Python异步编程（1）

最新推荐文章于 2024-04-06 13:19:29 发布

ROS maker

最新推荐文章于 2024-04-06 13:19:29 发布

阅读量117

点赞数

文章标签： python

本文链接：https://blog.csdn.net/qq_41707090/article/details/130946935

版权

（1）理解IO密集型（阻塞）程序

IO密集型（阻塞）程序是指在执行过程中主要涉及输入/输出（IO）操作，并且这些IO操作会导致程序阻塞等待的类型。在这种类型的程序中，CPU的利用率相对较低，因为大部分时间都花费在等待IO操作完成上。

常见的IO操作包括从磁盘读取文件、网络请求、数据库查询等。当程序执行这些IO操作时，通常会发起一个请求，然后等待操作完成并返回结果。在等待的期间，程序会被阻塞，暂时停止执行，直到IO操作完成。

IO密集型（阻塞）程序的特点包括：

高度依赖外部资源：程序的执行主要涉及与外部资源的交互，如读写文件、网络通信等。
阻塞等待：在执行IO操作时，程序会暂停执行并等待IO操作完成。
低CPU利用率：由于大部分时间花费在等待IO操作上，CPU的利用率相对较低。

在编写IO密集型（阻塞）程序时，需要注意合理利用异步编程、多线程或多进程等技术，以提高程序的性能和效率。异步编程可以通过非阻塞IO操作和事件驱动机制来实现并发执行，以避免程序被阻塞。多线程或多进程可以充分利用多核CPU的优势，使得在一个线程或进程等待IO操作时，其他线程或进程可以继续执行，从而提高整体的吞吐量。

需要注意的是，IO密集型（阻塞）程序的性能瓶颈主要在于IO操作本身，而不是CPU的计算能力。因此，在优化IO密集型程序时，重点应该放在减少IO操作的数量、提高IO操作的效率，以及合理利用异步和并发编程技术来提高程序的并发性和响应性。

（2）yield在python中的意义

在Python中，yield是一个关键字，用于定义生成器函数。生成器函数是一种特殊类型的函数，它可以在执行过程中产生多个值，而不是一次性返回所有结果。

当一个函数中包含yield语句时，该函数就成为一个生成器函数。生成器函数在被调用时，并不会立即执行函数体内的代码，而是返回一个生成器对象。通过调用生成器对象的__next__()方法（或使用next()函数），可以逐个获取生成器函数中yield语句产生的值。

每次调用生成器对象的__next__()方法时，生成器函数会从上次yield语句停止的地方继续执行，直到再次遇到下一个yield语句，然后将yield后面的表达式作为结果返回。这样，生成器函数可以在每次迭代中产生一个值，并在下一次迭代时从上次停止的地方继续执行

def my_generator():
    yield 1
    yield 2
    yield 3

# 创建生成器对象
gen = my_generator()

# 通过迭代获取生成器函数产生的值
print(next(gen))  # 输出：1
print(next(gen))  # 输出：2
print(next(gen))  # 输出：3

需要注意的是，生成器函数在每次调用yield语句后会暂停执行，并保留当前的状态。因此，生成器对象是一种惰性求值的方式，只在需要时才会产生值，可以节省内存和计算资源。

除了使用next()函数来迭代生成器对象，还可以使用for循环来遍历生成器函数产生的值。生成器函数还可以接收参数，并根据参数的不同产生不同的值序列。这使得生成器函数非常灵活和高效，特别适合处理大型数据集或需要逐步产生结果的场景。

yield from语法用于在生成器函数中委托另一个可迭代对象的迭代过程。它提供了一种简洁的方式来将子生成器的值传递给外层生成器。

yield from 可迭代对象

（3）生成器（Generator）和迭代器（Iterator）

生成器是一种特殊类型的迭代器，它是通过生成器函数或生成器表达式创建的。生成器函数使用yield语句来产生值序列，而生成器表达式使用类似于列表推导式的语法来生成值序列。生成器对象可以通过迭代来逐个获取值，而不需要一次性将所有值加载到内存中。

迭代器是一种可以用于遍历可迭代对象的对象。它实现了__iter__()和__next__()方法，可以通过调用__next__()方法来逐个获取元素。迭代器对象可以使用iter()函数来创建，并且在迭代过程中可以记录状态，以便下次迭代时继续返回下一个元素。

以下是生成器和迭代器的一些区别：

语法：生成器可以使用生成器函数或生成器表达式来创建，而迭代器需要手动实现__iter__()和__next__()方法。
状态记录：生成器函数在yield语句的位置暂停执行并保留状态，可以从上次停止的地方继续执行。迭代器通过__next__()方法来记录状态，以便在下次调用时返回下一个元素。
内存占用：生成器一次只生成一个值，并且不需要将所有值加载到内存中，因此在处理大型数据集时更节省内存。迭代器可以逐个获取元素，也不需要将所有元素加载到内存中。
可复用性：生成器函数可以被多次调用以生成多个生成器对象，每个对象都可以独立地迭代。迭代器在遍历完所有元素后通常需要重新创建，因为它们记录了状态信息。
实现复杂性：生成器相对于手动实现迭代器来说更简单，因为它们使用yield语句和生成器函数/表达式的语法。手动实现迭代器需要编写__iter__()和__next__()方法，并管理状态和迭代逻辑。

（4）python内置迭代器

Python内置函数中有一些返回迭代器的函数。这些函数可以直接用于迭代操作，而不需要显式地创建和管理迭代器对象。以下是一些常用的内置函数，它们返回的是迭代器：

iter(iterable)：返回一个迭代器对象，用于迭代可迭代对象。如果已经是迭代器对象，则直接返回自身。
range(start, stop, step)：返回一个表示指定范围的迭代器对象。可以用于生成一系列连续的整数。
map(function, iterable)：返回一个将函数应用于可迭代对象的每个元素的迭代器对象。函数可以是预定义的函数或匿名函数。
filter(function, iterable)：返回一个根据指定函数筛选可迭代对象的元素的迭代器对象。函数返回True的元素将被保留。
zip(*iterables)：返回一个将多个可迭代对象中的对应元素打包成元组的迭代器对象。返回的迭代器的长度由最短的可迭代对象决定。
enumerate(iterable, start=0)：返回一个迭代器对象，该对象生成一个元组序列，包含可迭代对象中的索引和对应的元素。
sorted(iterable, key=None, reverse=False)：返回一个将可迭代对象进行排序后的迭代器对象。可以通过key参数指定排序的方式，以及使用reverse参数来控制排序顺序。
reversed(seq)：返回一个反向迭代的迭代器对象，用于反向遍历序列。