线程queue、事件event及协程

线程queue

多线程抢占资源，让其保持串行的两种方式：

? 1、互斥锁

? 2、队列

线程队列分为以下三种：

1、Queue（先进先出）

import queue

q = queue.Queue(3)
q.put(1)
q.put(2)
q.put(3)
# q.put(4,block=False)  # 若不设置block参数，默认为True,大于队列长度进入阻塞状态，若设置block为False，大于对列长度直接报错
print(q.get())
print(q.get())
print(q.get())
# print(q.get(timeout=2)) 阻塞2s 还没有值直接报错
# 结果
1
2
3

2、LifoQueue（后进先出）

import queue

q = queue.LifoQueue(3)
q.put(1)
q.put(2)
q.put(3)
print(q.get())
print(q.get())
print(q.get())
# 结果：
3
2
1

3、PriorityQueue（优先级队列）

import queue

q = queue.PriorityQueue(3)
q.put((-1,'awe'))   # 操作对象为元祖，第一个位置的数字越小，优先级越高
q.put((2,6))
q.put((0,3))
print(q.get())
print(q.get())
print(q.get())
# 结果：
(-1,'awe')
(0,3)
(2,6)

事件event

开启两个线程,一个线程运行到中间的某个阶段,触发另个线程执行.两个线程增加了耦合性.

引入事件event的两个阶段：

版本1：（判断全局变量状态）

from threading import Thread
from threading import current_thread
import time

flag =False
def check():
    print(f'{current_thread().name}监测服务器是否开启')
    time.sleep(3)
    global flag
    flag = True
    print('服务器已开启')

def connect():
    while not flag:
        print(f'{current_thread().name}等待连接')
        time.sleep(0.5)
    else:
        print(f'{current_thread().name} 连接成功...')

t1 = Thread(target=check,)
t2 = Thread(target=connect,)
t1.start()
t2.start()
# 结果：
Thread-1监测服务器是否开启
Thread-2等待连接
Thread-2等待连接
Thread-2等待连接
Thread-2等待连接
Thread-2等待连接
Thread-2等待连接
服务器已开启
Thread-2 连接成功...

版本2：（事件Event）

from threading import Thread
from threading import current_thread
from threading import Event
import time

event = Event() # 创建事件对象

def check():
    print(f'{current_thread().name}监测服务器是否开启')
    time.sleep(3)
    print(event.is_set()) # 判断事件是否设置
    event.set() # 设置事件
    print(event.is_set())
    print('服务器已开启')

def connect():

    print(f'{current_thread().name}等待连接')
    event.wait() # 等待事件设置，阻塞状态
    print(f'{current_thread().name} 连接成功...')

t1 = Thread(target=check,)
t1.start()
t2.start()

小练习：

将上述例子改为一个线程监测服务器状态，另一个线程判断服务器状态，如果服务器状态开启，则显示连接成功，此线程每1秒尝试连接服务器一次，一共连接3次，还没连接成功，则显示连接失败

from threading import Thread
from threading import current_thread
from threading import Event
import time

event = Event() # 创建事件对象

def check():
    print(f'{current_thread().name}监测服务器是否开启')
    time.sleep(3)
    event.set() # 设置事件
    print('服务器已开启')

def connect():
    count = 1
    while 1:
        print(f'{current_thread().name}等待连接')
        event.wait(1) # 等待事件设置，阻塞状态
        if count == 4:
            print(f'{current_thread().name}连接成功')
        count += 1
        print(f'{current_thread().name}尝试连接{count}次...')
    else:
        print(f'{current_thread().name}连接成功')

t1 = Thread(target=check,)
t1.start()
t2.start()

协程

协程：简单的来说就是一个线程并发的处理任务.

串行：一个线程执行一个任务,执行完毕之后,执行下一个任务.

并行： 多个cpu执行多个任务,4个cpu 执行4个任务.

并发： 一个cpu执行多个任务,看起来像是同时运行.

并发真正的核心：切换并且保持状态.

多线程的并发： 3个线程处理10个任务,如果线程1处理的这个任务,遇到阻塞,cpu被操作系统切换到另一个线程,

一个线程并发处理任务：以一个线程执行3个任务为例：

协程定义：协程是一种用户态的轻量级线程，即协程是由用户程序自己控制调度的。

单个cpu并发执行10个任务的三种方式：

? 1、方式一:开启多进程并发执行,操作系统切换+保持状态.

? 2、方式二:开启多线程并发执行,操作系统切换+保持状态.

? 3、方式三:开启协程并发的执行,自己的程序 把控着cpu 在3个任务之间来回切换+保持状态.

以上三种实现方式，协程最好，这是因为：

? 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.协程的运行速度更快

? 3.协程会长期霸占cpu只执行我程序里面的所有任务.

协程的特点：

1. 必须在只有一个单线程里实现并发
2. 修改共享数据不需加锁
3. 用户程序里自己保存多个控制流的上下文栈(保持状态)
4. 附加：一个协程遇到IO操作自动切换到其它协程

Greenlet

Greenlet是python中的一个第三方模块，真正的协程模块就是使用greenlet完成的切换

并发的两个核心：切换并且保持状态.接下来我们从一个例子慢慢引入此模块的用法

# 版本一：单切换
def func1():
    print('in func1')

def func2():
    print('in func2')
    func1()
    print('end')

func2()

# 版本二：切换+保持状态
import time
def gen():
    while 1:
        yield 1
        time.sleep(0.5)  # 手动设置IO,遇到IO无法自动切换

def func():
    obj = gen()
    for i in range(10):
        next(obj)
func()

# 版本三：切换+保持状态，遇到IO自动切换
from greenlet import greenlet
import time
def eat(name):
    print('%s eat 1' %name)  # 2
    g2.switch('taibai')  # 3
    time.sleep(3)
    print('%s eat 2' %name)  # 6
    g2.switch()  # 7

def play(name):
    print('%s play 1' %name)  # 4
    g1.switch()  # 5
    print('%s play 2' %name)  # 8

g1=greenlet(eat)
g2=greenlet(play)

g1.switch('taibai')  # 1 切换到eat任务

协程模块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。

# gevent模块的几个用法
# 用法：
g1=gevent.spawn(func,1,2,3,x=4,y=5)创建一个协程对象g1，spawn括号内第一个参数是函数名，如eat，后面可以有多个参数，可以是位置实参或关键字实参，都是传给函数eat的，spawn是异步提交任务

g2=gevent.spawn(func2)

g1.join() # 等待g1结束

g2.join() # 等待g2结束  有人测试的时候会发现，不写第二个join也能执行g2，是的，协程帮你切换执行了，但是你会发现，如果g2里面的任务执行的时间长，但是不写join的话，就不会执行完等到g2剩下的任务了

# 或者上述两步合作一步：gevent.joinall([g1,g2])

使用time.sleep模拟程序中遇到的阻塞：

import gevent
import time
from threading import current_thread
def eat(name):
    print('%s eat 1' %name)
    print(current_thread().name)
    # gevent.sleep(2)
    time.sleep(2)
    print('%s eat 2' %name)

def play(name):
    print('%s play 1' %name)
    print(current_thread().name)
    # gevent.sleep(1) # gevent.sleep(1)模拟的是gevent可以识别的io阻塞
    time.sleep(1)
    # time.sleep(1)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
    print('%s play 2' %name)


g1 = gevent.spawn(eat,'egon')
g2 = gevent.spawn(play,name='egon')
print(f'主{current_thread().name}')
g1.join()
g2.join()
# 结果： 
主MainThread
egon eat 1
MainThread
egon eat 2
egon play 1
MainThread
egon play 2

最终版本：

import gevent
from gevent import monkey
monkey.patch_all()  # 打补丁: 将下面的所有的任务的阻塞都打上标记
def eat(name):
    print('%s eat 1' %name)
    time.sleep(2)
    print('%s eat 2' %name)

def play(name):
    print('%s play 1' %name)
    time.sleep(1)
    print('%s play 2' %name)


g1 = gevent.spawn(eat,name='egon')

# g1.join()
# g2.join()
gevent.joinall([g1,g2])
# 结果：
egon eat 1
egon play 1
egon play 2
egon eat 2

负载均衡：就是指将负载（工作任务）进行平衡、分摊到多个操作单元上进行运行

Nginx：Nginx是一款轻量级的Web服务器/反向代理服务器及电子邮件（IMAP/POP3）代理服务器，其特点是占有内存少，并发能力强。

一般在工作中我们都是进程+线程+协程的方式来实现并发，以达到最好的并发效果，如果是4核的cpu，一般起5个进程，每个进程中20个线程（5倍cpu数量），每个线程可以起500个协程，大规模爬取页面的时候，等待网络延迟的时间的时候，我们就可以用协程去实现并发。 并发数量 = 5 * 20 * 500 = 50000个并发，这是一般一个4cpu的机器最大的并发数。nginx在负载均衡的时候最大承载量就是5w个

单线程里的这20个任务的代码通常会既有计算操作又有阻塞操作，我们完全可以在执行任务1时遇到阻塞，就利用阻塞的时间去执行任务2。。。。如此，才能提高效率，这就用到了Gevent模块。