Python下对协程的处理

#########多协程#########

 

 

 

## 对于协程的理解

 

      所谓协程又称为微线程,我们在进程在创建时, 需要耗费时间和cpu资源;在创建多线程时,也需要消耗时间和资源。利用多协程的运行过程中,始终只要一个线程, 不存在创建线程和销毁线程需要的时间; 也没有线程切换的开销, 任务需要开启线程数越多, 协程的优势越明显;更不需要多线程的锁机制(GIL)。

 

 

## yield 实现多协程

 

import time

def producer(c):
    c.__next__()
    n = 0
    while n <5:
        n +=1
        print("[生产者]生产数据: %s" %(n))
        res = c.send(n)
        print("[消费者的返回值为:%s" %(res))

def consumer():
    r = "a"
    while True:
        # yield r   ====>  r如何获取? print(c.__next__())
        # n =  yield r   ==> c.send("任务1")   ===> n = "任务1"
        n = yield r
        if not n:
            return
        print("[消费者]运行%s....." %(n))
        time.sleep(1)
        r = "200 ok"

# 函数中有yield, 返回值为生成器;
c = consumer()
print(c.__next__())
print(c.send("任务1"))

 

 

## gevent实现多协程

 

# 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;
# gevent提供了patch_*来对于标准库作修改;

import gevent
import time
from gevent import monkey

monkey.patch_all()


def job(n):
    for i in range(n):
        print(gevent.getcurrent(), n)
        time.sleep(0.5)


def main1():
    # 创建三个协程, 并让该协程执行job任务
    # 假设多协程执行的任务, 没有IO操作或者等待, 那么协程间是依次运行, 而不是交替运行;
    # 假设多协程执行的任务, IO操作或者等待, 那么协程间是交替运行;
    g1 = gevent.spawn(job, 1)
    g2 = gevent.spawn(job, 2)
    g3 = gevent.spawn(job, 3)
    gevent.joinall([g1, g2, g3])
    print("执行任务结束")

main1()

 

 

 

## 多协程的应用案例 (与多线程比较)

 

测试代码:

import time
from urllib.request import urlopen
from concurrent.futures import ThreadPoolExecutor
import gevent
from gevent import monkey

from 多进程与多线程._timeit import mytime

monkey.patch_all()


def load_url(url):
    with urlopen(url) as conn:
        data = conn.read()
        print("%s网页字节数为%s" % (url, len(data)))


URLS = ['http://httpbin.org', 'http://example.com/'] * 1000


@mytime
def gevent_main():
    gevents = [gevent.spawn(load_url, url) for url in URLS]
    gevent.joinall(gevents)


@mytime
def thread_main():
    with ThreadPoolExecutor(max_workers=100) as f:
        f.map(load_url, URLS)


if __name__ == "__main__":
    gevent_main()
    thread_main()

 

 

 

 

 

 

#######################################

 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 程(Coroutine)是一种轻量级的线程,也被称为用户级线程,由用户控制调度,而不是由操作系统控制。在 Python 中,程是通过生成器实现的。 程的特点是可以在执行过程中暂停并保存当前状态,然后在需要的时候恢复执行。这种特性使得程在处理大量并发任务的时候非常高效。程可以避免线程切换的开销,因为程在同一个线程内执行,所以不需要进行线程切换,可以利用 CPU 的时间片进行高效的并发处理。 在 Python 中,程可以使用 asyncio 库实现。通过定义异步函数,可以将阻塞式的 I/O 操作转化为非阻塞式,从而实现高效的并发处理。在 asyncio 中,可以使用 await 关键字来挂起程,等待异步操作的完成,然后再恢复执行。 总之,程是一种非常高效的并发处理方式,可以提高程序的性能和响应速度。 ### 回答2: Python中的程是一种轻量级的并发编程方式。它是一种特殊的函数或方法,可以在函数执行过程中暂停,并且在稍后的某个时候继续执行,而不是一次性地运行完整个函数。 与传统的多线程或多进程编程不同,程是单线程下的并发编程方式,它可以在一个线程中实现多个任务的并行执行。这种并发模型的好处在于减少了线程切换的开销,并且不需要使用锁来进行同步操作,避免了线程安全问题和死锁等常见的多线程编程难题。 在Python中,可以使用asyncio库来实现程。通过使用async和await关键字,我们可以将普通的函数变成程函数,并在其中使用异步操作。程函数可以包含多个异步操作,这些操作可以是IO操作、网络请求、数据库查询等。 程的特点是可以暂时挂起当前的任务,并切换到其他任务执行,待到其他任务完成后再切换回来继续执行。这种切换是由程框架自动完成的,开发者无需关心具体的切换逻辑。这样可以大大提高程序的执行效率,特别适合处理IO密集型的任务。 总结来说,Python中的程是一种并发编程方式,可以在一个线程中实现多个任务的并发执行。它的特点是轻量、高效,能够提高程序的执行效率,特别适合处理IO密集型的任务。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值