Python学习笔记——处理等待

不同类型的等待

• 等待“读”
  例如，用户向Web服务器请求数据，Web服务器需要向其数据库请求数据，此时必须要等待数据库完成工作，Web应用会“阻塞”

阻塞代码：一个代码要等待外部系统完成工作，然后才会继续，则程序的执行会阻塞

• 等待“写”
  例如，对于用户的访问，Web服务器希望记录这个Web请求的详细信息，虽然也是与数据库交互：向数据库写入信息，但是程序员（和用户）并不关心何时写入，而只关心数据确实能写入。这时用户没必要等待响应（重要的是这个代码最终被执行）

对于后面一种类型的等待，可以采用多线程并行来提高效率

并发的运行代码

在程序中并发地运行代码，线程并不是惟一的解决办法（不过必须承认，线程是所有技术中使用最多的一个）

Python中实现并发运行代码的模块：

• threading模块：后文将介绍
• multiprocessing：允许你创建多个 Python进程
  如果你有多个CPU内核，这些进程可以将计算负载分摊到多个CPU上。
• asencio：允许你通过创建和指定并发例程来实现并发
  这是 Python 3新增的特性，所以对于很多程序员来说，这是一个非常新的概念（还有待考查）
• concurrent.futures：允许你并发地管理和运行一组任务

另外，还有实现并发运行代码的关键字
async和await关键字是 Python3.5中增加的，它们提供一种创建并发例程的标准方法

• async关键字可以用在已有的for,with和def关键字前面（目前最常见的是用在def前面）。
• await关键字可以用在（几乎）任何其他代码前面。

此处介绍用Thread实现多线程

用Thread实现多线程

要让应用的一些代码并发地运行， Python提供了多种选择。除了第三方模块提供的很多支持外，标准库也提供了一些内置特性可以提供帮助。

关于 Python标准库的各种并发选择，完整的列表和详细信息，见
https://docs.python.org/3/library/concurrency.html

最有名的一个特性就是threading库，它为操作系统提供的多线程实现提供了一个高层接口

不使用多线程

假如execute_slowly函数需要15秒才能完成，则后一语句的nextfunc函数需要等待

...
execute_slowly(arg1,arg2,arg3)

nextfunc()
...

使用多线程

此时，调用t.start()后，后一语句的nextfunc函数会继续执行。
而execute_slowly的执行由Python的threading模块处理： threading模块会与Python解释器联手，保证最终会运行execute_slowly

from threading import Thread
...
t=Thread(target=execute_slowly, args=(arg1,arg2,arg3))
t.start()#启动线程，执行与"t"线程关联的函数

nextFunc()
...

注意，应当保证15秒内execute_slowly仍能一直访问到它所需要的各变量（而没有被主函数销毁等），否则会出错
`