有一个主线程(如下图:可利用的CPU只有一个)的情况下实现并发,并发的本质:切换+保存状态

CPU正在运行一个任务,会在两种情况下自习其他任务(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占用时间过长或有一个优先级更高的程序代替了它

#串行执行
import time
def func1():
for i in range(10000):
i+1 def func2():
for i in range(10000):
i+1 start=time.time()
func1()
func2()
stop=time.time()
print(stop -start)

串行执行

#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
#基于yield并发执行
import time
def func1():
while True:
print('func1')
10000+1
yield def func2():
g=func1()
for i in range(10000): print('func2')
time.sleep(100)
i+1
next(g) start=time.time()
func2()
stop=time.time()
print(stop-start)

yield并发执行

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,所以可以将上图理解为线程的三种状态

Python 37 进程池与线程池 、 协程的更多相关文章

  1. Python进程、线程、协程的对比

    1. 执行过程 每个线程有一个程序运行的入口.顺序执行序列和程序的出口.但是线程不能够独立执行,必须依存在进程中,由进程提供多个线程执行控制.每个线程都有他自己的一组CPU寄存器,称为线程的上下文,该 ...

  2. python系列之 - 并发编程(进程池,线程池,协程)

    需要注意一下不能无限的开进程,不能无限的开线程最常用的就是开进程池,开线程池.其中回调函数非常重要回调函数其实可以作为一种编程思想,谁好了谁就去掉 只要你用并发,就会有锁的问题,但是你不能一直去自己加 ...

  3. python并发编程之进程池,线程池,协程

    需要注意一下不能无限的开进程,不能无限的开线程最常用的就是开进程池,开线程池.其中回调函数非常重要回调函数其实可以作为一种编程思想,谁好了谁就去掉 只要你用并发,就会有锁的问题,但是你不能一直去自己加 ...

  4. python并发编程之进程池、线程池、协程

    需要注意一下不能无限的开进程,不能无限的开线程最常用的就是开进程池,开线程池.其中回调函数非常重要回调函数其实可以作为一种编程思想,谁好了谁就去掉 只要你用并发,就会有锁的问题,但是你不能一直去自己加 ...

  5. Python Django 协程报错,进程池、线程池与异步调用、回调机制

    一.问题描述 在Django视图函数中,导入 gevent 模块 import gevent from gevent import monkey; monkey.patch_all() from ge ...

  6. python中socket、进程、线程、协程、池的创建方式和应用场景

    进程 场景 利用多核.高计算型的程序.启动数量有限 进程是计算机中最小的资源分配单位 进程和线程是包含关系 每个进程中都至少有一条线程 可以利用多核,数据隔离 创建 销毁 切换 时间开销都比较大 随着 ...

  7. python之进程池与线程池

    一.进程池与线程池介绍 池子使用来限制并发的任务数目,限制我们的计算机在一个自己可承受的范围内去并发地执行任务 当并发的任务数远远超过了计算机的承受能力时,即无法一次性开启过多的进程数或线程数时就应该 ...

  8. Python并发编程之进程池与线程池

    一.进程池与线程池 python标准模块concurrent.futures(并发未来) 1.concurrent.futures模块是用来创建并行的任务,提供了更高级别的接口,为了异步执行调用 2. ...

  9. 8.15 day33 进程池与线程池_协程_IO模型(了解)

    进程池和线程池 开进程开线程都需要消耗资源,只不过两者比较的情况线程消耗的资源比较少 在计算机能够承受范围之内最大限度的利用计算机 什么是池? ​ 在保证计算机硬件安全的情况下最大限度地利用计算机 ​ ...

随机推荐

  1. which

    功能说明:显示命令的全路径.   参数选项: -a  默认在PATH路径中由前往后查找命令,如果查找到了,就停止匹配.使用-a选项将遍历所有PATH路径,输出所有匹配项.   参数-a把所有匹配命令路 ...

  2. CAD动态绘制带面积周长的圆(com接口)

    CAD绘制图像的过程中,画圆的情况是非常常见的,用户可以在控件视区点取任意一点做为圆心,再动态点取半径绘制圆. 主要用到函数说明: _DMxDrawX::DrawCircle 绘制一个圆.详细说明如下 ...

  3. vue刷新本页面

    顶层app.vue页面 <template> <div id="app"> <router-view v-if="isRouterAlive ...

  4. JAVA经典题--死锁案例

    死锁原理: 两个线程相互等待对方释放同步监视器 例子程序: public class TestDeadLock implements Runnable { public int flag = 1; s ...

  5. linux下root用户和tarena用户vimrc配置

    设置vim自动缩进,行号,tab键宽度 如果是root超级用户,他的主目录是: /root ,打开文件vim的配置文件.vimrc 如果是tarena用户,他的主目录是:/home/tarena 打开 ...

  6. LINQ简记(1):基本语法

    关于LINQ(语言集成查询)是.NET 3.5和Visual Studio 2008以上版本中引入的一种有趣的全新概念,语言版本有VB和C#,由于C#与.NET平台结合最为紧密,也是MS当初首推的语言 ...

  7. Cookie, LocalStorage 与 SessionStorage说明

     一.Cookie    Cookie 大小限制为4KB左右,不适合大量数据的存储.因为它们由每个对服务器的请求来传递,这使得 cookie 速度很慢而且效率也不高.它的主要用途有保存登录信息,比如你 ...

  8. 【Codeforces 1106D】Lunar New Year and a Wander

    [链接] 我是链接,点我呀:) [题意] 让你遍历n个节点,访问过的节点不操作. 如果是没有访问过的点,那就把它加到序列的末尾. 问你形成的最小字典序的序列是多少. [题解] 显然每次找最小的标号 用 ...

  9. percona-toolkit使用教程

    1:慢日志查询 [root@test_dx modify]# wget percona.com/get/pt-query-digest [root@test_dx modify]# file pt-q ...

  10. 洛谷 P1186 玛丽卡

    P1186 玛丽卡 题目描述 麦克找了个新女朋友,玛丽卡对他非常恼火并伺机报复. 因为她和他们不住在同一个城市,因此她开始准备她的长途旅行. 在这个国家中每两个城市之间最多只有一条路相通,并且我们知道 ...