python中協程的詳解（附例）

這篇文章帶給大家的內容是關於python中協程的詳解（附範例），有一定的參考價值，有需要的朋友可以參考一下，希望對你有幫助。

協程，又稱微線程，纖程。英文名Coroutine
協程看起來也是子程序，但執行過程中，在子程序內部可中斷，然後轉而執行別的子程序，在適當的時候再返回來接著執行。

最大的優勢就是協程極高的執行效率。因為子程式切換不是執行緒切換，而是由程式本身控制，因此，沒有執行緒切換的開銷，和多執行緒比，執行緒數量越多，協程的效能優勢就越明顯。
第二大優勢就是不需要多線程的鎖機制，因為只有一個線程，也不存在同時寫變數衝突，在協程中控制共享資源不加鎖，只需要判斷狀態就好了，所以執行效率比多線程高很多。
因為協程是一個執行緒執行，那要怎麼利用多核心CPU呢？最簡單的方法是多進程 協程，既充分利用多核心，又充分發揮協程的高效率，可獲得極高的效能。

yield實作協程

Python對協程的支援還非常有限，用在generator中的yield可以一定程度上實現協程。雖然支援不完全，但已經可以發揮相當大的威力了。

import threading
import time
def producer(c):
    c.__next__()
    n=0
    while n c.send(n) --> n更新
        n = yield r
        if not n:
            break
        print('[消费者]正在调用第%s条数据' %(n))
        time.sleep(1)
        r = 'This is ok!'

if __name__=='__main__':
    print(threading.current_thread())   
    print(threading.active_count())     #查看当前进行的线程
    c = consumer()
    producer(c)     #函数中有yield， 返回值为生成器;
    print(threading.active_count()) #1

gevent庫實作協程

Python透過yield提供了對協程的基本支持，但是不完全。而第三方的gevent為Python提供了比較完善的協程支援。

gevent是第三方函式庫，透過greenlet實現協程，其基本思想是：
當一個greenlet遇到IO操作時，例如存取網絡，就自動切換到其他的greenlet，等到IO操作完成，再在適當的時候切換回來繼續執行。由於IO操作非常耗時，經常使程式處於等待狀態，有了gevent為我們自動切換協程，就保證總有greenlet在運行，而不是等待IO。

由於切換是在IO操作時自動完成，所以gevent需要修改Python自帶的一些標準庫，而這個過程在啟動時透過monkey patch完成。

假設多協程執行的任務， 沒有IO操作或等待， 那麼協程間是依序運行， 而不是交替運行;
假設多協程執行的任務， IO操作或等待， 那麼協程間是交替運行;

#没有等待
import gevent
from gevent import monkey
monkey.patch_all()
def job(n):
    for i in range(n):
        print(gevent.getcurrent(),i)

def mian():
    g1 = gevent.spawn(job,1)
    g2 = gevent.spawn(job,2)
    g3 = gevent.spawn(job,3)
    gevent.joinall([g1,g2,g3])
    print('协程执行任务结束...')

if __name__=="__main__":
    mian()

"""
#有等待
import time
from gevent import  monkey
monkey.patch_all()

import  gevent
def job(n):
    for i in range(n):
        print(gevent.getcurrent(), i)
        time.sleep(1)

def main1():
    # 创建三个协程， 并让该协程执行job任务
    g1 = gevent.spawn(job, 2)
    g2 = gevent.spawn(job, 3)
    g3 = gevent.spawn(job, 2)
    # 等待所有的协程执行结束， 再执行主程序；
    gevent.joinall([g1, g2, g3])
    print("任务执行结束.....")

main1()

#

import time
import gevent   #导入协程
from gevent import monkey
from urllib.request import urlopen  #连接网络
from mytimeit import timeit #导入计算时间的装饰器
from concurrent.futures import ThreadPoolExecutor   #导入线程池

def get_len_url(url):
    with urlopen(url) as u_conn:
        data = u_conn.read()
#       print('%s该网页共%s字节' %(url,len(data)))
urls = ['http://httpbin.org', 'http://example.com/']*100

@timeit
def coroutineall():
    gevents = [gevent.spawn(get_len_url,url) for url in urls]
    gevent.joinall(gevents)

@timeit
def threadall():
    with ThreadPoolExecutor(max_workers=100) as thpool:
        thpool.map(get_len_url,urls)
if __name__=="__main__":
    coroutineall()
    threadall()

協程與執行緒

做一個關於協程和執行緒花費時間的對比實驗，不具參考性。

rrreee#####################

以上是python中協程的詳解（附例）的詳細內容。更多資訊請關注PHP中文網其他相關文章！