python基础之什么是并发编程

本篇内容介绍了“python基础之什么是并发编程”的有关知识，在实际案例的操作过程中，不少人都会遇到这样的困境，接下来就让小编带领大家学习一下如何处理这些情况吧！希望大家仔细阅读，能够学有所成！

一、协程定义和作用

协程（coroutine），又称为微线程，纤程。(协程是一种用户态的轻量级线程)

作用：在执行 A 函数的时候，可以随时中断，去执行 B 函数，然后中断继续执行 A 函数 （可以自动切换），单着一过程并不是函数调用（没有调用语句），过程很像多线程，然而协 程只有一个线程在执行

1、使用协程的优点

由于自身带有上下文和栈，无需线程上下文切换的开销,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；

无需原子操作的锁定及同步的开销；

方便切换控制流，简化编程模型

单线程内就可以实现并发的效果，最大限度地利用 cpu，且可扩展性高，成本低（注：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）

2、使用协程的缺点

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

# 协程的基本使用，  实现两个任务的切换         yield  和 next 来回切换
def func1():
    for i in range(11):
        print(f"一班打印第{i}次数据")
        yield
def func2():
    g = func1()
    next(g)
    for i in range(10):
        print(f"二班打印第{i}次数据")
        next(g)
if __name__ == "__main__":
    func2()

二、Greenlet 的使用

单线程内有多个任务，用greenlet实现任务的切换 greenlet 和 switch 组合

from greenlet import greenlet
# pip install greenlet
def gf(name):
    print(f'{name}:我想王者！！')
    g2.switch('zf')
    print(f'{name}:我想吃大餐！！！')
    g2.switch()
def bf(name):
    print(f'{name}:一块去完！！！')
    g1.switch()
    print(f'{name}:一起去吃！！')
if __name__ == "__main__":
    g1 = greenlet(gf)
    g2 = greenlet(bf)
    # 切换任务
    g1.switch('dc')   # 只需要第一次上传

三、Gevent的使用

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，但他们被协作式地调度。

from gevent import monkey; # 为了能识别time模块的io
monkey.patch_all()  #必须放到被打补丁者的前面，如 time，socket 模块之前
import gevent
# pip install gevent
from time import time,sleep
def gf(name):
    print(f'{name}:我想打王者！！')
    # gevent.sleep(2)
    sleep(2)
    print(f'{name}:我想吃大餐！！！')
def bf(name):
    print(f'{name}:一起打！！！')
    # gevent.sleep(2)
    sleep(2)
    print(f'{name}:一快去吃！！')
if __name__ == "__main__":
    start = time()
    # 创建协程对象
    g1 = gevent.spawn(gf,'貂蝉')
    g2 = gevent.spawn(bf,'吕布')
    # 开启任务
    g1.join()
    g2.join()
    end = time()
    print(end-start)

注意：上例 gevent.sleep(2)模拟的是 gevent 可以识别的 io 阻塞; 而 time.sleep(2)或其他的阻塞,gevent 是不能直接识别的需要用下面一行代码,打补丁,就 可以识别了

四、async io 异步 IO

asyncio 是 python3.4 之后的协程模块，是 python 实现并发重要的包，这个包使用事件 循环驱动实现并发。

事件循环是一种处理多并发量的有效方式，在维基百科中它被描述为「一种等待程序分配 事件或消息的编程架构」，我们可以定义事件循环来简化使用轮询方法来监控事件，通俗的说 法就是「当 A 发生时，执行 B」。

• @asyncio.coroutine 协程装饰器装饰

• asyncio.sleep() 可以避免事件循环阻塞

• get_event_loop() 获取事件循环

• Loop.run_until_complete() 监听事件循环

• gather() 封装任务

• await 等于 yield from 就是在等待 task 结果

import asyncio
@asyncio.coroutine # python3.5 之前 官网说3.10将被移除
def func1():
    for i in range(5):
        print('一边吃饭！！')
        yield from asyncio.sleep(0)
async def func2(): # python3.5以上
    for i in range(5):
        print('一边打游戏！！！')
        await asyncio.sleep(0)
if __name__ == "__main__":
    g1 = func1()
    g2 = func2()
    # 获取事件循环
    loop = asyncio.get_event_loop()
    # 监听事件循环
    loop.run_until_complete(asyncio.gather(g1,g2))
    # 关闭事件循环
    loop.close()

1、asyncio中的task的使用

import asyncio
import functools
async def compute(x,y):
    print(f'compute:{x}+{y}....')
    await asyncio.sleep(1)
    return x+y
async def print_sum(x,y):
    # 创建task
    task = asyncio.create_task(compute(x,y))        #python3.7以上写法
    # task绑定回调函数
    task.add_done_callback(functools.partial(end,x,y))  #python3.7以上写法
    # 释放下cpu的使用
    await asyncio.sleep(0)
    print('--------------------print_num继续执行---------------------------')
    for i in range(1000000):
        if i%5000 ==0:
            print(i)
            await asyncio.sleep(0.1)
def end(n,m,t):
    print(f'{n}+{m}={t.result()}')
if __name__ == "__main__":
    loop = asyncio.get_event_loop()
    loop.run_until_complete(print_sum(1,2))
    loop.close()

“python基础之什么是并发编程”的内容就介绍到这里了，感谢大家的阅读。如果想了解更多行业相关的知识可以关注亿速云网站，小编将为大家输出更多高质量的实用文章！