如何优雅的编写Python并发程序（Gevent）

众所周知，Python是非常擅长网络爬虫的。
而对于一个大规模的网络爬虫而言，使用常规的Python编程会使得效率极其低效。
本文主要讲解如何在Python中利用Gevent来大幅提高程序运行的效率。

让我们从一个标准的Python顺序执行代码开始吧！

一段正常运行的Python代码如下：

import requests
import time
 
def request_url(url):
    """
    # 访问一个url并得到响应结果
    :param url:
    :return:
    """
    response = requests.get(url)
    return response.content
 
if __name__ == "__main__":
    # 准备一个待访问的url列表，该列表共包含4 * 10 = 40个url
    url_list = ['https://github.com/',
                'http://www.missshi.cn:8888/',
                'https://www.python.org/',
                'https://www.yahoo.com/'] * 10
    response_list = []
    begin_time = time.time()  #记录当前时间
    for url in url_list:
        print url
        response_content = request_url(url)
        response_list.append(response_content)
    end_time = time.time()  #记录结束时间
    used_time = end_time - begin_time  #计算消耗时间
    print used_time

运行该程序时，我们可以发现它会依次遍历url_list中的每一个url。
在上一个请求得到响应后，再去发送下一个请求。
在我本地调试时，访问40个url的总耗时为33.207s。
而这其中，绝大部分的时间都是在等待接口的响应结果。

Gevent又称之为协程，它是一个有助于大幅度提高网络传输应用型服务的性能。

Gevent的主要实现原理是在运行一个任务时，如果遇到IO或网络相关的操作，会在发送请求后切换到别的任务去处理，而不是在原任务中等待接收响应。这样一来，对于一个大量网络请求的任务而言，它可能起到很好的并发效果。

首先，我们通过一个简单的示例程序了解一下Gevent库的使用。

import gevent
 
def function1(str1, str2):
    print "************"
    print str1
    print str2
 
if __name__ == "__main__":
    task_list = [] #准备一个任务列表
    for i in range(5):
        str1 = "string1_" + str(i)
        str2 = "string2_" + str(i)
        task_list.append(gevent.spawn(function1, str1, str2))  #向任务列表中添加任务
    result = gevent.joinall(task_list)

对于gevent而言，我们需要准备一个任务列表。
任务列表中每一个元素都是一个gevent.spawn()对象。
其中，gevent.spawn()函数可以接收一至多个参数。
第一个参数为任务需要执行的函数，后续的参数为函数对应的输入参数。
最终，当我们得到完成的任务列表后，可以调用gevent.joinall()来执行该列表中的任务。

运行该程序，我们可以得到如下结果：

************
string1_0
string2_0
************
string1_1
string2_1
************
string1_2
string2_2
************
string1_3
string2_3
************
string1_4
string2_4

通过观察结果，我们不难发现，该程序仍然是顺序执行的所有的任务，而没有在不同的任务中进行切换。
那么是什么原因呢？

1. 没有包含IO或网络操作，因此没有自动触发切换任务。

2. 也没有手工触发切换进程。

首先，我们先来学习如何手工触发切换任务：
只需要添加一行代码gevent.sleep()后，得到的代码如下：

import gevent
 
def function1(str1, str2):
    print "************"
    print str1
    gevent.sleep()  #添加一行代码
    print str2
 
if __name__ == "__main__":
    task_list = []
    for i in range(5):
        str1 = "string1_" + str(i)
        str2 = "string2_" + str(i)
        task_list.append(gevent.spawn(function1, str1, str2))
    result = gevent.joinall(task_list)

重新运行程序后观察结果：

************
string1_0
************
string1_1
************
string1_2
************
string1_3
************
string1_4
string2_0
string2_1
string2_2
string2_3
string2_4

观察结果后，我们可以发现程序在运行到gevent.sleep()后，不会继续在当前任务中执行，而是切换至别的任务中运行。

当然，在应用代码中，我们很少会手工触发gevent.sleep()来切换任务。
而是通过引入一些相关的函数，可以自动起到在面临网络请求的任务时，自动切换任务。
具体的实现方法我们根据如下代码来进行讲解：

import gevent
import requests
import time
 
def request_url(url):
    """
    # 访问一个url并得到响应结果
    :param url:
    :return:
    """
    from gevent import monkey
    monkey.patch_socket()  #引入猴子补丁
    print url
    response = requests.get(url)
    print "response of url:", url
    return response.content
 
if __name__ == "__main__":
    url_list = ['https://github.com/',
                'http://www.missshi.cn:8888/',
                'https://www.python.org/',
                'https://www.yahoo.com/'] * 10
    task_list = []
    response_list = []
    begin_time = time.time()
    for url in url_list:
        task_list.append(gevent.spawn(request_url, url))
    result = gevent.joinall(task_list)
    end_time = time.time()
    used_time = end_time - begin_time
    print used_time

需要注意的是，当我们引入猴子补丁后，会对已经以后的方法进行改写。
因此，不建议在全局范围内引入猴子补丁，最好是在哪部分为并发执行函数，则在哪部分引入猴子补丁。
在引入猴子补丁后，当运行到网络请求时，则会切换至其他任务继续执行，而不是在当前任务中继续等待。

最后，我们来讲解一下针对任务列表中的任务，在执行完成后如何获取并发任务的返回值。

if __name__ == "__main__":
    url_list = ['https://github.com/',
                'http://www.missshi.cn:8888/',
                'https://www.python.org/',
                'https://www.yahoo.com/'] * 10
    task_list = []
    response_list = []
    begin_time = time.time()
    for url in url_list:
        task_list.append(gevent.spawn(request_url, url))
    result = gevent.joinall(task_list)
    response_list = [element.value for element in result]  #从result中获取每个请求的Response
    end_time = time.time()
    used_time = end_time - begin_time
    print used_time

对于gevent.joinall()函数而言，得到的结果是一个迭代器。

其中，迭代器中每一个元素都包含一个属性value，其对应值为每个任务函数的返回值。