进程池与线程池
开进程和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进程要少
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的利用计算机
- 池其实是降低了程序的运行效率,但是保证了计算机的硬件的安全(硬件的发展跟不上软件的发展速度)
线程池
from concurrent.futures import ThreadPoolExecutor,ProcessPoolExecutor import time import os pool = ThreadPoolExecutor(5) # 括号内可以传参数指定线程内的线程个数,也可以不传,不传默认是当前所在计算机的cpu个数乘5 pool = ProcessPoolExecutor(5) def task(n): print(n) time.sleep(2) return n**2 t_list = [] for i in range(20): res = pool.submit(task,1) # 朝线程池中提交任务,异步提交 print(res.result()) # 原地等待任务的返回结果,将并发变为串行 t_list.append() pool.shutdown() # 关闭池子,等待池子中所有的任务执行完毕后,才会往下运行代码 for p in t_list: print('>>>:',p.result())
进程池
from concurrent.futures import ThreadPoolExecutor,ProcessPoolExecutor import time pool = ProcessPoolExecutor() # 不传值时默认是当前计算机cpu的个数 def task(n): print(n,os.getpid()) # 查看当前进程号 time.sleep(2) return n**2 if __name__ == '__main__': t_list = [] for i in range(20): res = pool.submit(task,1) # 朝线程池中提交任务,异步提交 print(res.result()) # 原地等待任务的返回结果,将并发变为串行 t_list.append() pool.shutdown() # 关闭池子,等待池子中所有的任务执行完毕后,才会往下运行代码 for p in t_list: print('>>>:',p.result())
总结:
- 池子中创建的进程/线程,创建一次就不会再创建了,至始至终都是用的最初的那几个,这样做节省了反复开辟进程/线程的资源
异步回调机制:当异步提交的任务有返回结果时,会自动触发回调函数的执行
from concurrent.futures import ThreadPoolExecutor,ProcessPoolExecutor import time pool = ProcessPoolExecutor(5) def task(n): print(n,os.getpid()) # 查看当前进程号 time.sleep(2) return n**2 def callback(n): print('拿到了异步提交任务的返回结果:',n) if __name__ == '__main__': t_list = [] for i in range(20): res = pool.submit(task,1).add_done_callback(call_back) # 提交任务时,绑定一个回调函数,一旦任务有结果,立刻执行对应的回调函数 t_list.append(res)
提交任务的方式:
- 同步:提交任务后,原地等待任务的返回结果,期间不做任何事
- 异步:提交任务后,不等待任务的返回结果(异步的结果怎么拿),直接执行下一行代码
协程
进程:资源单位
线程:执行单位
协程:
- 单线程下实现并发
- 完全是程序员自己意淫出来的名词
- 并发:切换+保存状态
- PS:看起来像同时执行的,就可以称之为并发
实现并发的条件
- 多道技术
- 空间上的复用
- 时间上的复用
- 切换+保存状态
实现原理:
- 程序员自己通过代码检测程序中的IO,一旦遇到IO,自己通过代码切换,给操作系统的感觉时你这个线程没有任何的IO
- PS:欺骗操作系统,让它误认为你这个程序一直没有IO,从而保证程序在运行态和就绪态来回切换,提升代码的运行效率
切换+保存状态就一定能够提升效率吗?
- 当你的任务就io密集型的情况下,则提升效率
- 如果你的任务是计算密集型的,则降低效率
注意:yield保存上一次的结果
# 基于yield并发执行 切换+保存状态 效率反而降低了 import time def func1(): while True: 10000000+1 yield def func2(): g = func1() for i in range(10000000): time.sleep(100) # 模拟IO,yield并不会捕捉到自动切换 i+1 next(g) start = time.time() func2() stop = time.time() print(stop-start)
需要找到一个能够识别IO的工具(gevent模块)
注意:gevent模块无法自动识别time.sleep等IO情况,需要手动再配置一个参数(monkey.patch_all())
from gevent import monkey;monkey.patch_all() # 由于该模块经常被使用,所以建议写成一行 from gevent import spawn import time def heng(): print('哼') time.slepp(2) print('哼') def ha(): print('哈') time.sleep(3) print('哈') start = time.time() g1 = spawn(heng) g2 = spawn(ha) # spawn会监测所有的任务 g1.join() g2.join() print(time.time() - start) ''' 哼 哈 3.002878...秒 '''
总结:
- 多进程下开多线程
- 多线程下再开协程
TCP单线程实现并发
客户端
import socket from Thread import Thread,current_thread def client(): client = socket.socket() client.connect(('127.0.0.1',8080)) n = 0 while True: data = '%s %s'%(current_thread().name,n) client.send(data.encode('utf--8')) res = client.recv(1024) print(res.decode('utf-8')) n += 1 for i in range(400): t = Thread(target=client) t.start()
服务端
import socket from gevent import monkey;monkey.patch_all()行 from gevent import spawn server = socket.socket() server.bind(('127.0.0.1',8080)) server.listen(5) def talk(conn): while True: try: data = conn.recv(1024) if len(data) == 0:break print(data.decode('utf-8')) conn.send(data.upper()) except ConnectResetError as e: print(e) break conn.close() def server_run(): while True: conn,addr = server.accept() spawn(talk,conn) if __name__ == '__main__': g1 = spawn(server_run) g1.join()