同步|异步:

线程的三种状态:
　　1.就绪
　　2.运行
　　3.阻塞
阻塞和非阻塞描述的是运行的状态
阻塞 :遇到了IO操作,代码卡住,无法执行下一行,CPU会切换到其他任务
非阻塞 :与阻塞相反,代码正在执行(运行状态) 或处于就绪状态

同步和异步指的是提交任务的方式
同步 :提交任务必须等待任务完成,才能执行下一行
异步 :提交任务不需要等待任务完成,立即执行下一行

代码:

 1 def task():
 2     for i in range(1000000):
 3         i += 1000
 4     print("11111")
 5 
 6 print("start")
 7 task() # 同步提交方式,等函数运行完菜执行下一行
 8 print("end")
 9 
10 from threading import  Thread
11 
12 print("start1")
13 Thread(target=task).start() # 异步提交,开启线程,然后去执行之后的代码,线程内代码自行执行
14 print("end1")

异步回调:任务执行结束后自动调用某个函数

异步回调:
　　在发起异步任务后,子进程或子线程完成任务后需要通知任务发起方.通过调用一个函数,all_done_callback(函数名)
为什么需要回调?子进程帮助主进程完成任务,处理任务的结果应该交还给主进程
其他方式也可以将数据交还给主进程1.shutdown  主进程会等到所有任务完成2.result函数 会阻塞直到任务完成都会阻塞,导致效率降低,所以使用回调
注意:回调函数什么时候被执行? 子进程任务完成时谁在执行回调函数? 主进程
线程的异步回调使用方式都相同,唯一的不同是执行回调函数,是子线程在执行(线程间数据共享)

三种方式:

 1 # 方式1 自己来保存数据 并执行shutdown  仅在多线程
 2 
 3 res = []
 4 def task():
 5     print("%s is 正在打水" % os.getpid())
 6     time.sleep(0.2)
 7     w = "%s 打的水" % os.getpid()
 8     res.append(w)
 9     return w
10 
11 if __name__ == '__main__':
12     for i in range(20):
13         # 提交任务会返回一个对象  用于回去执行状态和结果
14         f = pool.submit(task)
15         print(f.result()) # 方式2   执行result 它是阻塞的直到任务完成  又变成串行了
16 
17     print("11111")
18     # pool.shutdown() # 首先不允许提交新任务 然后等目前所有任务完成后
19     # print(res)
20     print("over")
21 
22 ====================================================================================
23 
24 pool = ThreadPoolExecutor()
25 
26 # 方式3 通过回调(什么是回调 任务执行结束后自动调用某个函数)
27 def task():
28     print("%s is 正在打水" % os.getpid())
29     # time.sleep(0.2)
30     w = "%s 打的水" % os.getpid()
31     return w
32 
33 def task_finish(res):
34     print("打水完成! %s" % res)
35 
36 if __name__ == '__main__':
37     for i in range(20):
38         # 提交任务会返回一个对象  用于回去执行状态和结果
39         f = pool.submit(task)
40         f.add_done_callback(task_finish) #添加完成后的回调
41     print("11111")
42     print("over")

利用回调完成生产者消费者:

多进程:

1 from  concurrent.futures import ProcessPoolExecutor,ThreadPoolExecutor2 from threading import current_thread3 import  os4 # 进程池5 pool = ProcessPoolExecutor()6 # 爬虫:从网络某个地址获取一个HTML文件7 import requests # 该模块用于网络(HTTP)请求8 9 # 生产数据,即生产者
10 def get_data_task(url):
11     print(os.getpid(),"正在生产数据!")
12     # print(current_thread(),"正在生产数据!")
13 
14     response = requests.get(url)
15     text = response.content.decode("utf-8")
16     print(text)
17     return text
18 
19 # 处理数据,即消费者
20 def parser_data(f):
21     print(os.getpid(),"处理数据")
22     # print(current_thread(), "处理数据")
23     print("正在解析: 长度%s" % len(f.result()))
24 
25 urls = [
26     "http://www.baidu.com",
27     "http://www.baidu.com",
28     "http://www.baidu.com",
29     "http://www.baidu.com"
30 ]
31 
32 if __name__ == '__main__':
33     for url in urls:
34         f = pool.submit(get_data_task,url)
35         f.add_done_callback(parser_data)  # 回调函数是主进程在执行
36         # 因为子进程是负责获取数据的,然而数据怎么处理 ,子进程并不知道.应该把数据还给主进程
37     print("over")

多线程:

 1 from  concurrent.futures import ThreadPoolExecutor
 2 from threading import current_thread
 3 # 进程池
 4 pool = ThreadPoolExecutor()
 5 
 6 # 爬虫:从网络某个地址获取一个HTML文件
 7 import requests # 该模块用于网络(HTTP)请求
 8 
 9 # 生产数据
10 def get_data_task(url):
11     # print(os.getpid(),"正在生产数据!")
12     print(current_thread(),"正在生产数据!")
13 
14     response = requests.get(url)
15     text = response.content.decode("utf-8")
16     print(text)
17     return text
18 
19 #   处理数据
20 def parser_data(f):
21     # print(os.getpid(),"处理数据")
22     print(current_thread(), "处理数据")
23     print("正在解析: 长度%s" % len(f.result()))
24 
25 urls = [
26     "http://www.baidu.com",
27     "http://www.baidu.com",
28     "http://www.baidu.com",
29     "http://www.baidu.com"
30 ]
31 
32 if __name__ == '__main__':
33     for url in urls:
34         f = pool.submit(get_data_task,url)
35         f.add_done_callback(parser_data)  # 回调函数是主进程在执行
36         # 因为子进程是负责获取数据的  然而数据怎么处理 子进程并不知道  应该把数据还给主进程
37     print("over")

线程队列:

普通队列/堆栈队列/优先级队列:

import queue# 普通队列 先进先出
q = queue.Queue()
q.put("a")
q.put("b")print(q.get())
print(q.get())# 堆栈队列  先进后出 后进先出  函数调用就是进栈  函数结束就出栈 递归造成栈溢出
q2 = queue.LifoQueue()
q2.put("a")
q2.put("b")
print(q2.get())# 优先级队列
q3 = queue.PriorityQueue()  # 数值越小优先级越高  优先级相同时 比较大小 小的先取
q3.put((-100, "c"))
q3.put((1, "a"))
q3.put((100, "b"))
print(q3.get())

协程:在单线程下由应用程序级别实现并发

什么是协程？协程指的是单线程下由应用程序级别实现的并发即把本来由操作系统控制的切换+保存状态，在应用程序里实现了协程的切换vs操作系统的切换优点：切换速度远快于操作系统缺点：一个任务阻塞了，其余的任务都无法执行ps：只有遇到io才切换到其他任务的协程才能提升单线程的执行效率为何用协程？把单个线程的io降到最低，最大限度地提升单个线程的执行效率如何实现协程？from gevent import spawn,monkey;monkey.patch_all()

协程的目的是在单线程下实现并发
为什么出现协程? 因为cpython中,由于GIL而导致同一时间只有一个线程在跑
意味着:如果你的程序时计算密集,多线程效率也不会提升如果是io密集型 没有必要在单线程下实现并发,我会开启多线程来处理io,子线遇到io,cpu切走.不能保证一定切到主线如果可以,我在遇到io的时候转而去做计算,这样一来可以保证cpu一直在处理你的程序,当然处理时间太长也要切走总结:单线程下实现并发,是将io阻塞时间用于执行计算,可以提高效率原理:一直使用CPU直到超时
怎么实现单线程并发?并发:指的是看起来像是同时运行,实际是在任务间来回切换,同时需要保存执行的状态任务一堆代码  可以用函数装起来1.如何让两个函数切换执行yield可以保存函数的执行状态通过生成器可以实现伪并发并发不一定提升效率,当任务全是计算时,反而会降低效率2.如何知道发生了io, 从而切换执行?第三方模块,gevent
第三方模块 greenlet 可以实现并发 但是不能检测io
第三方模块 gevent 封装greenlet 可以实现单线程并发,并且能够检测io操作,自动切换

协程的应用场景:
    TCP 多客户端实现方式
    1.来一个客户端就来一个进程     资源消耗较大
    2.来一个客户端就来一个线程     也不能无限开
    3.用进程池 或 线程池  还是一个线程或进程只能维护一个连接
    4.协程 一个线程就可以处理多个客户端  遇到io就切到另一个

协成实现:单线程实现并发

1.yield 把函数做成生成器,生成器会自动保存状态

 1 # 这是一个进程,默认包含一个主线程
 2 import time
　　#生成器函数
 3 def task():
 4     while True:
 5         print("task1")
 6         time.sleep(1)#I/O,CPU切走
 7         yield 1
 8 
 9 def task2():
10     g = task()
11     while True:
12         try:
13             print("task2")
14             next(g)#next()函数参数传一个可迭代对象
15         except Exception:
16             print("任务完成")
17             break
18 task2()
19 打印结果:
20     task2
21     task1
22     task2
23     task1
24     task2
25     task1
26     ..........

2.greenlet模块:帮我们封装yield,可以实现任务切换,但是不能检测I/O

# 1.实例化greenlet得到一个对象,传入要执行的任务,至少需要两个任务
# 2.先让某个任务执行起来,使用对象调用switch
# 3.在任务的执行过程中,手动调用switch来切换

 1 import greenlet
 2 import time
 3 def task1():
 4     print("task1 1")
 5     time.sleep(2)
 6     g2.switch()
 7     print("task1 2")
 8     g2.switch()
 9 
10 def task2():
11     print("task2 1")
12     g1.switch()
13     print("task2 2")
14 
15 g1 = greenlet.greenlet(task1)
16 g2 = greenlet.greenlet(task2)
17 
18 g1.switch()

3.gevent:在greenlet的基础上封装检测io操作,自动切换

# 1.spawn函数传入你的任务
# 2.调用join 去开启任务
# 3.检测io操作需要打monkey补丁,就是一个函数,在程序最开始的地方调用它

 1 from gevent import monkey
 2 monkey.patch_all()
 3 
 4 import gevent
 5 import time
 6 def eat():
 7     print('eat food 1')
 8     time.sleep(2)
 9     print('eat food 2')
10 
11 def play():
12     print('play 1')
13     time.sleep(1)
14     print('play 2')
15 
16 g1=gevent.spawn(eat)
17 g2=gevent.spawn(play)
18 
19 gevent.joinall([g1,g2])
20 print('主')

协程实现TCP:

服务端:

 1 import gevent
 2 from gevent import monkey
 3 monkey.patch_all()
 4 import socket
 5 
 6 server = socket.socket()
 7 # 重用端口
 8 server.setsockopt(socket.SOL_SOCKET,socket.SO_REUSEADDR,1)
 9 
10 server.bind(("127.0.0.1",9999))
11 
12 server.listen(5)
13 def data_handler(conn):
14     print("一个新连接..")
15     while True:
16         data = conn.recv(1024)
17         conn.send(data.upper())
18 
19 while True:
20     conn,addr = server.accept()
21     # 切到处理数据的任务去执行
22     gevent.spawn(data_handler,conn)

客户端:

 1 import socket
 2 
 3 c = socket.socket()
 4 
 5 c.connect(("127.0.0.1", 9999))
 6 
 7 while True:
 8     msg = input(">>>:")
 9     if not msg: continue
10     c.send(msg.encode("utf-8"))
11     data = c.recv(1024)
12     print(data.decode("utf-8"))