每日测验
昨日内容回顾
-
死锁现象
""" 即便你知道如何抢锁释放锁 也极有可能造成程序的死锁现象 后续我们在写项目的时候 也不会自己去处理锁的问题 都是底层封装好的 所以你不用担心 """ -
递归锁
""" 它也是一把互斥锁，但是它可以被第一个抢到它的人连续的acquire和release 每acquire一次内部有一个引用计数加1 每release一次内部有一个引用计数减1 只要引用计数不为0 永远也无法被其他人抢到 """ -
信号量
""" 信号量在不同的领域和知识阶段可能对应不同的概念 如果将互斥锁比喻成一个厕所 那么信号量就相当于多个厕所 """ -
event事件
""" 一些线程/进程等待另外一些线程/进程发送可以运行的信号 才开始运行 from threading import Event e = Event() # 等待 e.wait() # 发送信号 e.set() """ -
各种队列
""" 1 常见队列 queue 先进先出 q = queue.Queue() q.put() q.get(timeout=3) q.get_nowait() q.full() q.empty() 2 后进先出 LifoQueue() q = queue.LifoQueue() q.put() q.get() 3 优先级 PriorityQueue() q = queue.PriorityQueue() q.put((10,'data')) q.put((-5,'data')) 元祖里面的第一个参数是数字 并且支持负数 数字越小优先级越高 """ -
进程池线程池
""" 硬件的发展肯定是赶不上软件的开发速度的 思考我们以前借助于开设进程和线程的方式来实现TCP服务端的并发 每来一个客户端就开设一个进程或者线程 无论是开设进程还是开设线程其实都需要消耗一定的资源 我们应该在保证计算机硬件安全的情况下，最大限度的利用计算机 池的概念 它的出现是为了保证计算机硬件的安全 降低了程序的运行效率 但是保证了计算机硬件安全 """ # 进程池线程池都不需要我们自己去造 直接使用封装好的模块 from concurrent.futures import ThreadPoolExecutor,ProcessPoolExecutor # 1 生成进程池线程池 pool1 = ThreadPoolExecutor() # 不填默认是cpu个数的五倍 pool2 = ProcessPoolExecutor() # 不填默认就是cpu的个数 # 2 朝池子中提交任务 pool1.submit(task,args...) # 异步提交 # 3 submit其实会返回一个Future类的对象 该对象调用result就能获取到任务的结果 res = pool1.submit(task,args...) res.result() # 同步 # 4 池子对象的方法 pool1.shotdown() # 关闭池子 等待池子中所有的任务运行结束 再继续往后执行代码 # 5 异步回调机制 """给每一个异步提交的任务绑定一个方法，一旦任务有结果了会立刻自动触发该方法""" pool1.submit(task,args).add_done_callback(call_back) # 注意异步回调函数拿到的也是一个对象 -
协程
""" 单线程下实现并发 这个概念完全是我们程序员自己想出来 多道技术 切换+保存状态 我们想通过代码层面自己检测IO行为。一旦遇到IO代码层面实现切换 这样给操作系统的感觉好像我这个程序一直运行没有IO 欺骗操作系统从而最大化的利用CPU 一味的切换加保存状态也有可能会降低程序的效率 计算密集型的 不行 IO密集型的 可以 """ -
gevent模块
# 该模块能够帮我们检测IO并实现切换 from gevent import monkey;monkey.patch_all() from gevent import spawn # spawn在检测的时候 是异步提交的 spawn(server).join() g = spawn(server) g.join -
基于协程实现TCP服务端单线程下的并发
# 代码稍微搂一眼 感受它的牛逼之处
总结
"""
多进程下面开设多线程
多线程下面再利用协程
最大长度的提升软件运行的效率
"""
今日内容概要
IO模型简介
"""
我们这里研究的IO模型都是针对网络IO的
Stevens在文章中一共比较了五种IO Model：
* blocking IO 阻塞IO
* nonblocking IO 非阻塞IO
* IO multiplexing IO多路复用
* signal driven IO 信号驱动IO
* asynchronous IO 异步IO
由signal driven IO（信号驱动IO）在实际中并不常用，所以主要介绍其余四种IO Model。
"""
#1）等待数据准备 (Waiting for the data to be ready)
#2）将数据从内核拷贝到进程中(Copying the data from the kernel to the process)
同步异步
阻塞非阻塞
常见的网络阻塞状态:
accept
recv
recvfrom
send虽然它也有io行为 但是不在我们的考虑范围
阻塞IO模型
"""
我们之前写的都是阻塞IO模型 协程除外
"""
import socket
server = socket.socket()
server.bind(('127.0.0.1',8080))
server.listen(5)
while True:
conn, addr = server.accept()
while True:
try:
data = conn.recv(1024)
if len(data) == 0:break
print(data)
conn.send(data.upper())
except ConnectionResetError as e:
break
conn.close()
# 在服务端开设多进程或者多线程 进程池线程池 其实还是没有解决IO问题
该等的地方还是得等 没有规避
只不过多个人等待的彼此互不干扰
非阻塞IO
"""
要自己实现一个非阻塞IO模型
"""
import socket
import time
server = socket.socket()
server.bind(('127.0.0.1', 8081))
server.listen(5)
server.setblocking(False)
# 将所有的网络阻塞变为非阻塞
r_list = []
del_list = []
while True:
try:
conn, addr = server.accept()
r_list.append(conn)
except BlockingIOError:
# time.sleep(0.1)
# print('列表的长度:',len(r_list))
# print('做其他事')
for conn in r_list:
try:
data = conn.recv(1024) # 没有消息 报错
if len(data) == 0: # 客户端断开链接
conn.close() # 关闭conn
# 将无用的conn从r_list删除
del_list.append(conn)
continue
conn.send(data.upper())
except BlockingIOError:
continue
except ConnectionResetError:
conn.close()
del_list.append(conn)
# 挥手无用的链接
for conn in del_list:
r_list.remove(conn)
del_list.clear()
# 客户端
import socket
client = socket.socket()
client.connect(('127.0.0.1',8081))
while True:
client.send(b'hello world')
data = client.recv(1024)
print(data)
总结
"""
虽然非阻塞IO给你的感觉非常的牛逼
但是该模型会 长时间占用着CPU并且不干活 让CPU不停的空转
我们实际应用中也不会考虑使用非阻塞IO模型
任何的技术点都有它存在的意义
实际应用或者是思想借鉴
"""
IO多路复用
"""
当监管的对象只有一个的时候 其实IO多路复用连阻塞IO都比比不上！！！
但是IO多路复用可以一次性监管很多个对象
server = socket.socket()
conn,addr = server.accept()
监管机制是操作系统本身就有的 如果你想要用该监管机制(select)
需要你导入对应的select模块
"""
import socket
import select
server = socket.socket()
server.bind(('127.0.0.1',8080))
server.listen(5)
server.setblocking(False)
read_list = [server]
while True:
r_list, w_list, x_list = select.select(read_list, [], [])
"""
帮你监管
一旦有人来了 立刻给你返回对应的监管对象
"""
# print(res) # ([<socket.socket fd=3, family=AddressFamily.AF_INET, type=SocketKind.SOCK_STREAM, proto=0, laddr=('127.0.0.1', 8080)>], [], [])
# print(server)
# print(r_list)
for i in r_list: #
"""针对不同的对象做不同的处理"""
if i is server:
conn, addr = i.accept()
# 也应该添加到监管的队列中
read_list.append(conn)
else:
res = i.recv(1024)
if len(res) == 0:
i.close()
# 将无效的监管对象 移除
read_list.remove(i)
continue
print(res)
i.send(b'heiheiheiheihei')
# 客户端
import socket
client = socket.socket()
client.connect(('127.0.0.1',8080))
while True:
client.send(b'hello world')
data = client.recv(1024)
print(data)
总结
"""
监管机制其实有很多
select机制 windows linux都有
poll机制 只在linux有 poll和select都可以监管多个对象 但是poll监管的数量更多
上述select和poll机制其实都不是很完美 当监管的对象特别多的时候
可能会出现 极其大的延时响应
epoll机制 只在linux有
它给每一个监管对象都绑定一个回调机制
一旦有响应 回调机制立刻发起提醒
针对不同的操作系统还需要考虑不同检测机制 书写代码太多繁琐
有一个人能够根据你跑的平台的不同自动帮你选择对应的监管机制
selectors模块
"""
异步IO
"""
异步IO模型是所有模型中效率最高的 也是使用最广泛的
相关的模块和框架
模块:asyncio模块
异步框架:sanic tronado twisted
速度快！！！
"""
import threading
import asyncio
@asyncio.coroutine
def hello():
print('hello world %s'%threading.current_thread())
yield from asyncio.sleep(1) # 换成真正的IO操作
print('hello world %s' % threading.current_thread())
loop = asyncio.get_event_loop()
tasks = [hello(),hello()]
loop.run_until_complete(asyncio.wait(tasks))
loop.close()
四个IO模型对比
参考博客园图解，稍微了解即可
网络并发知识点梳理
-
软件开发架构
-
互联网协议
""" osi七层 五层 每一层都是干嘛的 以太网协议 广播风暴 IP协议 TCP/UDP """ -
三次握手四次挥手
-
socket简介
-
TCP黏包问题 定制固定长度的报头
-
UDP协议
-
socketserver模块
-
操作系统发展史
-
多道技术
-
进程理论
-
开启进程的两种方式
-
互斥锁
-
生产者消费者模型
-
线程理论
-
开启线程的两种方式
-
GIL全局解释器锁
-
进程池线程池
-
协程的概念
-
IO模型的了解
421
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
