之前我們學習了線程、進程的概念，了解了在操作系統中進程是資源分配的最小單位,線程是CPU調度的最小單位。按道理來說我們已經算是把cpu的利用率提高很多了。但是我們知道無論是創建多進程還是創建多線程來解決問題，都要消耗一定的時間來創建進程、創建線程、以及管理他們之間的切換。

隨著我們對于效率的追求不斷提高，基于單線程來實現并發又成為一個新的課題，即只用一個主線程（很明顯可利用的cpu只有一個）情況下實現并發。這樣就可以節省創建線進程所消耗的時間。

為此我們需要先回顧下并發的本質：切換+保存狀態

cpu正在運行一個任務，會在兩種情況下切走去執行其他的任務（切換由操作系統強制控制），一種情況是該任務發生了阻塞，另外一種情況是該任務計算的時間過長

ps：在介紹進程理論時，提及進程的三種執行狀態，而線程才是執行單位，所以也可以將上圖理解為線程的三種狀態

一：其中第二種情況并不能提升效率，只是為了讓cpu能夠雨露均沾，實現看起來所有任務都被“同時”執行的效果，如果多個任務都是純計算的，這種切換反而會降低效率。

為此我們可以基于yield來驗證。yield本身就是一種在單線程下可以保存任務運行狀態的方法，我們來簡單復習一下：

# 1 yiled可以保存狀態，yield的狀態保存與操作系統的保存線程狀態很像，但是yield是代碼級別控制的，更輕量級
# 2 send可以把一個函數的結果傳給另外一個函數，以此實現單線程內程序之間的切換
# 串行執行
import time
def consumer(res):'''任務1:接收數據,處理數據'''passdef producer():'''任務2:生產數據'''res=[]for i in range(10000000):res.append(i)return resstart=time.time()
res=producer()    # 串行執行
consumer(res)     # 寫成consumer(producer())會降低執行效率
stop=time.time()
print(stop-start) # 1.5536692142486572# 基于yield并發執行
import time
def consumer():'''任務1:接收數據,處理數據'''while True:x=yielddef producer():'''任務2:生產數據'''g=consumer()next(g)for i in range(10000000):g.send(i)start=time.time()
# 基于yield保存狀態,實現兩個任務直接來回切換,即并發的效果
# PS:如果每個任務中都加上打印,那么明顯地看到兩個任務的打印是你一次我一次,即并發執行的.
producer()
stop=time.time()
print(stop-start) #2.0272178649902344

二：第一種情況的切換。在任務一遇到io情況下，切到任務二去執行，這樣就可以利用任務一阻塞的時間完成任務二的計算，效率的提升就在于此。

import time
def consumer():'''任務1:接收數據,處理數據'''while True:x=yielddef producer():'''任務2:生產數據'''g=consumer()next(g)for i in range(10000000):g.send(i)time.sleep(2)start=time.time()
producer()   # 并發執行,但是任務producer遇到io就會阻塞住,并不會切到該線程內的其他任務去執行stop=time.time()
print(stop-start)

　　對于單線程下，我們不可避免程序中出現io操作，但如果我們能在自己的程序中（即用戶程序級別，而非操作系統級別）控制單線程下的多個任務能在一個任務遇到io阻塞時就切換到另外一個任務去計算，這樣就保證了該線程能夠最大限度地處于就緒態，即隨時都可以被cpu執行的狀態，相當于我們在用戶程序級別將自己的io操作最大限度地隱藏起來，從而可以迷惑操作系統，讓其看到：該線程好像是一直在計算，io比較少，從而更多的將cpu的執行權限分配給我們的線程。

協程的本質就是在單線程下，由用戶自己控制一個任務遇到io阻塞了就切換另外一個任務去執行，以此來提升效率。為了實現它，我們需要找尋一種可以同時滿足以下條件的解決方案：

• 可以控制多個任務之間的切換，切換之前將任務的狀態保存下來，以便重新運行時，可以基于暫停的位置繼續執行。
• 作為1的補充：可以檢測io操作，在遇到io操作的情況下才發生切換

協程介紹

協程：是單線程下的并發，又稱微線程，纖程。英文名Coroutine。一句話說明什么是線程：協程是一種用戶態的輕量級線程，即協程是由用戶程序自己控制調度的。

需要強調的是：

• python的線程屬于內核級別的，即由操作系統控制調度（如單線程遇到io或執行時間過長就會被迫交出cpu執行權限，切換其他線程運行）
• 單線程內開啟協程，一旦遇到io，就會從應用程序級別（而非操作系統）控制切換，以此來提升效率（！！！非io操作的切換與效率無關）

對比操作系統控制線程的切換，用戶在單線程內控制協程的切換

優點如下：

• 協程的切換開銷更小，屬于程序級別的切換，操作系統完全感知不到，因而更加輕量級
• 單線程內就可以實現并發的效果，最大限度地利用cpu

缺點如下：

• 協程的本質是單線程下，無法利用多核，可以是一個程序開啟多個進程，每個進程內開啟多個線程，每個線程內開啟協程
• 協程指的是單個線程，因而一旦協程出現阻塞，將會阻塞整個線程

總結協程特點：

• 必須在只有一個單線程里實現并發
• 修改共享數據不需加鎖
• 用戶程序里自己保存多個控制流的上下文棧
• 附加：一個協程遇到IO操作自動切換到其它協程（如何實現檢測IO，yield、greenlet都無法實現，就用到了gevent模塊（select機制））

Greenlet模塊

安裝 ：pip3 install greenlet

from greenlet import greenletdef 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時傳入參數，以后都不需要

單純的切換（在沒有io的情況下或者沒有重復開辟內存空間的操作），反而會降低程序的執行速度

# 順序執行
import time
def f1():res=1for i in range(100000000):res+=idef f2():res=1for i in range(100000000):res*=istart=time.time()
f1()
f2()
stop=time.time()
print('run time is %s' %(stop-start)) #10.985628366470337# 切換
from greenlet import greenlet
import time
def f1():res=1for i in range(100000000):res+=ig2.switch()def f2():res=1for i in range(100000000):res*=ig1.switch()start=time.time()
g1=greenlet(f1)
g2=greenlet(f2)
g1.switch()
stop=time.time()
print('run time is %s' %(stop-start)) # 52.763017892837524

greenlet只是提供了一種比generator更加便捷的切換方式，當切到一個任務執行時如果遇到io，那就原地阻塞，仍然是沒有解決遇到IO自動切換來提升效率的問題。

單線程里的這20個任務的代碼通常會既有計算操作又有阻塞操作，我們完全可以在執行任務1時遇到阻塞，就利用阻塞的時間去執行任務2。。。。如此，才能提高效率，這就用到了Gevent模塊。

Gevent模塊

安裝：pip3 install gevent

Gevent 是一個第三方庫，可以輕松通過gevent實現并發同步或異步編程，在gevent中用到的主要模式是Greenlet, 它是以C擴展模塊形式接入Python的輕量級協程。 Greenlet全部運行在主程序操作系統進程的內部，但它們被協作式地調度。

# 用法介紹
g1=gevent.spawn(func,1,,2,3,x=4,y=5)  # 創建一個協程對象g1，spawn括號內第一個參數是函數名，如eat，后面可以有多個參數，可以是位置實參或關鍵字實參，都是傳給函數eat的
g2=gevent.spawn(func2)
g1.join() # 等待g1結束
g2.join() # 等待g2結束
# 或者上述兩步合作一步：gevent.joinall([g1,g2])
g1.value  # 拿到func1的返回值
import gevent
def eat(name):print('%s eat 1' %name)gevent.sleep(2)  # 模擬IO阻塞print('%s eat 2' %name)def play(name):print('%s play 1' %name)gevent.sleep(1)  # 模擬IO阻塞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)模擬的是gevent可以識別的io阻塞,而time.sleep(2)或其他的阻塞,gevent是不能直接識別的需要用下面一行代碼,打補丁,就可以識別了

from gevent import monkey;monkey.patch_all() # 必須放到被打補丁者的前面，如time，socket模塊之前或者我們干脆記憶成：要用gevent，需要將from gevent import monkey;monkey.patch_all()放到文件的開頭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)
gevent.joinall([g1,g2])
print('主')

我們可以用threading.current_thread().getName()來查看每個g1和g2，查看的結果為DummyThread-n，即假線程

from gevent import monkey;monkey.patch_all()
import threading
import gevent
import time
def eat():print(threading.current_thread().getName())print('eat food 1')time.sleep(2)print('eat food 2')def play():print(threading.current_thread().getName())print('play 1')time.sleep(1)print('play 2')g1=gevent.spawn(eat)
g2=gevent.spawn(play)
gevent.joinall([g1,g2])
print('主')# 查看threading.current_thread().getName()

Gevent之同步與異步

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():  # 同步for i in range(10):task(i)def asynchronous(): # 異步g_l=[spawn(task,i) for i in range(10)]joinall(g_l)print('DONE')if __name__ == '__main__':print('Synchronous:')synchronous()print('Asynchronous:')asynchronous()
#  上面程序的重要部分是將task函數封裝到Greenlet內部線程的gevent.spawn。
#  初始化的greenlet列表存放在數組threads中，此數組被傳給gevent.joinall 函數，
#  后者阻塞當前流程，并執行所有給定的greenlet任務。執行流程只會在 所有greenlet執行完后才會繼續向下走。

Gevent之應用舉例一

from gevent import monkey;monkey.patch_all()
import gevent
import requests
import timedef 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))