python基础(16)-进程&线程&协程

进程之multiprocessing模块

Process(进程)

Process模块是一个创建进程的模块，借助这个模块，就可以完成进程的创建。

• 介绍

  • 初始化参数

    Process([group [, target [, name [, args [, kwargs]]]]])，由该类实例化得到的对象，表示一个子进程中的任务（尚未启动）
    
    强调：
    1. 需要使用关键字的方式来指定参数
    2. args指定的为传给target函数的位置参数，是一个元组形式，必须有逗号
    
    参数介绍：
    1. group参数未使用，值始终为None
    2. target表示调用对象，即子进程要执行的任务
    3. args表示调用对象的位置参数元组，args=(1,2,'zze',)
    4. kwargs表示调用对象的字典,kwargs={'name':'zze','age':18}
    5. name为子进程的名称

  • 方法

    p.start()：启动进程，并调用该子进程中的p.run()
    p.run():进程启动时运行的方法，正是它去调用target指定的函数，我们自定义类的类中一定要实现该方法
    p.terminate():强制终止进程p，不会进行任何清理操作，如果p创建了子进程，该子进程就成了僵尸进程，使用该方法需要特别小心这种情况。如果p还保存了一个锁那么也将不会被释放，进而导致死锁
    p.is_alive():如果p仍然运行，返回True
    p.join([timeout]):主线程等待p终止（强调：是主线程处于等的状态，而p是处于运行的状态）。timeout是可选的超时时间，需要强调的是，p.join只能join住start开启的进程，而不能join住run开启的进程
    

  • 属性

    p.daemon：默认值为False，如果设为True，代表p为后台运行的守护进程，当p的父进程终止时，p也随之终止，并且设定为True后，p不能创建自己的新进程，必须在p.start()之前设置
    p.name:进程的名称
    p.pid：进程的pid
    p.exitcode:进程在运行时为None、如果为–N，表示被信号N结束(了解即可)
    p.authkey:进程的身份验证键,默认是由os.urandom()随机生成的32字符的字符串。这个键的用途是为涉及网络连接的底层进程间通信提供安全性，这类连接只有在具有相同的身份验证键时才能成功（了解即可）

  • 注

    在Windows操作系统中由于没有fork(linux操作系统中创建进程的机制)，在创建子进程的时候会自动 import 启动它的这个文件，而在 import 的时候又执行了整个文件。因此如果将process()直接写在文件中就会无限递归创建子进程报错。所以必须把创建子进程的部分使用if __name__ ==‘__main__’ 判断保护起来，import 的时候  ，就不会递归运行了。

• 使用

  • 创建子进程

     import time
     from multiprocessing import Process
    
     def f(name):
         print('hello', name)
         print('我是子进程')
    
     if __name__ == '__main__':
         p = Process(target=f, args=('bob',))
         p.start()
         time.sleep(1)
         print('执行主进程的内容了')
    
     # result
     # hello bob
     # 我是子进程
     # 执行主进程的内容了

  • join()

    join()函数可以阻塞主进程,让其等待子进程代码执行完毕后,再执行join()后面的代码

     import time
     from multiprocessing import Process
    
     def f(name):
         print('hello', name)
         time.sleep(2)
         print('我是子进程')
    
     if __name__ == '__main__':
         p = Process(target=f, args=('bob',))
         p.start()
         time.sleep(1)
         p.join()
         print('执行主进程的内容了')
    
     # result
     # hello bob
     # 我是子进程
     # 执行主进程的内容了

  • 查看进程号

     import os
     from multiprocessing import Process
    
     def f(x):
         print('子进程id ：',os.getpid(),'父进程id ：',os.getppid())
         return x*x
    
     if __name__ == '__main__':
         print('主进程id ：', os.getpid())
         p_lst = []
         for i in range(5):
             p = Process(target=f, args=(i,))
             p.start()
    
     #result:
     # 主进程id ： 9208
     # 子进程id ： 4276 父进程id ： 9208
     # 子进程id ： 3744 父进程id ： 9208
     # 子进程id ： 9392 父进程id ： 9208
     # 子进程id ： 3664 父进程id ： 9208
     # 子进程id ： 520 父进程id ： 9208

  • 执行多个子进程

     import time
     from multiprocessing import Process
    
     def f(name):
         print('hello', name)
         time.sleep(1)
    
     if __name__ == '__main__':
         p_lst = []
         for i in range(5):
             p = Process(target=f, args=('bob%s'%i,))
             p.start()
             p_lst.append(p)
         [p.join() for p in p_lst]
         print('父进程在执行')
     #result:
     # hello bob0
     # hello bob1
     # hello bob2
     # hello bob3
     # hello bob4
     # 父进程在执行

  • 继承Process类开启进程

     import os
     from multiprocessing import Process
    
     class MyProcess(Process):
         def __init__(self, name):
             super().__init__()
             self.name = name
    
         def run(self):
             print(os.getpid())
             print(self.name)
    
     if __name__ == '__main__':
         p1 = MyProcess('p1')
         p2 = MyProcess('p2')
         p3 = MyProcess('p3')
         # start会自动调用run
         p1.start()
         p2.start()
         p3.start()
    
         p1.join()
         p2.join()
         p3.join()
         print('主线程111')
    
     #result:
    
     # p1
    
     # p2
    
     # p3
     # 主线程111

  • 守护进程

     import time
     from multiprocessing import Process
    
     def func():
         while True:
             print('我还活着')
             time.sleep(0.5)
    
     if __name__ == "__main__":
         p = Process(target=func)
         p.daemon = True  # 设置子进程为守护进程
         p.start()
         i = 2
         while i > 0:
             print('主进程执行')
             time.sleep(1)
             i -= 1
         print('主进程执行完毕')
    
     # result
     # 主进程执行
     # 我还活着
     # 我还活着
     # 主进程执行
     # 我还活着
     # 我还活着
     # 主进程执行完毕

    守护进程

     import time
     from multiprocessing import Process
    
     def func():
         while True:
             print('我还活着')
             time.sleep(0.5)
    
     if __name__ == "__main__":
         p = Process(target=func)
         # p.daemon = True  # 设置子进程为守护进程
         p.start()
         i = 2
         while i > 0:
             print('主进程执行')
             time.sleep(1)
             i -= 1
         print('主进程执行完毕')
    
     # result
     # 主进程执行
     # 我还活着
     # 我还活着
     # 主进程执行
     # 我还活着
     # 我还活着
     # 主进程执行完毕
     # 我还活着
     # 我还活着
     # 我还活着
     # 我还活着
     # 我还活着
     # 我还活着
     # 我还活着
     # 我还活着
     # ...

    非守护进程

Lock(锁)

加锁可以保证代码块在同一时间段只有指定一个进程执行

 from multiprocessing import Process
 import time
 import os

 def func():
     time.sleep(1)
     print('正在执行子进程的进程号:{},当前时间:{}'.format(os.getpid(), time.strftime("%Y-%m-%d %X")))

 if __name__ == '__main__':
     for i in range(5):
         Process(target=func).start()

 # result:
 # 正在执行子进程的进程号:6044,当前时间:2018-09-09 19:22:12
 # 正在执行子进程的进程号:7024,当前时间:2018-09-09 19:22:12
 # 正在执行子进程的进程号:9900,当前时间:2018-09-09 19:22:12
 # 正在执行子进程的进程号:8888,当前时间:2018-09-09 19:22:12
 # 正在执行子进程的进程号:10060,当前时间:2018-09-09 19:22:12

未加锁

 from multiprocessing import Lock
 from multiprocessing import Process
 import time
 import os

 def func(lock):
     lock.acquire()
     time.sleep(1)
     print('正在执行子进程的进程号:{},当前时间:{}'.format(os.getpid(), time.strftime("%Y-%m-%d %X")))
     lock.release()

 if __name__ == '__main__':
     lock = Lock()
     for i in range(5):
         Process(target=func, args=(lock,)).start()

 # result:
 # 正在执行子进程的进程号:8752,当前时间:2018-09-09 19:25:39
 # 正在执行子进程的进程号:10152,当前时间:2018-09-09 19:25:40
 # 正在执行子进程的进程号:5784,当前时间:2018-09-09 19:25:41
 # 正在执行子进程的进程号:9708,当前时间:2018-09-09 19:25:42
 # 正在执行子进程的进程号:8696,当前时间:2018-09-09 19:25:43

加锁

Semaphore(信号量)

信号量可以保证代码块在同一时间段只有指定数量进程执行

 from multiprocessing import Process, Semaphore
 import time

 def func(num, s):
     s.acquire()
     print('编号:{} 正在执行,'.format(num), time.strftime("%Y-%m-%d %X"))
     time.sleep(1)
     s.release()

 if __name__ == '__main__':
     s = Semaphore(2)
     for i in range(10):
         p = Process(target=func, args=(i, s))
         p.start()

 # result:
 # 编号:0 正在执行, 2018-09-10 16:16:28
 # 编号:1 正在执行, 2018-09-10 16:16:28
 # 编号:2 正在执行, 2018-09-10 16:16:29
 # 编号:3 正在执行, 2018-09-10 16:16:29
 # 编号:4 正在执行, 2018-09-10 16:16:30
 # 编号:5 正在执行, 2018-09-10 16:16:30
 # 编号:7 正在执行, 2018-09-10 16:16:31
 # 编号:6 正在执行, 2018-09-10 16:16:31
 # 编号:8 正在执行, 2018-09-10 16:16:32
 # 编号:9 正在执行, 2018-09-10 16:16:32

Event(事件)

例:让指定代码块在5秒后执行

 from multiprocessing import Process, Event
 import time

 # 获取指定秒数后的时间
 def get_addsec_time(sec=0):
     return time.strftime("%Y-%m-%d %X", time.localtime(time.time() + sec))

 def func(e):
     print('func准备执行')
     e.wait()  # 当e.is_set()为True时执行后面代码
     print('执行了,当前时间:{}'.format(time.strftime("%Y-%m-%d %X")))

 if __name__ == '__main__':
     e = Event()
     print(e.is_set())  # False 初始是阻塞状态
     e.set()
     print(e.is_set())  # True 不阻塞
     e.clear()
     print(e.is_set())  # False 恢复阻塞
     after_five_sec = get_addsec_time(5)  # 5秒后的时间
     Process(target=func, args=(e,)).start()
     while True:
         print('当前时间:{}'.format(time.strftime("%Y-%m-%d %X")))
         time.sleep(1)
         if time.strftime("%Y-%m-%d %X") == after_five_sec:
             print('5秒过去了')
             e.set()
             break;

 # result:
 # False
 # True
 # False
 # 当前时间:2018-09-10 17:06:37
 # func准备执行
 # 当前时间:2018-09-10 17:06:38
 # 当前时间:2018-09-10 17:06:39
 # 当前时间:2018-09-10 17:06:40
 # 当前时间:2018-09-10 17:06:41
 # 5秒过去了
 # 执行了,当前时间:2018-09-10 17:06:42

Queue(队列)

创建共享的进程队列，Queue是多进程安全的队列，可以使用Queue实现多进程之间的数据传递。

• 介绍

  • 初始化参数

    Queue([maxsize])
    创建共享的进程队列。
    参数 ：maxsize是队列中允许的最大项数。如果省略此参数，则无大小限制。
    底层队列使用管道和锁定实现。

  • 方法

    q.get( [ block [ ,timeout ] ] )
    返回q中的一个项目。如果q为空，此方法将阻塞，直到队列中有项目可用为止。block用于控制阻塞行为，默认为True. 如果设置为False，将引发Queue.Empty异常（定义在Queue模块中）。timeout是可选超时时间，用在阻塞模式中。如果在制定的时间间隔内没有项目变为可用，将引发Queue.Empty异常。
    
    q.get_nowait( )
    同q.get(False)方法。
    
    q.put(item [, block [,timeout ] ] )
    将item放入队列。如果队列已满，此方法将阻塞至有空间可用为止。block控制阻塞行为，默认为True。如果设置为False，将引发Queue.Empty异常（定义在Queue库模块中）。timeout指定在阻塞模式中等待可用空间的时间长短。超时后将引发Queue.Full异常。
    
    q.qsize()
    返回队列中目前项目的正确数量。此函数的结果并不可靠，因为在返回结果和在稍后程序中使用结果之间，队列中可能添加或删除了项目。在某些系统上，此方法可能引发NotImplementedError异常。
    
    q.empty()
    如果调用此方法时 q为空，返回True。如果其他进程或线程正在往队列中添加项目，结果是不可靠的。也就是说，在返回和使用结果之间，队列中可能已经加入新的项目。
    
    q.full()
    如果q已满，返回为True. 由于线程的存在，结果也可能是不可靠的（参考q.empty（）方法）。

    q.close()
    关闭队列，防止队列中加入更多数据。调用此方法时，后台线程将继续写入那些已入队列但尚未写入的数据，但将在此方法完成时马上关闭。如果q被垃圾收集，将自动调用此方法。关闭队列不会在队列使用者中生成任何类型的数据结束信号或异常。例如，如果某个使用者正被阻塞在get（）操作上，关闭生产者中的队列不会导致get（）方法返回错误。
    
    q.cancel_join_thread()
    不会再进程退出时自动连接后台线程。这可以防止join_thread()方法阻塞。
    
    q.join_thread()
    连接队列的后台线程。此方法用于在调用q.close()方法后，等待所有队列项被消耗。默认情况下，此方法由不是q的原始创建者的所有进程调用。调用q.cancel_join_thread()方法可以禁止这种行为。

• 使用

  • 队列用法

     '''
     multiprocessing模块支持进程间通信的两种主要形式:管道和队列
     都是基于消息传递实现的,但是队列接口
     '''
    
     from multiprocessing import Queue
     q=Queue(3)
    
     #put ,get ,put_nowait,get_nowait,full,empty
     q.put(3)
     q.put(3)
     q.put(3)
     # q.put(3)   # 如果队列已经满了，程序就会停在这里，等待数据被别人取走，再将数据放入队列。
                # 如果队列中的数据一直不被取走，程序就会永远停在这里。
     try:
         q.put_nowait(3) # 可以使用put_nowait，如果队列满了不会阻塞，但是会因为队列满了而报错。
     except: # 因此我们可以用一个try语句来处理这个错误。这样程序不会一直阻塞下去，但是会丢掉这个消息。
         print('队列已经满了')
    
     # 因此，我们再放入数据之前，可以先看一下队列的状态，如果已经满了，就不继续put了。
     print(q.full()) #满了
    
     print(q.get())
     print(q.get())
     print(q.get())
     # print(q.get()) # 同put方法一样，如果队列已经空了，那么继续取就会出现阻塞。
     try:
         q.get_nowait(3) # 可以使用get_nowait，如果队列满了不会阻塞，但是会因为没取到值而报错。
     except: # 因此我们可以用一个try语句来处理这个错误。这样程序不会一直阻塞下去。
         print('队列已经空了')
    
     print(q.empty()) #空了

  • 子进程与主进程通行

     from multiprocessing import Process, Queue
    
     def func(q, e):
         q.put('from son process')
    
     if __name__ == '__main__':
         q = Queue(5)  # 初始化队列容量为5
         p = Process(target=func, args=(q))
         p.start()
         p.join()
         print(q.get())  # from son process

JoinableQueue(可连接队列)

创建可连接的共享进程队列。这就像是一个Queue对象，但队列允许项目的使用者通知生产者项目已经被成功处理。通知进程是使用共享的信号和条件变量来实现的。

• 介绍

  • 方法

    JoinableQueue的实例q除了与Queue对象相同的方法之外，还具有以下方法：
    
    q.task_done()
    使用者使用此方法发出信号，表示q.get()返回的项目已经被处理。如果调用此方法的次数大于从队列中删除的项目数量，将引发ValueError异常。
    
    q.join()
    生产者将使用此方法进行阻塞，直到队列中所有项目均被处理。阻塞将持续到为队列中的每个项目均调用q.task_done()方法为止。
    下面的例子说明如何建立永远运行的进程，使用和处理队列上的项目。生产者将项目放入队列，并等待它们被处理。

• 使用

  • 生产者和消费者模型

     from multiprocessing import JoinableQueue, Process
     import time
     import random
    
     def producer(name, q):
         for i in range(1, 11):
             time.sleep(random.randint(1, 2))
             s = '{}生产的第{}个苹果'.format(name, i)
             q.put(s)
             print(s)
         q.join()  # 生产完毕，使用此方法进行阻塞，直到队列中所有苹果都被吃完。
    
     def consumer(name, q):
         while True:
             time.sleep(random.randint(2, 3))
             s = q.get()
             print('{}吃了{}'.format(name, s))
             q.task_done()  # 向q.join()发送一次信号,证明一个数据已经被取走了
    
     if __name__ == '__main__':
         q = JoinableQueue(10)
         producer_task = Process(target=producer, args=('bob', q))
         producer_task.start()
         consumer_task = Process(target=consumer, args=('tom', q))
         consumer_task.daemon = True  # 设置为守护进程 随主进程代码执行完而结束
         consumer_task.start()
    
         producer_task.join()  # 等待至生产完且生产的苹果都被吃完时继续执行即主进程代码结束
    
     # result:
     # bob生产的第1个苹果
     # tom吃了bob生产的第1个苹果
     # bob生产的第2个苹果
     # tom吃了bob生产的第2个苹果
     # bob生产的第3个苹果
     # tom吃了bob生产的第3个苹果
     # bob生产的第4个苹果
     # tom吃了bob生产的第4个苹果
     # bob生产的第5个苹果
     # tom吃了bob生产的第5个苹果
     # bob生产的第6个苹果
     # bob生产的第7个苹果
     # tom吃了bob生产的第6个苹果
     # bob生产的第8个苹果
     # tom吃了bob生产的第7个苹果
     # bob生产的第9个苹果
     # bob生产的第10个苹果
     # tom吃了bob生产的第8个苹果
     # tom吃了bob生产的第9个苹果
     # tom吃了bob生产的第10个苹果

Pipe(管道)

• 介绍

  • 初始化参数

    #创建管道的类：(管道是进程不安全的)
    Pipe([duplex]):在进程之间创建一条管道，并返回元组（conn1,conn2）,其中conn1，conn2表示管道两端的连接对象，强调一点：必须在产生Process对象之前产生管道
    #参数介绍：
    dumplex:默认管道是全双工的，如果将duplex设成False，conn1只能用于接收，conn2只能用于发送。

  • 方法

    #主要方法：
    conn1.recv():接收conn2.send(obj)发送的对象。如果没有消息可接收，recv方法会一直阻塞。如果连接的另外一端已经关闭，那么recv方法会抛出EOFError。
    conn1.send(obj):通过连接发送对象。obj是与序列化兼容的任意对象
    #其他方法：
    conn1.close():关闭连接。如果conn1被垃圾回收，将自动调用此方法
    conn1.fileno():返回连接使用的整数文件描述符
    conn1.poll([timeout]):如果连接上的数据可用，返回True。timeout指定等待的最长时限。如果省略此参数，方法将立即返回结果。如果将timeout射成None，操作将无限期地等待数据到达。
    
    conn1.recv_bytes([maxlength]):接收c.send_bytes()方法发送的一条完整的字节消息。maxlength指定要接收的最大字节数。如果进入的消息，超过了这个最大值，将引发IOError异常，并且在连接上无法进行进一步读取。如果连接的另外一端已经关闭，再也不存在任何数据，将引发EOFError异常。
    conn.send_bytes(buffer [, offset [, size]])：通过连接发送字节数据缓冲区，buffer是支持缓冲区接口的任意对象，offset是缓冲区中的字节偏移量，而size是要发送字节数。结果数据以单条消息的形式发出，然后调用c.recv_bytes()函数进行接收    
    
    conn1.recv_bytes_into(buffer [, offset]):接收一条完整的字节消息，并把它保存在buffer对象中，该对象支持可写入的缓冲区接口（即bytearray对象或类似的对象）。offset指定缓冲区中放置消息处的字节位移。返回值是收到的字节数。如果消息长度大于可用的缓冲区空间，将引发BufferTooShort异常。

• 使用

  • 初使用

     from multiprocessing import Process, Pipe
    
     def f(conn):
         conn.send("from sub process")
         conn.close()
    
     if __name__ == '__main__':
         parent_conn, child_conn = Pipe()
         p = Process(target=f, args=(child_conn,))
         p.start()
         print(parent_conn.recv())  # from sub process
         p.join()

  • 引发EOFError

    应该特别注意管道端点的正确管理问题。如果是生产者或消费者中都没有使用管道的某个端点，就应将它关闭。这也说明了为何在生产者中关闭了管道的输出端，在消费者中关闭管道的输入端。如果忘记执行这些步骤，程序可能在消费者中的recv（）操作上挂起。管道是由操作系统进行引用计数的，必须在所有进程中关闭管道后才能生成EOFError异常。因此，在生产者中关闭管道不会有任何效果，除非消费者也关闭了相同的管道端点。

     from multiprocessing import Process, Pipe
    
     def f(child_conn):
         while True:
             try:
                 print(child_conn.recv())
             except EOFError:
                 child_conn.close()
                 break
    
     if __name__ == '__main__':
         parent_conn, child_conn = Pipe()
         p = Process(target=f, args=(child_conn,))
         p.start()
         child_conn.close()
         parent_conn.send('hello')
         parent_conn.close()
         p.join()

Manager

 from multiprocessing import Manager, Process, Lock

 def work(d, lock):
     # with lock:
         d['count'] -= 1

 if __name__ == '__main__':
     with Manager() as m:
         lock = Lock()
         dic = m.dict({'count': 100})
         p_l = []
         for i in range(10):
             p = Process(target=work, args=(dic, lock))
             p_l.append(p)
             p.start()
         for p in p_l: p.join()

         print(dic)  # {'count': 91}
 # Manager包装的类型是进程不安全的

使用

Pool(进程池)

• 介绍

  • 初始化参数

    Pool([numprocess  [,initializer [, initargs]]]):创建进程池
    numprocess:要创建的进程数，如果省略，将默认使用cpu_count()的值
    initializer：是每个工作进程启动时要执行的可调用对象，默认为None
    initargs：是要传给initializer的参数组

  • 方法

    p.apply(func [, args [, kwargs]]):在一个池工作进程中执行func(*args,**kwargs),然后返回结果。
    '''需要强调的是：此操作并不会在所有池工作进程中并执行func函数。如果要通过不同参数并发地执行func函数，必须从不同线程调用p.apply()函数或者使用p.apply_async()'''
    
    p.apply_async(func [, args [, kwargs]]):在一个池工作进程中执行func(*args,**kwargs),然后返回结果。
    '''此方法的结果是AsyncResult类的实例，callback是可调用对象，接收输入参数。当func的结果变为可用时，将理解传递给callback。callback禁止执行任何阻塞操作，否则将接收其他异步操作中的结果。'''
    
    p.close():关闭进程池，防止进一步操作。如果所有操作持续挂起，它们将在工作进程终止前完成
    
    P.jion():等待所有工作进程退出。此方法只能在close（）或teminate()之后调用
    

    方法apply_async()和map_async（）的返回值是AsyncResul的实例obj。实例具有以下方法
     obj.get():返回结果，如果有必要则等待结果到达。timeout是可选的。如果在指定时间内还没有到达，将引发一场。如果远程操作中引发了异常，它将在调用此方法时再次被引发。
     obj.ready():如果调用完成，返回True
     obj.successful():如果调用完成且没有引发异常，返回True，如果在结果就绪之前调用此方法，引发异常
     obj.wait([timeout]):等待结果变为可用。
     obj.terminate()：立即终止所有工作进程，同时不执行任何清理或结束任何挂起工作。如果p被垃圾回收，将自动调用此函数

• 使用

  • 效率对比

     from multiprocessing import Pool, Process
     import time
    
     def func(n):
         for i in range(100):
             n += i
    
     if __name__ == '__main__':
         pool = Pool(5)
         start = time.time()
         pool.map(func, range(100))
         print('进程池执行耗时:{}'.format(time.time() - start))
         p_list = []
         start = time.time()
         for i in range(100):
             p = Process(target=func, args=(i,))
             p.start()
             p_list.append(p)
         for p in p_list: p.join()
         print('多进程执行耗时:{}'.format(time.time() - start))
    
     # result:
         # 进程池执行耗时: 0.24797534942626953
         # 多进程执行耗时: 7.359263896942139

  • 同步

     import os, time
     from multiprocessing import Pool
    
     def work(n):
         print('%s run' % os.getpid())
         time.sleep(3)
         return n ** 2
    
     if __name__ == '__main__':
         p = Pool(3)  # 进程池中从无到有创建三个进程,以后一直是这三个进程在执行任务
         res_l = []
         for i in range(10):
             res = p.apply(work, args=(i,))  # 同步调用，直到本次任务执行完毕拿到res，等待任务work执行的过程中可能有阻塞也可能没有阻塞
             res_l.append(res)  # 但不管该任务是否存在阻塞，同步调用都会在原地等着
         print(res_l)
     # result:
         # 15940 run
         # 16200 run
         # 16320 run
         # 15940 run
         # 16200 run
         # 16320 run
         # 15940 run
         # 16200 run
         # 16320 run
         # 15940 run
         # [0, 1, 4, 9, 16, 25, 36, 49, 64, 81]

  • 异步

     import os
     import time
     import random
     from multiprocessing import Pool
    
     def work(n):
         print('%s run' % os.getpid())
         time.sleep(random.random())
         return n ** 2
    
     if __name__ == '__main__':
         p = Pool(3)  # 进程池中从无到有创建三个进程,以后一直是这三个进程在执行任务
         res_l = []
         for i in range(10):
             res = p.apply_async(work, args=(i,))  # 异步运行，根据进程池中有的进程数，每次最多3个子进程在异步执行
             # 返回结果之后，将结果放入列表，归还进程，之后再执行新的任务
             # 需要注意的是，进程池中的三个进程不会同时开启或者同时结束
             # 而是执行完一个就释放一个进程，这个进程就去接收新的任务。
             res_l.append(res)
    
         # 异步apply_async用法：如果使用异步提交的任务，主进程需要使用jion，等待进程池内任务都处理完，然后可以用get收集结果
         # 否则，主进程结束，进程池可能还没来得及执行，也就跟着一起结束了
         p.close()
         p.join()
         for res in res_l:
             print(res.get())  # 使用get来获取apply_aync的结果,如果是apply,则没有get方法,因为apply是同步执行,立刻获取结果,也根本无需get
    
     # result:
         # 8872 run
         # 13716 run
         # 11396 run
         # 11396 run
         # 8872 run
         # 13716 run
         # 11396 run
         # 8872 run
         # 13716 run
         # 11396 run
    

  • 回调函数

     from multiprocessing import Pool
    
     def func(i):
         return i * i
    
     def callback_func(i):
         print(i)
    
     if __name__ == '__main__':
         pool = Pool(5)
         for i in range(1, 11):
             pool.apply_async(func, args=(i,), callback=callback_func)
         pool.close()
         pool.join()
     # # result:
    

线程之threading模块

进程和线程的关系

1）地址空间和其它资源（如打开文件）：进程间相互独立，同一进程的各线程间共享。某进程内的线程在其它进程不可见。

2）通信：进程间通信IPC，线程间可以直接读写进程数据段（如全局变量）来进行通信——需要进程同步和互斥手段的辅助，以保证数据的一致性。

3）调度和切换：线程上下文切换比进程上下文切换要快得多。

4）在多线程操作系统中，进程不是一个可执行的实体。

5）进程是资源分配的最小单位,线程是CPU调度的最小单位，每一个进程中至少有一个线程。

Thread(线程)

• 介绍

  multiprocess模块的完全模仿了threading模块的接口，二者在使用层面，有很大的相似性。

  Thread实例对象的方法
    isAlive(): 返回线程是否活动的。
    getName(): 返回线程名。
    setName(): 设置线程名。
  
  threading模块提供的一些方法：
    threading.currentThread(): 返回当前的线程变量。
    threading.enumerate(): 返回一个包含正在运行的线程的list。正在运行指线程启动后、结束前，不包括启动前和终止后的线程。
    threading.activeCount(): 返回正在运行的线程数量，与len(threading.enumerate())有相同的结果。

   import threading
   import time
  
   def func():
       print('start sub thread1')
       print(threading.currentThread())  # <Thread(sub thread1, started 11832)>
       time.sleep(10)
       print('end sub thread1')
  
   thread = threading.Thread(target=func)
   thread.start()
   print(thread.is_alive())  # True
   print(thread.getName())  # Thread-1
   thread.setName('sub thread1')
   print(thread.getName())  # sub thread1
   print(threading.currentThread())  # <_MainThread(MainThread, started 9708)>
   print(threading.enumerate())  # [<_MainThread(MainThread, started 9708)>, <Thread(sub thread1, started 11832)>]
   

  示例

• 使用

  • 创建线程

     from threading import Thread
    
     def func():
         print('from sub threading')
    
     p = Thread(target=func)
     p.start()
     p.join()
     # result:
         # from sub threading

  • 继承Thread创建线程

     from threading import Thread
    
     class MyThread(Thread):
         def run(self):
             print('from sub thread,threadid:{}'.format(self.ident))
    
     my_thread = MyThread()
     my_thread.start()
     my_thread.join()
    
     # result:
         # from sub thread,threadid:9332

  • 数据共享

    同一进程内的线程之间共享进程内的数据

     from threading import Thread
    
     def func():
         global i
         i = 1
    
     i = 10
     thread = Thread(target=func)
     thread.start()
     thread.join()
     

  • 守护线程与守护进程的对比

    无论是进程还是线程，都遵循：守护进程/线程会等待主进程/线程运行完毕后被销毁。需要强调的是：运行完毕并非终止运行

    1.对主进程来说，运行完毕指的是主进程代码运行完毕

    2.对主线程来说，运行完毕指的是主线程所在的进程内所有非守护线程统统运行完毕，主线程才算运行完毕

     from multiprocessing import Process
     import time
    
     def notDaemonFunc():
         print('start notDaemonFunc')
         time.sleep(10)
         print('end notDaemonFunc')
    
     def daemonFunc():
         print('start daemonFunc')
         time.sleep(5)
         print('end daemonFunc')  # 主进程代码早已执行完毕没机会执行
    
     if __name__ == '__main__':
         notDaemonProcess = Process(target=notDaemonFunc)
         notDaemonProcess.start()
         damonProcess = Process(target=daemonFunc)
         damonProcess.daemon = True
         damonProcess.start()
         time.sleep(1)
         print('执行完毕')
    
     # 主进程代码执行完毕时守护进程立马结束
    
     # result:
         # start notDaemonFunc
         # start daemonFunc
         # 执行完毕
         # end notDaemonFunc

    守护进程

     from threading import Thread
     import time
    
     def notDaemonFunc():
         print('start notDaemonFunc')
         time.sleep(10)
         print('end notDaemonFunc')
    
     def daemonFunc():
         print('start daemonFunc')
         time.sleep(5)
         print('end daemonFunc')
    
     notDaemonThread = Thread(target=notDaemonFunc)
     notDaemonThread.start()
     damonThread = Thread(target=daemonFunc)
     damonThread.daemon = True
     damonThread.start()
     time.sleep(1)
     print('执行完毕')
    
     # result:
         # start notDaemonFunc
         # start daemonFunc
         # 执行完毕
         # end daemonFunc
         # end notDaemonFunc

    守护线程

Lock(锁)

• 同步锁

   from threading import Thread
   import time
  
   def work():
       global n
       temp = n
       time.sleep(0.1)
       n = temp - 1
  
   if __name__ == '__main__':
       n = 100
       l = []
       for i in range(100):
           p = Thread(target=work)
           l.append(p)
           p.start()
       for p in l:
           p.join()
  
       print(n)  # 期望0 但结果可能为99 98

  未加锁

   from threading import Thread, Lock
   import time
  
   def work(lock):
       with lock:
           global n
           temp = n
           time.sleep(0.1)
           n = temp - 1
  
   if __name__ == '__main__':
       n = 100
       l = []
       lock = Lock()
       for i in range(100):
           p = Thread(target=work, args=(lock,))
           l.append(p)
           p.start()
       for p in l:
           p.join()
  

  加锁

• 死锁

  是指两个或两个以上的进程或线程在执行过程中，因争夺资源而造成的一种互相等待的现象，若无外力作用，它们都将无法推进下去。此时称系统处于死锁状态或系统产生了死锁，这些永远在互相等待的进程称为死锁进程

   import time
   from threading import Thread, Lock
  
   noodle_lock = Lock()
   fork_lock = Lock()
  
   def eat1(name):
       noodle_lock.acquire()
       print('%s 抢到了面条' % name)
       time.sleep(1)
       fork_lock.acquire()
       print('%s 抢到了筷子' % name)
       print('%s 吃面' % name)
       fork_lock.release()
       noodle_lock.release()
  
   def eat2(name):
       fork_lock.acquire()
       print('%s 抢到了筷子' % name)
       time.sleep(1)
       noodle_lock.acquire()
       print('%s 抢到了面条' % name)
       print('%s 吃面' % name)
       noodle_lock.release()
       fork_lock.release()
  
   t1 = Thread(target=eat1, args=('tom',))
   t2 = Thread(target=eat2, args=('jerry',))
   t1.start()
   t2.start()
   #result:
       # tom 抢到了面条
       # jerry 抢到了叉子

  吃面例子

• 死锁的解决-递归锁

  在Python中为了支持在同一线程中多次请求同一资源，提供了可重入锁RLock。这个RLock内部维护着一个Lock和一个counter变量，counter记录了acquire的次数，从而使得资源可以被多次请求。直到一个线程所有的acquire都被release，其他的线程才能获得资源。

   import time
   from threading import Thread, RLock
  
   fork_lock = noodle_lock = RLock()
  
   def eat1(name):
       noodle_lock.acquire()
       print('%s 抢到了面条' % name)
       time.sleep(1)
       fork_lock.acquire()
       print('%s 抢到了筷子' % name)
       print('%s 吃面' % name)
       fork_lock.release()
       noodle_lock.release()
  
   def eat2(name):
       fork_lock.acquire()
       print('%s 抢到了筷子' % name)
       time.sleep(1)
       noodle_lock.acquire()
       print('%s 抢到了面条' % name)
       print('%s 吃面' % name)
       noodle_lock.release()
       fork_lock.release()
  
   t1 = Thread(target=eat1, args=('tom',))
   t2 = Thread(target=eat2, args=('jerry',))
   t1.start()
   t2.start()
  
   # result:
       # tom 抢到了面条
       # tom 抢到了筷子
       # tom 吃面
       # jerry 抢到了筷子
       # jerry 抢到了面条
       # jerry 吃面

  解决吃面问题

Semaphore(信号量)

 from threading import Thread, Semaphore
 import time

 def func(num, s):
     s.acquire()
     print('编号:{} 正在执行,'.format(num), time.strftime("%Y-%m-%d %X"))
     time.sleep(1)
     s.release()

 s = Semaphore(2)
 [Thread(target=func, args=(i, s)).start() for i in range(10)]

 # result:
     # 编号:0 正在执行, 2018-09-12 20:33:09
     # 编号:1 正在执行, 2018-09-12 20:33:09
     # 编号:2 正在执行, 2018-09-12 20:33:10
     # 编号:3 正在执行, 2018-09-12 20:33:10
     # 编号:4 正在执行, 2018-09-12 20:33:11
     # 编号:5 正在执行, 2018-09-12 20:33:11
     # 编号:7 正在执行, 2018-09-12 20:33:12
     # 编号:6 正在执行, 2018-09-12 20:33:12
     # 编号:9 正在执行, 2018-09-12 20:33:13
     # 编号:8 正在执行, 2018-09-12 20:33:13

Event(事件)

 from threading import Thread, Event
 import time

 # 获取指定秒数后的时间
 def get_addsec_time(sec=0):
     return time.strftime("%Y-%m-%d %X", time.localtime(time.time() + sec))

 def func(e):
     print('func准备执行')
     e.wait()  # 当e.is_set()为True时执行后面代码
     print('执行了,当前时间:{}'.format(time.strftime("%Y-%m-%d %X")))

 e = Event()
 print(e.is_set())  # False 初始是阻塞状态
 e.set()
 print(e.is_set())  # True 不阻塞
 e.clear()
 print(e.is_set())  # False 恢复阻塞
 after_five_sec = get_addsec_time(5)  # 5秒后的时间
 Thread(target=func, args=(e,)).start()
 while True:
     print('当前时间:{}'.format(time.strftime("%Y-%m-%d %X")))
     time.sleep(1)
     if time.strftime("%Y-%m-%d %X") == after_five_sec:
         print('5秒过去了')
         e.set()
         break;

 # result:
     # False
     # True
     # False
     # func准备执行
     # 当前时间:2018-09-12 20:37:27
     # 当前时间:2018-09-12 20:37:28
     # 当前时间:2018-09-12 20:37:29
     # 当前时间:2018-09-12 20:37:30
     # 当前时间:2018-09-12 20:37:31
     # 5秒过去了
     # 执行了,当前时间:2018-09-12 20:37:32

Condition(条件)

使得线程等待，只有满足某条件时，才释放n个线程

Python提供的Condition对象提供了对复杂线程同步问题的支持。Condition被称为条件变量，除了提供与Lock类似的acquire和release方法外，还提供了wait和notify方法。线程首先acquire一个条件变量，然后判断一些条件。如果条件不满足则wait；如果条件满足，进行一些处理改变条件后，通过notify方法通知其他线程，其他处于wait状态的线程接到通知后会重新判断条件。不断的重复这一过程，从而解决复杂的同步问题。

 import threading

 def run(n):
     con.acquire()
     print('prepare')
     con.wait()
     print("run the thread: %s" % n)
     con.release()

 con = threading.Condition()
 for i in range(5):
     t = threading.Thread(target=run, args=(i,))
     t.start()

 while True:
     inp = input('>>>')
     if inp == 'q':
         break
     con.acquire()
     con.notify(int(inp))
     con.release()
     print('------------------------')

 #result:
     # prepare
     # prepare
     # prepare
     # prepare
     # prepare
     # >>>3
     # ------------------------
     # run the thread: 2
     # run the thread: 1
     # run the thread: 0
     # >>>3
     # ------------------------
     # run the thread: 4
     # run the thread: 3
     # >>>q

Timer(定时器)

指定n秒后执行某个函数

 from threading import Timer
 import time

 def func():
     print('in func,current time:{}'.format(time.strftime('%X')))

 print('in main,current time:{}'.format(time.strftime('%X')))
 # 5秒后执行
 t = Timer(5, func)
 t.start()

 # result:
     # in main,current time:20:53:52
     # in func,current time:20:53:57

扩展

queen模块

在上述threading模块知识点中并没有出现一个和multiprocessing模块中Queen对应的队列,这是因为python本身给我们提供的queen就是线程安全的,而同个进程的线程之间资源是可以共享的,所以我们可以直接使用queen

• queue.Queue(maxsize=0) 先进先出

   import queue
  
   q=queue.Queue()
   q.put('first')
   q.put('second')
   q.put('third')
  
   print(q.get())
   print(q.get())
   print(q.get())
  
   '''
   result:
       first
       second
       third
   '''

• queue.LifoQueue(maxsize=0) 后进先出

   import queue
  
   q = queue.LifoQueue()
   q.put('first')
   q.put('second')
   q.put('third')
  
   print(q.get())
   print(q.get())
   print(q.get())
   '''
   result:
       third
       second
       first
   '''

• queue.PriorityQueue(maxsize=0) #优先级

   import queue
  
   q = queue.PriorityQueue()
   # put进入一个元组,第一个元素是优先级(通常是数字,也可以是非数字之间的比较),数字越小优先级越高
   q.put((20, 'a'))
   q.put((10, 'b'))
   q.put((30, 'c'))
  
   print(q.get())
   print(q.get())
   print(q.get())
   '''
   数字越小优先级越高,优先级高的优先出队
   result:
       (10, 'b')
       (20, 'a')
       (30, 'c')
   '''

线程池之concurrent.futures模块

• 介绍

  concurrent.futures模块提供了高度封装的异步调用接口
  ThreadPoolExecutor:线程池，提供异步调用
  ProcessPoolExecutor:进程池，提供异步调用
  
  executor = ProcessPoolExecutor(max_workers=n):初始化进程池 max_workers指定池内最大进程数
  executor.submit(fn, *args, **kwargs):异步提交任务
  executor.map(func, *iterables, timeout=None, chunksize=1) 取代for循环submit的操作
  executor.shutdown(wait=True)  :相当于multiprocessing模块中的pool.close()+pool.join()操作,wait=True时,等待池内所有任务执行完毕回收完资源后才继续.wait=False时,立即返回，并不会等待池内的任务执行完毕,但不管wait参数为何值，整个程序都会等到所有任务执行完毕,submit和map必须在shutdown之前
  executor.submit().result(timeout=None):取得结果
  executor.submit().result(timeout=None):取得结果
  executor.submit().add_done_callback(fn):给任务添加回调函数

• 使用

  • 创建进程池

     from concurrent.futures import ThreadPoolExecutor, ProcessPoolExecutor
    
     import os, time
    
     def func(n):
         print('{} is runing ,current time:{}'.format(os.getpid(), time.strftime('%X')))
         time.sleep(1)
         return 'pid:{} finished'.format(os.getpid())
    
     if __name__ == '__main__':
         executor = ProcessPoolExecutor(max_workers=2)
         result_list = []
         for i in range(1, 6):
             result = executor.submit(func, i)
             result_list.append(result)
         executor.shutdown(True)
         print('---------------get result-----------------')
         for result in result_list:
             print(result.result())
    
     '''
     result:
         3444 is runing ,current time:21:32:39
         2404 is runing ,current time:21:32:39
         3444 is runing ,current time:21:32:40
         2404 is runing ,current time:21:32:40
         3444 is runing ,current time:21:32:41
         ---------------get result-----------------
         pid:3444 finished
         pid:2404 finished
         pid:3444 finished
         pid:2404 finished
         pid:3444 finished
     '''

  • map使用

     from concurrent.futures import ThreadPoolExecutor
     import threading
     import time
    
     def task(n):
         print('threadId:{} is runing,current time:{}'.format(threading.currentThread().ident, time.strftime('%X')))
         time.sleep(1)
         return n ** 2
    
     if __name__ == '__main__':
         executor = ThreadPoolExecutor(max_workers=2)
    
         # for i in range(11):
         #     future=executor.submit(task,i)
    
         executor.map(task, range(1, 5))  # map取代了for+submit
    
     '''
     result:
         threadId:5324 is runing,current time:21:53:24
         threadId:3444 is runing,current time:21:53:24
         threadId:5324 is runing,current time:21:53:25
         threadId:3444 is runing,current time:21:53:25
     '''

  • 回调函数

     from concurrent.futures import ThreadPoolExecutor
     import threading
     import time
    
     def callback_func(result):
         print(result.result())
    
     def func(i):
         return i * i
    
     executor = ThreadPoolExecutor(5)
     [executor.submit(func, i).add_done_callback(callback_func) for i in range(1, 5)]
    
     '''
     result:
         1
         4
         9
         16
     '''

协程之gevent模块

单线程里执行多个任务代码通常会既有计算操作又有阻塞操作，我们完全可以在执行任务1时遇到阻塞，就利用阻塞的时间去执行任务2。如此，才能提高效率，这就用到了Gevent模块。

介绍

• 简介

  协程是单线程下的并发，又称微线程，纤程。英文名Coroutine。一句话说明什么是线程：协程是一种用户态的轻量级线程，即协程是由用户程序自己控制调度的。

  需要强调的是：

  1. python的线程属于内核级别的，即由操作系统控制调度（如单线程遇到io或执行时间过长就会*交出cpu执行权限，切换其他线程运行）

  2. 单线程内开启协程，一旦遇到io，就会从应用程序级别（而非操作系统）控制切换，以此来提升效率（！！！非io操作的切换与效率无关） 对比操作系统控制线程的切换，用户在单线程内控制协程的切换

• 优点

  1. 协程的切换开销更小，属于程序级别的切换，操作系统完全感知不到，因而更加轻量级

  2. 单线程内就可以实现并发的效果，最大限度地利用cpu

• 缺点

  1. 协程的本质是单线程下，无法利用多核，可以是一个程序开启多个进程，每个进程内开启多个线程，每个线程内开启协程

  2. 协程指的是单个线程，因而一旦协程出现阻塞，将会阻塞整个线程

• 特点

  1. 必须在只有一个单线程里实现并发

  2. 修改共享数据不需加锁

  3. 用户程序里自己保存多个控制流的上下文栈

  4. 附加：一个协程遇到IO操作自动切换到其它协程（如何实现检测IO，yield、greenlet都无法实现，就用到了gevent模块（select机制））

greenlet模块

安装: pip3 install greenlet

• 实现状态切换

   from greenlet import greenlet
  
   def func1():
       print('func1 start')
       g2.switch()
       print('func1 end')
       g2.switch()
  
   def func2():
       print('func2 start')
       g1.switch()
       print('func2 end')
  
   g1 = greenlet(func1)
   g2 = greenlet(func2)
   g1.switch()
  
   '''
   result:
       func1 start
       func2 start
       func1 end
       func2 end
   '''

• 顺序执行与切换执行效率对比

   #顺序执行
   import time
   def f1():
       res=1
       for i in range(100000000):
           res+=i
  
   def f2():
       res=1
       for i in range(100000000):
           res*=i
  
   start=time.time()
   f1()
   f2()
   stop=time.time()
   print('run time is %s' %(stop-start)) #10.985628366470337
  
   #切换
   from greenlet import greenlet
   import time
   def f1():
       res=1
       for i in range(100000000):
           res+=i
           g2.switch()
  
   def f2():
       res=1
       for i in range(100000000):
           res*=i
           g1.switch()
  
   start=time.time()
   g1=greenlet(f1)
   g2=greenlet(f2)
   g1.switch()
   stop=time.time()
   print('run time is %s' %(stop-start)) # 52.763017892837524

  单纯的切换（在没有io的情况下或者没有重复开辟内存空间的操作），反而会降低程序的执行速度

协程初使用

安装: pip3 install gevent

• 非协程和协程耗时对比

   import gevent
   import threading
   import os
   import time
  
   def func1():
       print('pid:{} threadid:{} from func1 | start'.format(os.getpid(), threading.get_ident()))
       gevent.sleep(1)
       print('pid:{} threadid:{} from func1 | end'.format(os.getpid(), threading.get_ident()))
  
   def func2():
       print('pid:{} threadid:{} from func2 | start'.format(os.getpid(), threading.get_ident()))
       gevent.sleep(1)
       print('pid:{} threadid:{} from func2 | end'.format(os.getpid(), threading.get_ident()))
  
   start = time.time()
   func1()
   func2()
   print('非协程耗时:{}'.format(time.time() - start))
  
   start = time.time()
   g1 = gevent.spawn(func1)
   g2 = gevent.spawn(func2)
   g1.join()
   g2.join()
   print('协程耗时:{}'.format(time.time() - start))
  
   '''
   result:
       pid:12092 threadid:2828 from func1 | start
       pid:12092 threadid:2828 from func1 | end
       pid:12092 threadid:2828 from func2 | start
       pid:12092 threadid:2828 from func2 | end
       非协程耗时:2.008000135421753
       pid:12092 threadid:2828 from func1 | start
       pid:12092 threadid:2828 from func2 | start
       pid:12092 threadid:2828 from func1 | end
       pid:12092 threadid:2828 from func2 | end
       协程耗时:1.0
   '''

• monkey-识别io阻塞

  上例gevent.sleep(2)模拟的是gevent可以识别的io阻塞,而time.sleep(2)或其他的阻塞,gevent是不能直接识别的需要用下面一行代码,打补丁,就可以识别了

  from gevent import monkey;monkey.patch_all() # 必须放到被打补丁者的前面

   from gevent import monkey;monkey.patch_all()
   import gevent
   import threading
   import os
   import time
  
   def func1():
       print('pid:{} threadid:{} from func1 | start'.format(os.getpid(), threading.get_ident()))
       time.sleep(1)
       print('pid:{} threadid:{} from func1 | end'.format(os.getpid(), threading.get_ident()))
  
   def func2():
       print('pid:{} threadid:{} from func2 | start'.format(os.getpid(), threading.get_ident()))
       time.sleep(1)
       print('pid:{} threadid:{} from func2 | end'.format(os.getpid(), threading.get_ident()))
  
   start = time.time()
   func1()
   func2()
   print('非协程耗时:{}'.format(time.time() - start))
  
   start = time.time()
   g1 = gevent.spawn(func1)
   g2 = gevent.spawn(func2)
   g1.join()
   g2.join()
   print('协程耗时:{}'.format(time.time() - start))
  
   '''
   result:
       pid:7200 threadid:43458064 from func1 | start
       pid:7200 threadid:43458064 from func1 | end
       pid:7200 threadid:43458064 from func2 | start
       pid:7200 threadid:43458064 from func2 | end
       非协程耗时:2.004999876022339
       pid:7200 threadid:55386728 from func1 | start
       pid:7200 threadid:55387544 from func2 | start
       pid:7200 threadid:55386728 from func1 | end
       pid:7200 threadid:55387544 from func2 | end
       协程耗时:1.000999927520752
   '''

• 统计网页长度

   from gevent import monkey;monkey.patch_all()
   import gevent
   import requests
   import time
  
   def get_page(url):
       print('GET: %s' % url)
       response = requests.get(url)
       if response.status_code == 200:
           print('%d bytes received from %s' % (len(response.text), url))
  
   start_time = time.time()
   gevent.joinall([
       gevent.spawn(get_page, 'https://www.python.org/'),
       gevent.spawn(get_page, 'https://www.yahoo.com/'),
       gevent.spawn(get_page, 'https://github.com/'),
   ])
   stop_time = time.time()
   print('run time is %s' % (stop_time - start_time))
   '''
   result:
       GET: https://www.python.org/
       GET: https://www.yahoo.com/
       GET: https://github.com/
       64127 bytes received from https://github.com/
       48854 bytes received from https://www.python.org/
       502701 bytes received from https://www.yahoo.com/
       run time is 1.9760000705718994
   '''

• 单线程下的socket并发

   from gevent import monkey;monkey.patch_all()
   from socket import *
   import gevent
  
   # 如果不想用money.patch_all()打补丁,可以用gevent自带的socket
   # from gevent import socket
   # s=socket.socket()
  
   def server(server_ip, port):
       s = socket(AF_INET, SOCK_STREAM)
       s.setsockopt(SOL_SOCKET, SO_REUSEADDR, 1)
       s.bind((server_ip, port))
       s.listen(5)
       while True:
           conn, addr = s.accept()
           gevent.spawn(talk, conn, addr)
  
   def talk(conn, addr):
       try:
           while True:
               res = conn.recv(1024)
               print('client %s:%s msg: %s' % (addr[0], addr[1], res))
               conn.send(res.upper())
       except Exception as e:
           print(e)
       finally:
           conn.close()
  
   if __name__ == '__main__':
       server('127.0.0.1', 8080)

  server

   from threading import Thread
   from socket import *
   import threading
  
   def client(server_ip, port):
       c = socket(AF_INET, SOCK_STREAM)  # 套接字对象一定要加到函数内，即局部名称空间内，放在函数外则被所有线程共享，则大家公用一个套接字对象，那么客户端端口永远一样了
       c.connect((server_ip, port))
  
       count = 0
       while True:
           c.send(('%s say hello %s' % (threading.current_thread().getName(), count)).encode('utf-8'))
           msg = c.recv(1024)
           print(msg.decode('utf-8'))
           count += 1
  
   if __name__ == '__main__':
       for i in range(500):
           t = Thread(target=client, args=('127.0.0.1', 8080))
           t.start()

  client