协程、事件驱动介绍

发布时间：2020-12-16 23:56:07 所属栏目：Python 来源：网络整理

导读：table style="height: 44px; background-color: #afeeee; width: 1265px;" border="0" tr td 协程，又称微线程，纤程。英文名Coroutine。一句话说明什么是线程：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

协程，又称微线程，纤程。英文名Coroutine。一句话说明什么是线程：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。线程和进程的操作是由程序触发系统接口，最后的执行者是系统；协程的操作执行者则是用户自身程序。

简单定义：

寄存在线程中，单线程下可以实现多并发效果
修改共享数据不需加锁
用户程序里自己保存多个控制流的上下文栈
一个协程遇到IO操作自动切换到其它协程

协程的优点：

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："原子操作(atomic operation)是不需要synchronized"，所谓原子操作是指不会被线程调度机制打断的操作；这种操作一旦开始，就一直运行到结束，中间不会有任何 context switch （切换到另一个线程）。原子操作可以是一个步骤，也可以是多个操作步骤，但是其顺序是不可以被打乱，或者切割掉只执行部分。视作整体是原子性的核心。

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

协程的适用场景：当程序中存在大量不需要CPU的操作时（也就是平时所说的IO密集型程序），适用于协程；

协程简单实现：yield

demo：

def consumer(name):
print("%s开始吃桃子。。。。"%name)
r=" "
while True:
new_food=yield r #通过yeild向生产者发送消息
print("[%s]开始吃桃子[%s]"%(name,new_food))
r=name

def product():

con.</span><span style="color: #800080;"&gt;__next__</span>()   <span style="color: #008000;"&gt;#</span><span style="color: #008000;"&gt;先执行__next__方法启动生成器</span>
con1.<span style="color: #800080;"&gt;__next__</span><span style="color: #000000;"&gt;()
n</span>=<span style="color: #000000;"&gt;0
</span><span style="color: #0000ff;"&gt;while</span> n<5<span style="color: #000000;"&gt;:
    </span><span style="color: #0000ff;"&gt;print</span>(<span style="color: #800000;"&gt;"</span><span style="color: #800000;"&gt;桃子熟了，可以吃了</span><span style="color: #800000;"&gt;"</span><span style="color: #000000;"&gt;)
    r1</span>=con.send(n)    <span style="color: #008000;"&gt;#</span><span style="color: #008000;"&gt;向生成器（consumer）发送消息并激活生成器</span>
    r2=<span style="color: #000000;"&gt;con1.send(n)
    </span><span style="color: #0000ff;"&gt;print</span>(<span style="color: #800000;"&gt;"</span><span style="color: #800000;"&gt;[product] return %s ok</span><span style="color: #800000;"&gt;"</span> %<span style="color: #000000;"&gt;r1)
    </span><span style="color: #0000ff;"&gt;print</span>(<span style="color: #800000;"&gt;"</span><span style="color: #800000;"&gt;[product] return %s ok</span><span style="color: #800000;"&gt;"</span> %<span style="color: #000000;"&gt; r2)
    n</span>+=1<span style="color: #000000;"&gt;
    time.sleep(</span>1<span style="color: #000000;"&gt;)
con.close()
con1.close()

if name == 'main':
con=consumer("wd")
con1=consumer("jack")
p=product()

执行结果：

11 jack ok

上述程序运行过程：

1.con=cusumer("wd"),使customer变成生成器(generator)，con1=cusumer("jack")同理

2.p=product()，执行product函数，执行con.__next__()启动生成器,切回consumer函数运行

3.consumer函数执行到new__food=yeild r,此时遇到yeild停止并保存当前运行状态，继续切到product()函数原来状态执行，并通过yield把r的值返回给pruduct。

4.运行到r1=con.send(n),product通过send向cusumer发送消息，并通过r1接受来自于customer的消息返回，程序切到customer运行，此时cusumer又开始步骤3

5.最后product没有生产消息了，也就是停止了，通过con.close()关闭consumer，整个过程结束。

上述过程可以看到，整个切换过程在一个线程中进行，并且全程无锁，完全依赖product和cusumer协作完成。

greenlet?

greenlet是一个用C实现的协程模块，相比与python自带的yield，它可以使你在任意函数之间随意切换，而不需把这个函数先声明为generator,但是greenlet还是未实现遇IO自动切换，而是使用switch()方法实现的切换。

demo：

greenlet def fun1():

</span><span style="color: #0000ff;"&gt;print</span>(<span style="color: #800000;"&gt;"</span><span style="color: #800000;"&gt;运行 函数 A</span><span style="color: #800000;"&gt;"</span><span style="color: #000000;"&gt;)

time.sleep(</span>1<span style="color: #000000;"&gt;)
</span><span style="color: #0000ff;"&gt;print</span>(<span style="color: #800000;"&gt;"</span><span style="color: #800000;"&gt;结束运行函数A</span><span style="color: #800000;"&gt;"</span><span style="color: #000000;"&gt;)
gr3.switch()

def fun2():
print("运行函数 B")
gr1.switch()

def fun3():
print("运行函数 C")
gr2.switch()

if name == 'main':
gr1=greenlet(fun1)
gr2=greenlet(fun2)
gr3=greenlet(fun3)
gr1.switch()#启动，相当于generator中一开始执行next方法，如果没有这段代码，程序不会运行

运行结果：
运行函数 A
结束运行函数A
运行函数 C
运行函数 B

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。

　　其内部原理大致如下：

　当一个greenlet遇到IO操作时，比如访问网络，就自动切换到其他的greenlet，等到IO操作完成，再在适当的时候切换回来继续执行。由于IO操作非常耗时，经常使程序处于等待状态，有了gevent为我们自动切换协程，就保证总有greenlet在运行，而不是等待IO。我们通过gevent.sleep()来模拟IO操作。

demo：

def fun1(n):
#time.sleep(1)如果使用time.sleep,并不会发生切换
print("run fun1....")
gevent.sleep(n)

</span><span style="color: #0000ff;"&gt;print</span>(<span style="color: #800000;"&gt;"</span><span style="color: #800000;"&gt;end fun1 ....</span><span style="color: #800000;"&gt;"</span><span style="color: #000000;"&gt;)

def fun2(n):
print("run fun2....")
gevent.sleep(n)
print("end fun2 ....")

def fun3(n):
print("run fun3....")
gevent.sleep(n)
print("end fun3 ....")

if name == 'main':
g1 = gevent.spawn(fun1,1)
g2 = gevent.spawn(fun2,1)
g3 = gevent.spawn(fun3,2)
g1.join()#启动
 g2.join()
g3.join()
运行结果：
run fun1....
run fun2....
run fun3....
end fun1 ....
end fun2 ....
end fun3 ....

如果看不出来效果，请看下面代码：

def task(pid):
"""
Some non-deterministic task
"""
gevent.sleep(0.5)#模拟遇到IO切换到其他线程
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()

上面的demo并不能让gevent识别IO操作，由于切换是在IO操作时自动完成，所以gevent需要修改Python自带的一些标准库，这一过程在启动时通过monkey patch完成：

遇IO自动切换demo：

gevent urllib.request

def f(url):
print('GET: %s' % url)
resp = urlopen(url)#IO操作
print("===========")
data = resp.read()#IO操作
print('%d bytes received from %s.' % (len(data),url))

gevent.joinall([
gevent.spawn(f,'http://www.cnblogs.com/'),gevent.spawn(f,'https://www.taobao.com/'),'https://www.baidu.com/'),])
结果:
GET: http://www.cnblogs.com/
GET: https://www.taobao.com/
GET: https://www.baidu.com/

227 bytes received from https://www.baidu.com/.
========

122189 bytes received from https://www.taobao.com/.
45427 bytes received from http://www.cnblogs.com/.

?通过gevent实现socket多并发

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(conn):
try:
while True:
data = conn.recv(1024)
print("recv:",data)
conn.send(data)
if not data:
conn.shutdown(socket.SHUT_WR)

</span><span style="color: #0000ff;"&gt;except</span><span style="color: #000000;"&gt; Exception as  ex:
    </span><span style="color: #0000ff;"&gt;print</span><span style="color: #000000;"&gt;(ex)
</span><span style="color: #0000ff;"&gt;finally</span><span style="color: #000000;"&gt;:
    conn.close()

<tr>
<td>二、事件驱动介绍</td>
</tr></table>
<div class="para">通常，我们写服务器处理模型的程序时，有以下几种模型：
<div class="para">（1）每收到一个请求，创建一个新的进程，来处理该请求；
<div class="para">（2）每收到一个请求，创建一个新的线程，来处理该请求；
<div class="para">（3）每收到一个请求，放入一个事件列表，让主进程通过非阻塞I/O方式来处理请求
<div class="para">上面的几种方式，各有千秋，
<div class="para">第（1）中方法，由于创建新的进程的开销比较大，所以，会导致服务器性能比较差,但实现比较简单。
<div class="para">第（2）种方式，由于要涉及到线程的同步，有可能会面临<a href="http://baike.baidu.com/subview/121723/121723.htm" target="_blank" data-lemmaid="2196938">死锁等问题。
<div class="para">第（3）种方式，在写应用程序代码时，逻辑比前面两种都复杂。
<div class="para">综合考虑各方面因素，一般普遍认为第（3）种方式是大多数<a href="http://baike.baidu.com/view/813.htm" target="_blank">网络服务器采用的方式
<div class="para">?
<h4 class="para">看图说话讲事件驱动模型

在UI编程中，常常要对鼠标点击进行相应，首先如何获得鼠标点击呢？方式一：创建一个线程，该线程一直循环检测是否有鼠标点击，那么这个方式有以下几个缺点：1. CPU资源浪费，可能鼠标点击的频率非常小，但是扫描线程还是会一直循环检测，这会造成很多的CPU资源浪费；如果扫描鼠标点击的接口是阻塞的呢？2. 如果是堵塞的，又会出现下面这样的问题，如果我们不但要扫描鼠标点击，还要扫描键盘是否按下，由于扫描鼠标时被堵塞了，那么可能永远不会去扫描键盘；3. 如果一个循环需要扫描的设备非常多，这又会引来响应时间的问题；所以，该方式是非常不好的。方式二：就是事件驱动模型目前大部分的UI编程都是事件驱动模型，如很多UI平台都会提供onClick()事件，这个事件就代表鼠标按下事件。事件驱动模型大体思路如下：1. 有一个事件（消息）队列；2. 鼠标按下时，往这个队列中增加一个点击事件（消息）；3. 有个循环，不断从队列取出事件，根据不同的事件，调用不同的函数，如onClick()、onKeyDown()等；4. 事件（消息）一般都各自保存各自的处理函数指针，这样，每个消息都有独立的处理函数；

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。

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。

此处要提出一个问题，就是，上面的事件驱动模型中，只要一遇到IO就注册一个事件，然后主程序就可以继续干其它的事情了，只到io处理完毕后，继续恢复之前中断的任务，这本质上是怎么实现的呢？请参考下一篇：

?

（编辑：李大同）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!

协程、 事件驱动介绍

227 bytes received <span style="color: #0000ff;">from https://www.baidu.com/<span style="color: #000000;">. ========

?

协程、事件驱动介绍

227 bytes received <span style="color: #0000ff;">from https://www.baidu.com/<span style="color: #000000;">.
========