内容目录：
1.socket服务端实现并发
2.进程池，线程池
3.协程
4.IO模型
1.socket服务端实现并发
# 客户端：
import socket
client = socket.socket()
client.connect(('127.0.0.1', 8080))
while True:
data = input('>>>:').encode('utf-8')
if len(data) == 0: continue
client.send(data)
res = client.recv(1024)
print(res)
# 服务端：
"""
1.固定的ip和端口
2.24小时不间断提供服务
3.支持高并发
"""
import socket
from threading import Thread
server = socket.socket()
server.bind(('127.0.0.1', 8080))
server.listen(5)
def trans_data(conn):
while True:
try:
data = conn.recv(1024)
if len(data) == 0: break
print(data)
conn.send(data.upper())
except ConnectionResetError:
break
conn.close()
while True:
conn, addr = server.accept()
print(addr)
t = Thread(target=trans_data, args=(conn,))
t.start()
2.进程池、线程池
"""
无论是开线程还是开进程，其实都会消耗资源，开线程消耗的资源比开进程的小
池：
1.为了减缓计算机硬件的压力，避免计算机硬件设备崩溃
2.虽然减轻了计算机硬件的压力，但一定程度上降低了持续的效率
进程池、线程池：
为了限制开设的进程数和线程数，从而保证计算机硬件的安全
"""
from concurrent.futures import ThreadPoolExecutor, ProcessPoolExecutor
import time
# 实例化池对象 --线程池
# 不指定参数的情况下，默认为当前计算机cpu个数乘以5，也可指定线程个数
pool1 = ThreadPoolExecutor(20)
# 实例化池对象 --进程池
# 不指定参数的情况下，默认为当前计算机cpu个数，也可指定进程个数
pool = ProcessPoolExecutor(20)
# pool = pool1 # 为了交换测试两种池
def task(n):
print(n)
time.sleep(2)
return n**2
def call_back(n):
print("拿到结果：%s" % n.result())
"""
提交任务的方式：
同步：提交任务之后，等待任务执行返回结果之后，再进行下一步代码
异步：提交任务之后，不等待任务的返回结果（通过回调函数返回结果），直接执行下一步操作
"""
# 回调函数：异步提交之后一旦任务有返回结果，自动交给另一个去执行
if __name__ == '__main__':
# pool.submit(task,1)
t_list = []
for i in range(20):
pool.submit(task, i).add_done_callback(call_back) # 异步提交任务
# t_list.append(future)
pool.shutdown() # 关闭池子并且等待池子中所有的任务运行完毕
# for p in t_list:
# print('>>>:', p.result())
print('主')
3.协程
"""
进程：资源单位（车间）
线程：最小执行单位（流水线）
协程：单线程，实现并发
并发：看上去像同时运行就可以称之为并发
多道技术：
空间上的复用：硬件上的复用，内存中划分区域存放数据信息
时间上的复用：快速切换
协程：认为创造的专业名词
通过代码层面自己监测IO自己实现切换，让操作系统误以为你这个线程没有IO
切换+保存状态就一定能够提升程序效率吗？
不一定，如果任务是计算密集型，反而会降低效率，如果任务是IO密集型，会提升效率。
"""
# 检测代码中所有的IO行为
from gevent import monkey;monkey.patch_all()
from gevent import spawn, joinall # gevent 本身识别不了time.sleep等不属于该模块内的io操作
import time
def play(name):
print('%s play 1' % name)
time.sleep(2)
print('%s play 2' % name)
def eat(name):
print('%s eat 1' % name)
time.sleep(1)
print('%s eat 2' % name)
start = time.time()
g1 = spawn(play, 'lisi')
g2 = spawn(eat, 'lisi')
# g1.join()
# g2.join()
joinall([g1, g2])
print('主', time.time() - start) # 单线程下实现并发，提升效率
"""
# 运行结果：
lisi play 1
lisi eat 1
lisi eat 2
lisi play 2
主 2.013660192489624
"""
4.IO模型
"""
阻塞IO
非阻塞IO (服务端通信针对accept用s.setblocking(False)加异常捕获，cpu占用率过高)
IO多路复用
在只检测一个套接字的情况下，他的效率连阻塞IO都比不上。因为select这个中间人增加了环节。
但是在检测多个套接字的情况下，就能省去wait for data过程
异步IO
"""
