异步回调 协程理论

异步回调                                                                                                          回调：  其实说的是回调函数 ，给异步任务绑定一个函数，当任务完成时会自动调用该函数                                                 具体使用                                                                                                      当你往pool中添加 了一个异步任务，会返回一个表示结果的函数对象，有一个对象的绑定方法add_done_callback,需要一个函数作为参数，注意：回调函数必须有且 只有 一个参数 就是对象本身 通过对象.result（）来获取结果     回调函数交给子线程来执行  谁有空谁处理

优点：不用原地等待，任务结果可以立即获取到                            表达式：   

 from concurrent.futures import ThreadPoolExecutor

import requests

import threading

#生产

def  get_data(url):
　　print('%s正在处理%s'%(threading.current_thread().name,url)
　　resp = requests.get(url)
　　print("%s获取完成”%url)
　　return resp.text,url

#消费
def parser_data(f):
　　res = f.result()
　　print("解析长度为%s ，地址：%s"%(len(res[0],),res[1]))
　　print("当前线程：%s"%threading.current_thread().name)

urls = ["https://www.baidu.com/","https://www.bilibili.com/","https://sina.com/"]
pool = ThreadPoolExecutor()
for url in urls:
　　f= pool.submit(get_data,url)#提交任务

　　f.add_done_callback(parser_data)#绑定任务

 

协程就是要用单线程实现并发

为什么需要协程：                                                                                     GIL导致多个线程不能并行，效率低                                            CPYTHON中多个线程不能并行                                   一个线程如何能并发：                                                                         多道技术　　　　　　　　　　　　　　　　　　

                  切换+保存状态

　　　　首先任务就是一堆代码 一堆代码就可以组成一个函数
　　　　如何能使得可以在多个函数之间切换

协程指的就是一个线程完成并发执行

在CPYTHON中 如果你的任务是计算密集型，使用协程无法提高效率，反而在切换任务中导致效率降低，只能靠进程来解决问题

IO密集型 多线程会比多进程效率高，应为线程的开销比进程小得多，本质上协程还是一个线程 所以一旦遇到IO操作 整个线程就卡主了

 

协程仅在以下场景能够提高效率

   1 任务是Io密集型

   2 一定要可以检测到Io操作  并且在io即将阻塞时 切换到计算任务，从而使得cpu尽可能多的执行你的线程

greenlet 无法检测io操作

gevent 即可单线程实现并发 又可以检测io操作

 

import  gevent 

import gevent.monkey#打补丁必须放在 导入模块之前
gevent.monkey.patch_all()

 

import time

import threading 

def task1()：
　　print (a,b)

　　print(task1)
　　print(threading.current_thread())
　　time.sleep(1)
　　

　　　　

def task2():
    #for i in range(1000):
   print("task2")
   print(threading.current_thread())

 

g1 = gevent.spawn(task1,123,321)
g2 = gevent.spawn(task2)

 g1.join()
 g2.join()

 

转载于:https://www.cnblogs.com/tangda/p/10512758.html