45、concurrent.futures模块与协程

小程序：扫一扫查出行
【扫一扫了解最新限行尾号】
复制小程序

concurrent.futures —Launching parallel tasks concurrent.futures模块同时提供了进程池和线程池，它是将来的使用趋势，同样我们之前学习的进程池Pool和threadpool模块也可以使用。

对进程池疑惑的可以参阅：32进程池与回调函数http://www.cnblogs.com/liluning/p/7445457.html

对threadpool模块疑惑的可以看我闲暇时写的一段代码：（因为本人也不了解这个模块，代码里写的也是自己想当然的，如有问题请自行查阅资料）

#pip3 install threadpool  #需下载

import threadpool

import requests

import re

import os

#爬取网页

def get_page(url) :

    pattern = re.compile(r'<dd>.*?board-index.*?>(\d+)<.*?title="(.*?)".*?star.*?>(.*?)<.*?releasetime.*?>(.*?)<', re.S)

    response = requests.get(url)

    if response.status_code == 200 :

    #status_code请求的状态码200为正常

        return (response.text,pattern,url)

#信息处理

def parse_page(info) :

    page_content,pattern,url = info

    print('<%s> parse [%s]'% (os.getpid(), url))

    res = re.findall(pattern,page_content)

    dic_l = []

    for item in res:

        dic = {

            'index':item[0],

            'title':item[1],

            'actor':item[2].strip()[3:],

            'time':item[3][5:]

        }

        dic_l.append(dic)

        print(dic)

    with open('movie_info.txt','a',encoding='utf-8') as f :

        for i in range(len(dic_l)) :

            parse_res = ('index:%s title:%s actor:%s time:%s\n' %(dic_l[i]['index'],dic_l[i]['title'],dic_l[i]['actor'],dic_l[i]['time']))

            f.write(parse_res)

if __name__ == '__main__':

    urls = [

        'http://maoyan.com/board/7',

        'http://maoyan.com/board/6',

        'http://maoyan.com/board/1',

        'http://maoyan.com/board/2',

        'http://maoyan.com/board/4',

    ]

    t = threadpool.ThreadPool(4)  #创建线程池

    for url in urls :

        res = threadpool.makeRequests(get_page,urls,parse_page(get_page(url)))

    #参数：执行函数，参数，回调函数

    [t.putRequest(req) for req in res]

    t.wait()

基于threadpool猫眼爬虫

一、concurrent.futures模块

1、官方文档

https://docs.python.org/dev/library/concurrent.futures.html#module-concurrent.futures

2、 ProcessPoolExecutor（进程池）与ThreadPoolExecutor（线程池）

（进程池类与线程池类的方法使用等各方面基本相同）

1）导入

from concurrent.futures import ProcessPoolExecutor,ThreadPoolExecutor

2）创建

p = ProcessPoolExecutor(num)  #创建进程池

t = ThreadPoolExecutor(num)  #创建线程池

3）参数

num:要创建的进程数或线程数，如果省略，进程数将默认使用cpu_count()的值，线程数将默认使用cpu_count()*5的值

4）主要方法

submit(fn, *args, **kwargs)：在一个池工作进程中执行执行fn(args kwargs)执行，并返回一个表示可调用的执行的Future对象

map(func, *iterables, timeout=None, chunksize=1)：

shutdown(wait=True)：执行结束释放资源

3、应用

1）进程池

from concurrent.futures import ProcessPoolExecutor

import os,time

def task(n):

    print('%s is running' %os.getpid())

    time.sleep(2)

    return n**2

if __name__ == '__main__':

    p=ProcessPoolExecutor()

    l=[]

    start=time.time()

    for i in range(10):

        obj=p.submit(task,i)

        l.append(obj)

    p.shutdown()

    print('='*30)

    print([obj for obj in l])

    print([obj.result() for obj in l])

    print(time.time()-start)

2）线程池

from concurrent.futures import ThreadPoolExecutor

import threading

import os,time

def task(n):

    print('%s:%s is running' %(threading.currentThread().getName(),os.getpid()))

    time.sleep(2)

    return n**2

if __name__ == '__main__':

    p=ThreadPoolExecutor()

    l=[]

    start=time.time()

    for i in range(10):

        obj=p.submit(task,i)

        l.append(obj)

    p.shutdown()

    print('='*30)

    print([obj.result() for obj in l])

    print(time.time()-start)

3）同步执行

from concurrent.futures import ProcessPoolExecutor,ThreadPoolExecutor

import os,time,random

def task(n):

    print('%s is running' %os.getpid())

    time.sleep(2)

    return n**2

if __name__ == '__main__':

    p=ProcessPoolExecutor()

    start=time.time()

    for i in range(10):

        res=p.submit(task,i).result()

        print(res)

    print('='*30)

    print(time.time()-start)

4、回调函数

不懂回调函数的看本章节首部有链接

from concurrent.futures import ThreadPoolExecutor

import requests, os, time

from threading import currentThread

def get_page(url):

    print('%s:<%s> is getting [%s]' %(currentThread().getName(),os.getpid(),url))

    response=requests.get(url)

    time.sleep(2)

    return {'url':url,'text':response.text}

def parse_page(res):

    res=res.result()  #注意值

    print('%s:<%s> parse [%s]' %(currentThread().getName(),os.getpid(),res['url']))

    with open('db.txt','a') as f:

        parse_res='url:%s size:%s\n' %(res['url'],len(res['text']))

        f.write(parse_res)

if __name__ == '__main__':

    p=ThreadPoolExecutor()

    urls = [

        'https://www.baidu.com',

        'http://www.openstack.org',

        'https://www.python.org',

        'http://www.sina.com.cn/'

    ]

    for url in urls:

        p.submit(get_page, url).add_done_callback(parse_page)

        #add_done_callback()回调函数

    p.shutdown()

    print('主',os.getpid())

5、map方法

map有疑惑可以阅览：19、内置函数和匿名函数http://www.cnblogs.com/liluning/p/7280832.html

from concurrent.futures import ProcessPoolExecutor

import os,time

def task(n):

    print('%s is running' %os.getpid())

    time.sleep(2)

    return n**2

if __name__ == '__main__':

    p=ProcessPoolExecutor()

    obj=p.map(task,range(10))

    p.shutdown()

    print('='*30)

    print(list(obj))

二、协程概念

1、定义

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。

2、注意

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被迫交出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）

3、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

4、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

5、总结

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

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））

三、greenlet模块

如果我们在单个线程内有20个任务，要想实现在多个任务之间切换，使用yield生成器的方式过于麻烦（需要先得到初始化一次的生成器，然后再调用send。。。非常麻烦），而使用greenlet模块可以非常简单地实现这20个任务直接的切换

生成器：18、迭代器和生成器http://www.cnblogs.com/liluning/p/7274862.html

1、安装

pip3 install greenlet

2、使用

from greenlet import greenlet

def eat(name):

    print('%s eat 1' %name)

    g2.switch('egon')

    print('%s eat 2' %name)

    g2.switch()

def play(name):

    print('%s play 1' %name)

    g1.switch()

    print('%s play 2' %name)

g1=greenlet(eat)

g2=greenlet(play)

g1.switch('egon')#可以在第一次switch时传入参数，以后都不需要

3、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

#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

单线程里的这20个任务的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。

四、Gevent模块

1、安装

pip3 install gevent

Gevent 是一个第三方库，可以轻松通过gevent实现并发同步或异步编程，在gevent中用到的主要模式是 Greenlet , 它是以C扩展模块形式接入Python的轻量级协程。 Greenlet全部运行在主程序操作系统进程的内部，但它们被协作式地调度。

2、用法

g1=gevent.spawn(func,1,,2,3,x=4,y=5)创建一个协程对象g1，spawn括号内第一个参数是函数名，如eat，后面可以有多个参数，可以是位置实参或关键字实参，都是传给函数eat的

g2=gevent.spawn(func2)

g1.join() #等待g1结束

g2.join() #等待g2结束

#或者上述两步合作一步：gevent.joinall([g1,g2])

g1.value#拿到func1的返回值

3、遇到IO阻塞时会自动切换任务

import gevent

def eat(name):

    print('%s eat 1' %name)

    gevent.sleep(2)

    print('%s eat 2' %name)

def play(name):

    print('%s play 1' %name)

    gevent.sleep(1)

    print('%s play 2' %name)

g1=gevent.spawn(eat,'egon')

g2=gevent.spawn(play,name='egon')

g1.join()

g2.join()

#或者gevent.joinall([g1,g2])

print('主')

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，如time，socket模块之前或者我们干脆记忆成：要用gevent，需要将from gevent import monkey;monkey.patch_all()放到文件的开头

from gevent import monkey;monkey.patch_all()

import gevent

import time

def eat():

    print('eat food 1')

    time.sleep(2)

    print('eat food 2')

def play():

    print('play 1')

    time.sleep(1)

    print('play 2')

g1=gevent.spawn(eat)

g2=gevent.spawn(play_phone)

gevent.joinall([g1,g2])

print('主')

4、Gevent的同步与异步

from gevent import spawn,joinall,monkey;monkey.patch_all()

import time

def task(pid):

    """

    Some non-deterministic task

    """

    time.sleep(0.5)

    print('Task %s done' % pid)

def synchronous():

    for i in range(10):

        task(i)

def asynchronous():

    g_l=[spawn(task,i) for i in range(10)]

    joinall(g_l)

if __name__ == '__main__':

    print('Synchronous:')

    synchronous()

    print('Asynchronous:')

    asynchronous()

#上面程序的重要部分是将task函数封装到Greenlet内部线程的gevent.spawn。 初始化的greenlet列表存放在数组threads中，此数组被传给gevent.joinall 函数，后者阻塞当前流程，并执行所有给定的greenlet。执行流程只会在 所有greenlet执行完后才会继续向下走。

5、Gevent实现爬虫

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()

g1=gevent.spawn(get_page, 'https://www.python.org/')

g2=gevent.spawn(get_page, 'https://www.yahoo.com/')

g3=gevent.spawn(get_page, 'https://github.com/')

gevent.joinall([g1,g2,g3])

stop_time=time.time()

print('run time is %s' %(stop_time-start_time))

6、gevent实现单线程下的socket并发

通过gevent实现单线程下的socket并发（from gevent import monkey;monkey.patch_all()一定要放到导入socket模块之前，否则gevent无法识别socket的阻塞）

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)

服务端

from socket import *

client=socket(AF_INET,SOCK_STREAM)

client.connect(('127.0.0.1',8080))

while True:

    msg=input('>>: ').strip()

    if not msg:continue

    client.send(msg.encode('utf-8'))

    msg=client.recv(1024)

    print(msg.decode('utf-8'))

客户端

7、多协程发送多个客户端

from gevent import monkey;monkey.patch_all()

import gevent

from socket import *

def talk(conn,addr):

    while True:

        data=conn.recv(1024)

        print('%s:%s %s' %(addr[0],addr[1],data))

        conn.send(data.upper())

    conn.close()

def server(ip,port):

    s = socket(AF_INET, SOCK_STREAM)

    s.setsockopt(SOL_SOCKET, SO_REUSEADDR, 1)

    s.bind((ip,port))

    s.listen(5)

    while True:

        conn,addr=s.accept()

        gevent.spawn(talk,conn,addr)

    s.close()

if __name__ == '__main__':

    server('127.0.0.1', 8088)

服务端

from multiprocessing import Process

from socket import *

def client(server_ip,server_port):

    client=socket(AF_INET,SOCK_STREAM)

    client.connect((server_ip,server_port))

    while True:

        client.send('hello'.encode('utf-8'))

        msg=client.recv(1024)

        print(msg.decode('utf-8'))

if __name__ == '__main__':

    for i in range(500):

        p=Process(target=client,args=('127.0.0.1',8088))

        p.start()

客户端