Python学习笔记——进阶篇【第九周】——

协程

协程，又称微线程，纤程。英文名Coroutine。一句话说明什么是协程：协程是一种用户态的轻量级线程。

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，就相当于进入上一次调用的状态，换种说法：进入上一次离开时所处逻辑流的位置。

协程的好处：

无需线程上下文切换的开销
无需原子操作锁定及同步的开销（#协程是串行，是单线程，所以无需加锁）
方便切换控制流，简化编程模型
高并发+高扩展性+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。

缺点：

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,协程需要和进程配合才能运行在多CPU上.当然我们日常所编写的绝大部分应用都没有这个必要，除非是cpu密集型应用。
进行阻塞（Blocking）操作（如IO时）会阻塞掉整个程序

使用yield实现协程操作例子

 import time

 import queue

 def consumer(name):

     print("--->starting eating baozi...")

     while True:

         new_baozi = yield

         print("[%s] is eating baozi %s" % (name,new_baozi))

         #time.sleep(1)

 def producer():

     r = con.__next__()

     r = con2.__next__()

     n = 0

     while n < 5:

         n +=1

         con.send(n)

         con2.send(n)

         print("\033[32;1m[producer]\033[0m is making baozi %s" %n )

 if __name__ == '__main__':

     con = consumer("c1")

     con2 = consumer("c2")

     p = producer()

使用yield实现协程操作

Greenlet

 #!/usr/bin/env python

 # -*- coding:utf-8 -*-

 from greenlet import greenlet

 def test1():

     print 12

     gr2.switch()

     print 34

     gr2.switch()

 def test2():

     print 56

     gr1.switch()

     print 78

 gr1 = greenlet(test1)

 gr2 = greenlet(test2)

 gr1.switch()

Greenlet

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。

 import gevent

 def foo():

     print('Running in foo')

     gevent.sleep(0)

     print('Explicit context switch to foo again')

 def bar():

     print('Explicit context to bar')

     gevent.sleep(0)

     print('Implicit context switch back to bar')

 gevent.joinall([

     gevent.spawn(foo),

     gevent.spawn(bar),

 ])

Gevent

输出：

Running in foo

Explicit context to bar

Explicit context switch to foo again

Implicit context switch back to bar

同步与异步的性能区别

 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)]

     gevent.joinall(threads)

 print('Synchronous:')

 synchronous()

 print('Asynchronous:')

 asynchronous()

同步与异步的性能区别

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。执行流程只会在所有greenlet执行完后才会继续向下走。

遇到IO阻塞时会自动切换任务

 from gevent import monkey; monkey.patch_all()

 import gevent

 from  urllib.request import urlopen

 def f(url):

     print('GET: %s' % url)

     resp = urlopen(url)

     data = resp.read()

     print('%d bytes received from %s.' % (len(data), url))

 gevent.joinall([

         gevent.spawn(f, 'https://www.python.org/'),

         gevent.spawn(f, 'https://www.yahoo.com/'),

         gevent.spawn(f, 'https://github.com/'),

 ])

遇到IO阻塞时会自动切换任务

通过gevent实现单线程下的多socket并发

server side

 import sys

 import socket

 import time

 import gevent

 from gevent import socket,monkey

 monkey.patch_all()

 def server(port):

     s = socket.socket()

     s.bind(('0.0.0.0', port))

     s.listen(500)

     while True:

         cli, addr = s.accept()

         gevent.spawn(handle_request, cli)

 def handle_request(s):

     try:

         while True:

             data = s.recv(1024)

             print("recv:", data)

             s.send(data)

             if not data:

                 s.shutdown(socket.SHUT_WR)

     except Exception as  ex:

         print(ex)

     finally:

         s.close()

 if __name__ == '__main__':

     server(8001)

server side

client side

 import socket

 HOST = 'localhost'    # The remote host

 PORT = 8001           # The same port as used by the server

 s = socket.socket(socket.AF_INET, socket.SOCK_STREAM)

 s.connect((HOST, PORT))

 while True:

     msg = bytes(input(">>:"),encoding="utf8")

     s.sendall(msg)

     data = s.recv(1024)

     #print(data)

     print('Received', repr(data))

 s.close()

client side

论事件驱动与异步IO

事件驱动编程是一种编程范式，这里程序的执行流由外部事件来决定。它的特点是包含一个事件循环，当外部事件发生时使用回调机制来触发相应的处理。另外两种常见的编程范式是（单线程）同步以及多线程编程。

让我们用例子来比较和对比一下单线程、多线程以及事件驱动编程模型。下图展示了随着时间的推移，这三种模式下程序所做的工作。这个程序有3个任务需要完成，每个任务都在等待I/O操作时阻塞自身。阻塞在I/O操作上所花费的时间已经用灰色框标示出来了。

论事件驱动与异步IO

在单线程同步模型中，任务按照顺序执行。如果某个任务因为I/O而阻塞，其他所有的任务都必须等待，直到它完成之后它们才能依次执行。这种明确的执行顺序和串行化处理的行为是很容易推断得出的。如果任务之间并没有互相依赖的关系，但仍然需要互相等待的话这就使得程序不必要的降低了运行速度。

在多线程版本中，这3个任务分别在独立的线程中执行。这些线程由操作系统来管理，在多处理器系统上可以并行处理，或者在单处理器系统上交错执行。这使得当某个线程阻塞在某个资源的同时其他线程得以继续执行。与完成类似功能的同步程序相比，这种方式更有效率，但程序员必须写代码来保护共享资源，防止其被多个线程同时访问。多线程程序更加难以推断，因为这类程序不得不通过线程同步机制如锁、可重入函数、线程局部存储或者其他机制来处理线程安全问题，如果实现不当就会导致出现微妙且令人痛不欲生的bug。

在事件驱动版本的程序中，3个任务交错执行，但仍然在一个单独的线程控制中。当处理I/O或者其他昂贵的操作时，注册一个回调到事件循环中，然后当 I/O操作完成时继续执行。回调描述了该如何处理某个事件。事件循环轮询所有的事件，当事件到来时将它们分配给等待处理事件的回调函数。这种方式让程序尽可能的得以执行而不需要用到额外的线程。事件驱动型程序比多线程程序更容易推断出行为，因为程序员不需要关心线程安全问题。

当我们面对如下的环境时，事件驱动模型通常是一个好的选择：

程序中有许多任务，而且…
任务之间高度独立（因此它们不需要互相通信，或者等待彼此）而且…
在等待事件到来时，某些任务会阻塞。

当应用程序需要在任务间共享可变的数据时，这也是一个不错的选择，因为这里不需要采用同步处理。

网络应用程序通常都有上述这些特点，这使得它们能够很好的契合事件驱动编程模型。

Select\Poll\Epoll异步IO　

http://www.cnblogs.com/alex3714/p/4372426.html　

异步IO\数据库\队列\缓存

http://www.cnblogs.com/alex3714/articles/5248247.html