Skip to content

Latest commit

 

History

History
140 lines (105 loc) · 9.15 KB

01.预备知识.md

File metadata and controls

140 lines (105 loc) · 9.15 KB

预备知识

并发编程

所谓并发编程就是让程序中有多个部分能够并发或同时执行,并发编程带来的好处不言而喻,其中最为关键的两点是提升了执行效率和改善了用户体验。下面简单阐述一下Python中实现并发编程的三种方式:

  1. 多线程:Python中通过threading模块的Thread类并辅以LockConditionEventSemaphoreBarrier等类来支持多线程编程。Python解释器通过GIL(全局解释器锁)来防止多个线程同时执行本地字节码,这个锁对于CPython(Python解释器的官方实现)是必须的,因为CPython的内存管理并不是线程安全的。因为GIL的存在,Python的多线程并不能利用CPU的多核特性。

  2. 多进程:使用多进程可以有效的解决GIL的问题,Python中的multiprocessing模块提供了Process类来实现多进程,其他的辅助类跟threading模块中的类类似,由于进程间的内存是相互隔离的(操作系统对进程的保护),进程间通信(共享数据)必须使用管道、套接字等方式,这一点从编程的角度来讲是比较麻烦的,为此,Python的multiprocessing模块提供了一个名为Queue的类,它基于管道和锁机制提供了多个进程共享的队列。

    """
    用下面的命令运行程序并查看执行时间,例如:
    time python3 example06.py
    real    0m20.657s
    user    1m17.749s
    sys     0m0.158s
    使用多进程后实际执行时间为20.657秒,而用户时间1分17.749秒约为实际执行时间的4倍
    这就证明我们的程序通过多进程使用了CPU的多核特性,而且这台计算机配置了4核的CPU
    """
    import concurrent.futures
    import math
    
    PRIMES = [
        1116281,
        1297337,
        104395303,
        472882027,
        533000389,
        817504243,
        982451653,
        112272535095293,
        112582705942171,
        112272535095293,
        115280095190773,
        115797848077099,
        1099726899285419
    ] * 5
    
    
    def is_prime(num):
        """判断素数"""
        assert num > 0
        for i in range(2, int(math.sqrt(num)) + 1):
            if num % i == 0:
                return False
        return num != 1
    
    
    def main():
        """主函数"""
        with concurrent.futures.ProcessPoolExecutor() as executor:
            for number, prime in zip(PRIMES, executor.map(is_prime, PRIMES)):
                print('%d is prime: %s' % (number, prime))
    
    
    if __name__ == '__main__':
        main()
  3. 异步编程(异步I/O):所谓异步编程是通过调度程序从任务队列中挑选任务,调度程序以交叉的形式执行这些任务,我们并不能保证任务将以某种顺序去执行,因为执行顺序取决于队列中的一项任务是否愿意将CPU处理时间让位给另一项任务。异步编程通常通过多任务协作处理的方式来实现,由于执行时间和顺序的不确定,因此需要通过钩子函数(回调函数)或者Future对象来获取任务执行的结果。目前我们使用的Python 3通过asyncio模块以及awaitasync关键字(Python 3.5中引入,Python 3.7中正式成为关键字)提供了对异步I/O的支持。

    import asyncio
    
    
    async def fetch(host):
        """从指定的站点抓取信息(协程函数)"""
        print(f'Start fetching {host}\n')
        # 跟服务器建立连接
        reader, writer = await asyncio.open_connection(host, 80)
        # 构造请求行和请求头
        writer.write(b'GET / HTTP/1.1\r\n')
        writer.write(f'Host: {host}\r\n'.encode())
        writer.write(b'\r\n')
        # 清空缓存区(发送请求)
        await writer.drain()
        # 接收服务器的响应(读取响应行和响应头)
        line = await reader.readline()
        while line != b'\r\n':
            print(line.decode().rstrip())
            line = await reader.readline()
        print('\n')
        writer.close()
    
    
    def main():
        """主函数"""
        urls = ('www.sohu.com', 'www.douban.com', 'www.163.com')
        # 获取系统默认的事件循环
        loop = asyncio.get_event_loop()
        # 用生成式语法构造一个包含多个协程对象的列表
        tasks = [fetch(url) for url in urls]
        # 通过asyncio模块的wait函数将协程列表包装成Task(Future子类)并等待其执行完成
        # 通过事件循环的run_until_complete方法运行任务直到Future完成并返回它的结果
        loop.run_until_complete(asyncio.wait(tasks))
        loop.close()
    
    
    if __name__ == '__main__':
        main()

    说明:目前大多数网站都要求基于HTTPS通信,因此上面例子中的网络请求不一定能收到正常的响应,也就是说响应状态码不一定是200,有可能是3xx或者4xx。当然我们这里的重点不在于获得网站响应的内容,而是帮助大家理解asyncio模块以及asyncawait两个关键字的使用。

我们对三种方式的使用场景做一个简单的总结。

以下情况需要使用多线程:

  1. 程序需要维护许多共享的状态(尤其是可变状态),Python中的列表、字典、集合都是线程安全的,所以使用线程而不是进程维护共享状态的代价相对较小。
  2. 程序会花费大量时间在I/O操作上,没有太多并行计算的需求且不需占用太多的内存。

以下情况需要使用多进程:

  1. 程序执行计算密集型任务(如:字节码操作、数据处理、科学计算)。
  2. 程序的输入可以并行的分成块,并且可以将运算结果合并。
  3. 程序在内存使用方面没有任何限制且不强依赖于I/O操作(如:读写文件、套接字等)。

最后,如果程序不需要真正的并发性或并行性,而是更多的依赖于异步处理和回调时,异步I/O就是一种很好的选择。另一方面,当程序中有大量的等待与休眠时,也应该考虑使用异步I/O。

扩展:关于进程,还需要做一些补充说明。首先,为了控制进程的执行,操作系统内核必须有能力挂起正在CPU上运行的进程,并恢复以前挂起的某个进程使之继续执行,这种行为被称为进程切换(也叫调度)。进程切换是比较耗费资源的操作,因为在进行切换时首先要保存当前进程的上下文(内核再次唤醒该进程时所需要的状态,包括:程序计数器、状态寄存器、数据栈等),然后还要恢复准备执行的进程的上下文。正在执行的进程由于期待的某些事件未发生,如请求系统资源失败、等待某个操作完成、新数据尚未到达等原因会主动由运行状态变为阻塞状态,当进程进入阻塞状态,是不占用CPU资源的。这些知识对于理解到底选择哪种方式进行并发编程也是很重要的。

I/O模式和事件驱动

对于一次I/O操作(以读操作为例),数据会先被拷贝到操作系统内核的缓冲区中,然后从操作系统内核的缓冲区拷贝到应用程序的缓冲区(这种方式称为标准I/O或缓存I/O,大多数文件系统的默认I/O都是这种方式),最后交给进程。所以说,当一个读操作发生时(写操作与之类似),它会经历两个阶段:(1)等待数据准备就绪;(2)将数据从内核拷贝到进程中。

由于存在这两个阶段,因此产生了以下几种I/O模式:

  1. 阻塞 I/O(blocking I/O):进程发起读操作,如果内核数据尚未就绪,进程会阻塞等待数据直到内核数据就绪并拷贝到进程的内存中。
  2. 非阻塞 I/O(non-blocking I/O):进程发起读操作,如果内核数据尚未就绪,进程不阻塞而是收到内核返回的错误信息,进程收到错误信息可以再次发起读操作,一旦内核数据准备就绪,就立即将数据拷贝到了用户内存中,然后返回。
  3. 多路I/O复用( I/O multiplexing):监听多个I/O对象,当I/O对象有变化(数据就绪)的时候就通知用户进程。多路I/O复用的优势并不在于单个I/O操作能处理得更快,而是在于能处理更多的I/O操作。
  4. 异步 I/O(asynchronous I/O):进程发起读操作后就可以去做别的事情了,内核收到异步读操作后会立即返回,所以用户进程不阻塞,当内核数据准备就绪时,内核发送一个信号给用户进程,告诉它读操作完成了。

通常,我们编写一个处理用户请求的服务器程序时,有以下三种方式可供选择:

  1. 每收到一个请求,创建一个新的进程,来处理该请求;
  2. 每收到一个请求,创建一个新的线程,来处理该请求;
  3. 每收到一个请求,放入一个事件列表,让主进程通过非阻塞I/O方式来处理请求

第1种方式实现比较简单,但由于创建进程开销比较大,会导致服务器性能比较差;第2种方式,由于要涉及到线程的同步,有可能会面临竞争、死锁等问题;第3种方式,就是所谓事件驱动的方式,它利用了多路I/O复用和异步I/O的优点,虽然代码逻辑比前面两种都复杂,但能达到最好的性能,这也是目前大多数网络服务器采用的方式。