IO模型

一：IO模型介绍

　　本文主要介绍四种IO模型：

　　　　1.阻塞IO（blocking IO）

　　　　2.非阻塞IO（non-blocking IO）

　　　　3.多路复用（IO multiplexing）

　　　　4.异步IO（Asynchronous IO）

　　IO发生时涉及的对象和步骤，对于一个network IO（这里以read为例），它会涉及到两个系统对象，一个是调用这个IO的process，另一个就是系统内核（kernel），当一个read操作发生时，该操作会经历两个阶段：

　　1.等待数据准备(Waiting for the data to be ready)

　　2.将数据从内核拷贝到进程中(Copying the data from the kernel to the process)

补充：
#1、输入操作：read、readv、recv、recvfrom、recvmsg共5个函数，如果会阻塞状态，则会经理wait data和copy data两个阶段，如果设置为非阻塞则在wait 不到data时抛出异常

#2、输出操作：write、writev、send、sendto、sendmsg共5个函数，在发送缓冲区满了会阻塞在原地，如果设置为非阻塞，则会抛出异常

#3、接收外来链接：accept，与输入操作类似

#4、发起外出链接：connect，与输出操作类似

二：阻塞IO

　　在Linux中，默认情况下所有的socket都是blocking，流程如下：

    当用户进程调用了recvfrom这个系统调用，kernel就开始了IO的第一个阶段：准备数据。对于network io来说，很多时候数据在一开始还没有到达（比如，还没有收到一个完整的UDP包），这个时候kernel就要等待足够的数据到来。

    而在用户进程这边，整个进程会被阻塞。当kernel一直等到数据准备好了，它就会将数据从kernel中拷贝到用户内存，然后kernel返回结果，用户进程才解除block的状态，重新运行起来。
    所以，blocking IO的特点就是在IO执行的两个阶段（等待数据和拷贝数据两个阶段）都被block了。

 　　实际上，几乎所有的IO接口都是阻塞型的。

　　一个简单的解决方案：

#在服务器端使用多线程（或多进程）。多线程（或多进程）的目的是让每个连接都拥有独立的线程（或进程），这样任何一个连接的阻塞都不会影响其他的连接。
  
该方案的问题是：
#开启多进程或都线程的方式，在遇到要同时响应成百上千路的连接请求，则无论多线程还是多进程都会严重占据系统资源，降低系统对外界响应效率，而且线程与进程本身也更容易进入假死状态。

　　改进方案：

#很多程序员可能会考虑使用“线程池”或“连接池”。“线程池”旨在减少创建和销毁线程的频率，其维持一定合理数量的线程，并让空闲的线程重新承担新的执行任务。“连接池”维持连接的缓存池，尽量重用已有的连接、减少创建和关闭连接的频率。这两种技术都可以很好的降低系统开销，都被广泛应用很多大型系统，如websphere、tomcat和各种数据库等。
    
改进后方案其实也存在着问题：
#“线程池”和“连接池”技术也只是在一定程度上缓解了频繁调用IO接口带来的资源占用。而且，所谓“池”始终有其上限，当请求大大超过上限时，“池”构成的系统对外界的响应并不比没有池的时候效果好多少。所以使用“池”必须考虑其面临的响应规模，并根据响应规模调整“池”的大小。

也就是多线程模型可以 方便高效的解决小规模的服务请求，但面对大规模的服务请求，多线程模型也会遇到瓶颈，可以用非阻塞接口来尝试解决这个问题。

三：非阻塞IO

　　Linux下 ，non-blocking socket执行read时，流程如下：

　

    从图中可以看出，当用户进程发出read操作时，如果kernel中的数据还没有准备好，那么它并不会block用户进程，而是立刻返回一个error。从用户进程角度讲 ，它发起一个read操作后，并不需要等待，而是马上就得到了一个结果。用户进程判断结果是一个error时，它就知道数据还没有准备好，于是用户就可以在本次到下次再发起read询问的时间间隔内做其他事情，或者直接再次发送read操作。一旦kernel中的数据准备好了，并且又再次收到了用户进程的system call，那么它马上就将数据拷贝到了用户内存（这一阶段仍然是阻塞的），然后返回。

    也就是说非阻塞的recvform系统调用调用之后，进程并没有被阻塞，内核马上返回给进程，如果数据还没准备好，此时会返回一个error。进程在返回之后，可以干点别的事情，然后再发起recvform系统调用。重复上面的过程，循环往复的进行recvform系统调用。这个过程通常被称之为轮询。轮询检查内核数据，直到数据准备好，再拷贝数据到进程，进行数据处理。需要注意，拷贝数据整个过程，进程仍然是属于阻塞的状态。

    所以，在非阻塞式IO中，用户进程其实是需要不断的主动询问kernel数据准备好了没有。

import socket
server = socket.socket()
server.bind(("127.0.0.1",21211))
server.listen()

server.setblocking(False)


# all clients
clients = []

while True:
    try:
        client,addr = server.accept()
        clients.append(client)
    except BlockingIOError:

        # 存储所有已经关闭的客户端
        close_ls = []

        # 存储所有需要发送数据的客户端和数据
        msg_ls = []
        for c in  clients:
            try:
                data = c.recv(1024)
                if not data:
                    c.close()
                    close_ls.append(c)
                # 把要发送数据的 客户端 和数据存储到列表中  单独发送
                msg_ls.append((c,data))
            except BlockingIOError:
                pass
            except ConnectionResetError:
                c.close()
                close_ls.append(c)

        # 处理发送数据
        # 已经发送完成的客户端和数据
        sended_msg = []
        for client_and_data in msg_ls:
            c = client_and_data[0]
            data= client_and_data[1]
            try:
                c.send(data.upper())
                # 加入待删除列表
                sended_msg.append(client_and_data)
            except BlockingIOError:
                pass

        # 将已经发送成功的数据从待发送列表中删除
        for i in sended_msg:
            msg_ls.remove(i)
        sended_msg.clear()


        # 把已经关闭的连接从 所有客户端列表中删除
        for i in close_ls:
            clients.remove(i)
        close_ls.clear()

import socket
import os,time
c = socket.socket()
c.connect(("127.0.0.1",21211))

while True:
    msg = "hello i am: %s" % os.getpid()
    time.sleep(1)
    if not msg:

        continue
    c.send(msg.encode("utf-8"))
    print(c.recv(1024).decode("utf-8"))

但是非阻塞IO模型绝不被推荐。

尽管能够在等待任务完成的时间里完成其他任务，但是：

#1. 循环调用recv()将大幅度推高CPU占用率；这也是我们在代码中留一句time.sleep()的原因,否则在低配主机下极容易出现卡机情况
#2. 任务完成的响应延迟增大了，因为每过一段时间才去轮询一次read操作，而任务可能在两次轮询之间的任意时间完成。这会导致整体数据吞吐量的降低。

　　此外，在这个方案中只是提供了一种解决方法来起到监测“操作是否完成”的作用，实际上操作系统提供了更为高效的检测接口，例如select()多路复用模式，可以以此检测多个连接是否活跃。

四：多路复用IO

　　select的好处就在于单进程可以同时处理多个网络连接的IO，它的基本原理就是select会不断的轮询所负责的所有socket，当某个socket有数据到达了，就通知用户进程，流程如下：

　　当用户进程调用了调用了select，那么整个进程会被block，而同时，kernel会“监视”所有的select负责的socket，当任何一个socket中的数据准备好了，select就会返回，这个时候用户进程再调用read操作，将数据从kernel拷贝到用户进程。这里需要使用两个系统调用（select和recvfrom），而blocking IO之调用了一个系统调用（recvfrom）。但是，用select的优势在于它可以同时处理多个连接。

需要强调的是：

　　1.如果处理的连接数不是很高的话，使用select的web server不一定比使用multi-threading + blocking IO的web server性能更好，可能延迟还更大。select的优势并不是对于单个连接能处理的更快，而在于能处理更多的连接。

　　2.在多路复用模型中，对于每一个socket，一般都设置为non-blocking，但是，如上图所示，整个用户的进程一直都是被锁定的 ，只不过进程是被socket这个函数锁定，而不是被socket IO给锁定。

故而：select的优势在于可以处理多个连接，不适用于单个连接。

import socket
import select
server = socket.socket()
server.bind(("127.0.0.1",21211))
server.listen()

# server.setblocking(False)

# select 是帮我们监控连接
# 需要给它传两个列表 一个是检测是否可读(是否可以执行recv)  一个是检测是否可写(是否可执行send)
rlist = [server,]
wlist = []
# 默认select是阻塞的 会直到有其中一个或几个需要被处理

# 存储要发送的数据
msg = {}


# 返回值
#    1.可读的连接(可以执行recv)
#    2.可写的连接(可以执行send)
while True:
    readable_list,writeable_list,_ = select.select(rlist,wlist,[])
    # 接下来就是要处理这些可读可写列表
    print(readable_list)
    # 处理可读列表
    for c in readable_list:
        if c == server: # 说明当需要被处理的是服务器
            client,addr = c.accept()
            # 把客户端也交给select来检测
            rlist.append(client)
        else:
            print("客户端可以recv啦!")
            data = c.recv(1024)
            print(data.decode("utf-8"))
            # 给客户端返回数据
            # c.send(data.upper())
            wlist.append(c)   # 将客户端也交给select检测是否可写
            msg[c] = data

    print(writeable_list)
    print(msg)
    # 处理可写列表
    for w in writeable_list:
        w.send(msg[w].upper())
        # 将已经发送完成的连接从 检测列表删除
        wlist.remove(w)

import socket
import os
import time
c = socket.socket()
c.connect(("127.0.0.1",21211))

while True:
    msg = "hello i am: %s" % os.getpid()
    time.sleep(1)
    if not msg:
        continue
    c.send(msg.encode("utf-8"))
    print(c.recv(1024).decode("utf-8"))

select监听fd变化的过程分析：
    用户进程创建select对象，拷贝监听的fd到内核空间，每一个fd会对应一张系统文件表，内核空间的fd响应到数据之后，就会发送信号给用户进程数据；
    用户进程再发送系统调用，比如（accept）将内核空间的数据copy到用户空间，同时作为接受数据端内核空间数据清除，这样重新监听时fd再有新的数据又可以响应到了（发送端因为基于TCP协议所以需要收到应答后才会清除）

该模型的优点是：

　　相比其他模型，使用select()的事件驱动模型只用单线程（进程）执行，占用资源少，不消耗太多CPU，同时能够为多客户端提供服务。如果试图建立一个简单的事件驱动的服务器程序，这个模型具有一定的参考价值。

缺点是：

　　select（）并不是实现“事件驱动”的最好选择。当需要探测的句柄较大的时候，select（）接口本身需要消耗大量的时间区轮询各个句柄。很多操作系统提供了更为高效的接口。其次，该模型将事件探测和事件响应夹杂在一起，一旦事件响应的执行体庞大，则对整个模型是灾难性的。

五：异步IO（Asynchronous I/O）（在此处只要做了解）

流程如下：

　　用户进程发起read操作之后，立刻就可以开始区做其他的事情。而另一方面，从kernel的角度，当它受到一个asynchronous read之后，首先它会立刻返回，所以不会对用户进程产生任何block。然后kernelhi等待数据准备完成，然后将数据拷贝到用户内存，当这一切都完成之后，kernel会给用户进程发送一个signal，告诉它read操作完成了。