python IO并发

IO并发

IO 分类

IO分类:阻塞IO ,非阻塞IO,IO多路复用,异步IO等

阻塞IO

1.定义:在执行IO操作时如果执行条件不满足则阻塞。阻塞IO是IO的默认形态。

2.效率:阻塞IO是效率很低的一种IO。但是由于逻辑简单所以是默认IO行为。

3.阻塞情况:

  • 因为某种执行条件没有满足造成的函数阻塞
    e.g. accept input recv
  • 处理IO的时间较长产生的阻塞状态
    e.g. 网络传输,大文件读写
非阻塞IO

代码实现: day11/block_io

  1. 定义 :通过修改IO属性行为,使原本阻塞的IO变为非阻塞的状态。
  • 设置套接字为非阻塞IO

sockfd.setblocking(bool) flase=非阻塞 true=阻塞
功能:设置套接字为非阻塞IO
参数:默认为True,表示套接字IO阻塞;设置为False则套接字IO变为非阻塞

  • 超时检测 :设置一个最长阻塞时间,超过该时间后则不再阻塞等待。

    sockfd.settimeout(sec)
    功能:设置套接字的超时时间
    参数:设置的时间

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-jm0HtF0c-1639749684420)(C:\Users\Administrator\AppData\Roaming\Typora\typora-user-images\image-20211217093444198.png)]

"""
block_io.py
socket 套接字非阻塞实例
"""

from socket import *
from time import ctime, sleep

# 日志文件
f = open('log.txt', 'a+')
sockfd = socket()
sockfd.bind(('127.0.0.1', 8888))
sockfd.listen(3)

# # 设置套接字为非阻塞
# sockfd.setblocking(False)

# 设置超时检测
sockfd.settimeout(3)


while True:
    print('Waiting for connect....')
    # 没有客户端连接 每隔3秒写一条日志
    try:
        connfd, addr = sockfd.accept()
    except (BlockingIOError,timeout) as e:
        sleep(3)
        f.write('%s : %s\n' % (ctime(), e))
        f.flush()
    else:
        print('Connect from', addr)
        # recv 还是阻塞状态
        # 把 connfd.setblocking(False)
        # recv 就变成了 非阻塞
        data = connfd.recv(1024).decode()
        print(data)

IO多路复用

  1. 定义

同时监控多个IO事件,当哪个IO事件准备就绪就执行哪个IO事件。以此形成可以同时处理多个IO的行为,避免一个IO阻塞造成其他IO均无法执行,提高了IO执行效率。

  1. 具体方案

select方法 : windows linux unix
poll方法: linux unix
epoll方法: linux

select 方法

代码实现: day11/select_server.py

rs, ws, xs=select(rlist, wlist, xlist[, timeout])
功能: 监控IO事件,阻塞等待IO发生
参数:rlist  列表  存放关注的等待发生的IO事件
      wlist  列表  存放关注的要主动处理的IO事件
      xlist  列表  存放关注的出现异常要处理的IO
      timeout  超时时间

返回值: rs 列表  rlist中准备就绪的IO
        ws 列表  wlist中准备就绪的IO
	xs 列表  xlist中准备就绪的IO

select 实现tcp服务

【1】 将关注的IO放入对应的监控类别列表
【2】通过select函数进行监控
【3】遍历select返回值列表,确定就绪IO事件
【4】处理发生的IO事件

注意

wlist中如果存在IO事件,则select立即返回给ws
处理IO过程中不要出现死循环占有服务端的情况
IO多路复用消耗资源较少,效率较高

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-RdewizAD-1639749684421)(C:\Users\Administrator\AppData\Roaming\Typora\typora-user-images\image-20211217095335744.png)]

代码
服务器端
"""
select tcp 服务
重点代码

思路分析:
1. 将关注的IO 放入到监控列表
2. 当IO就绪时会通过select 返回
3. 遍历返回值列表,得知哪个IO就绪进行处理
"""

from socket import *
from select import select

# 创建监听套接字,作为关注的IO
s = socket()
s.setsockopt(SOL_SOCKET, SO_REUSEADDR, 1)
s.bind(('0.0.0.0', 48888))
s.listen(3)

# 设置关注列表
rlist = [s]  # s用于等待处理连接
wlist = []
xlist = []

# 循环监控IO
while True:
    rs, ws, xs = select(rlist, wlist, xlist)

    # 遍历返回值列表,得知哪个IO就绪进行处理
    for r in rs:
        if r is s:
            c, addr = r.accept()
            print('Connect from', addr)
            rlist.append(c)
        else:
            # 有客户端发消息
            data = r.recv(1024).decode()
            if not data:
                rlist.remove(r)
                r.close()
                continue
            print(data)
            # r.send(b'ok')
            wlist.append(r)

    for w in ws:
        w.send(b'ok')
        # 消息发完移除
        wlist.remove(w)

    for x in xs:
        pass

客户端
"""
tcp_client.py tcp 客户端流程
重点代码
"""

from socket import *

# 创建tcp套接字
from time import sleep

sockfd = socket()

# 连接服务器
server_addr = ('127.0.0.1', 48888)
# server_addr = ('119.91.116.248', 48888)
sockfd.connect(server_addr)


for i in range(5):
    sleep(2)
    sockfd.send(('%s你好'%i).encode())
    print(sockfd.recv(1024).decode())


    # data = sockfd.recv(1024)



# 关闭套接字
sockfd.close()
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: Python作为一种高级编程语言,在处理大规模并发方面相对来说有一些限制。Python的全局解释器锁(GIL)机制限制了同一时间只能有一个线程执行Python字节码的能力,因此它在处理CPU密集型任务时并没有明显的优势。 然而,在处理I/O密集型任务上,Python仍然具有一定的优势。Python的异步编程模型可以使用协程和事件循环来处理大量的并发连接。通过使用特定的库和框架,如asyncio和aiohttp,Python可以实现高效的I/O多路复用,并通过非阻塞的方式处理大量的并发请求。 此外,可以使用多进程和多线程结合的方式来增加Python并发处理能力。多进程可以利用多核处理器来执行并发任务,而多线程则可以在I/O操作时释放GIL,提高并发性能。同时,使用并发编程库,如multiprocessing和concurrent.futures,可以更方便地实现并发任务的调度和控制。 最后,如果需要处理百万并发连接的特别高并发场景,Python可能不是最佳选择。在这种情况下,可以考虑使用其他更适合高并发语言和工具,如Go、Java和Nginx等。 总之,尽管Python在处理大规模并发时存在一些限制,但借助于异步编程和多进程/多线程的方式,依然可以处理大量的并发任务。不过,在特别高并发的场景下,可能需要选择其他更适合的工具和技术。 ### 回答2: Python 百万并发是指在同一时间内有百万个并发请求或任务在Python程序中同时运行或处理。 要实现Python百万并发,可以采用以下几种方案: 1. 异步编程:使用Python的异步编程框架,如asyncio和aiohttp,可以通过协程和事件循环实现高效的并发处理。通过使用异步关键字和await表达式,可以在一个线程中同时处理多个并发任务,大大提高程序的并发能力。 2. 多线程:Python支持多线程编程,通过使用threading模块可以创建多个线程来同时处理多个任务。每个线程负责一个任务,可以利用多核处理器的能力,提高程序的并发性能。多线程需要注意线程安全问题,如使用锁机制来保护共享资源的访问。 3. 进程池:使用Python的multiprocessing模块可以创建进程池,将多个任务分配给子进程处理。每个子进程独立运行,可以利用多核处理器的能力,并且不受全局解释器锁(GIL)的影响,可以实现真正的并行处理。进程间通信可以使用队列等机制。 4. 分布式架构:采用分布式架构可以将任务分布到多台机器上处理,通过网络通信实现协同工作。可以使用Python的分布式框架,如Celery,将任务分发到多个节点上完成,提高并发处理的能力。 值得注意的是,实现百万并发并非只依赖于Python语言本身,还受限于操作系统和硬件资源的限制。在处理百万并发时,需要合理规划系统资源,如适当调整线程数或进程数,优化算法和数据结构,以实现更高效的并发处理。 ### 回答3: Python是一种非常强大且灵活的编程语言,可以用来开发并处理大规模的并发系统。虽然Python在处理并发方面的性能相对于其他编程语言可能会稍逊一筹,但它仍然能够处理百万级的并发请求。 为了实现Python的百万并发,我们需要采取一些优化和扩展措施。首先,我们可以使用多线程或多进程来并行执行任务。Python中的`threading`和`multiprocessing`模块提供了多线程和多进程的支持。多线程适用于IO密集型任务,而多进程适用于CPU密集型任务。通过合理地利用多线程和多进程,我们可以充分利用计算机的多核处理能力。 其次,使用异步编程模型可以提高并发处理的效率。Python 3.5及以上版本引入了`asyncio`库,它提供了一种基于协程的异步编程模式。异步编程允许我们在等待IO操作时切换到其他任务,从而提高系统的并发处理能力。 此外,我们可以使用消息队列来实现分布式处理。Python中有多个消息队列框架可供选择,例如RabbitMQ和Kafka。通过在系统中引入消息队列,我们可以将请求分发到多个处理节点上,以实现并发处理。 最后,还有一些第三方库和框架可以帮助我们进行高并发开发。例如,Gunicorn和uWSGI是一些常用的Python Web服务器,它们可以实现并发地处理大量的HTTP请求。Celery是一个强大的分布式任务调度器,可以用于实现并行处理任务。 总之,尽管Python在处理并发方面相对其他编程语言可能稍有劣势,但通过合理地利用多线程和多进程、异步编程、消息队列以及使用第三方库和框架,我们仍然可以实现Python的百万并发

“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