1.进程池与线程池:

为什么要用“池”：池子使用来限制并发的任务数目，限制我们的计算机在一个自己可承受的范围内去并发地执行任务

池子内什么时候装进程：并发的任务属于计算密集型

池子内什么时候装线程：并发的任务属于IO密集型

1、进程池

from concurrent.futures import ProcessPoolExecutor,ThreadPoolExecutor

import time,os,random

def task(x):

    print('%s 接客' %os.getpid())

    time.sleep(random.randint(2,5))

    return x**2

if __name__ == '__main__':

    p=ProcessPoolExecutor() # 默认开启的进程数是cpu的核数

    # alex，武佩奇，杨里，吴晨芋，张三

    for i in range(20):

        p.submit(task,i)

2、线程池

from concurrent.futures import ProcessPoolExecutor,ThreadPoolExecutor

import time,os,random

def task(x):

    print('%s 接客' %x)

    time.sleep(random.randint(2,5))

    return x**2

if __name__ == '__main__':

    p=ThreadPoolExecutor(4) # 默认开启的线程数是cpu的核数*5

    # alex，武佩奇，杨里，吴晨芋，张三

    for i in range(20):

        p.submit(task,i)

2.同步、异步、阻塞、非阻塞

1、阻塞与非阻塞指的是程序的两种运行状态

阻塞：遇到IO就发生阻塞，程序一旦遇到阻塞操作就会停在原地，并且立刻释放CPU资源

非阻塞（就绪态或运行态）：没有遇到IO操作，或者通过某种手段让程序即便是遇到IO操作也不会停在原地，执行其他操作，力求尽可能多的占有CPU

2、同步与异步指的是提交任务的两种方式：

同步调用：提交完任务后，就在原地等待，直到任务运行完毕后，拿到任务的返回值，才继续执行下一行代码

异步调用：提交完任务后，不在原地等待，直接执行下一行代码。等全部执行完毕后取出结果

from concurrent.futures import ProcessPoolExecutor,ThreadPoolExecutor

import time,os,random

def task(x):

    print('%s 接客' %x)

    time.sleep(random.randint(1,3))

    return x**2

if __name__ == '__main__':

    # 异步调用

    p=ThreadPoolExecutor(4) # 默认开启的线程数是cpu的核数*5

    # alex，武佩奇，杨里，吴晨芋，张三

    obj_l=[]

    for i in range(10):

        obj=p.submit(task,i)

        obj_l.append(obj)

    # p.close()

    # p.join()

    p.shutdown(wait=True) （等同于p.close()(不允许向池中放新任务） + p.join())

    print(obj_l[3].result())

    print('主'）

    # 同步调用

    p=ThreadPoolExecutor(4) # 默认开启的线程数是cpu的核数*5

    # alex，武佩奇，杨里，吴晨芋，张三

    for i in range(10):

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

print('主')

2.协程

1、单线程下实现并发:协程 （为了提高效率；但不是说所有协程都会提升效率）

   并发指的多个任务看起来是同时运行的；并发实现的本质：切换+保存状态

   有效的协程在一定程度‘骗过’了CPU；通过自己内部协调，一遇到IO就切到自己的其他程序中，使得CPU以为这个程序一直在运行，从而使其更有可能处于就绪态或运行态，以更多的占用CPU。

2、实现并发的三种手段：

a）单线程下的并发；由程序自己控制，相对速度快

b）多线程下的并发；由操作系统控制，相对速度较慢

c）多进程下的并发；由操作系统控制，相对速度慢

3、基于yield保存状态,实现两个任务直接来回切换,即并发的效果 （但yield不会遇到阻塞自动切程序）

   PS:如果每个任务中都加上打印,那么明显地看到两个任务的打印是你一次我一次,即并发执行的.

import time

def consumer():

    '''任务1:接收数据,处理数据'''

    while True:

        x=yield

def producer():

    '''任务2:生产数据'''

    g=consumer()

    next(g)

    for i in range(10000000):

        g.send(i)

start=time.time()

producer() #1.0202116966247559

stop=time.time()

print(stop-start)

# 纯计算的任务并发执行

import time

def task1():

    res=1

    for i in range(1000000):

        res+=i

        yield

        time.sleep(10000)  #yield不会自动跳过阻塞

        print('task1')

def task2():

    g=task1()

    res=1

    for i in range(1000000):

        res*=i

        next(g)

        print('task2')

start=time.time()

task2()

stop=time.time()

print(stop-start)

一、单线程下实现遇到IO切换

1、用greenlet（封装yield，遇到IO不自动切）

from greenlet import greenlet

import time

def eat(name):

    print('%s eat 1' %name)

    time.sleep(30)

    g2.switch('alex')  #只在第一次切换时传值

    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')

2、用gevent模块（封装greenlet，不处理的话，遇到自己的IO才主动切）

import gevent

def eat(name):

    print('%s eat 1' %name)

    gevent.sleep(5)  #换成time.sleep(5),不会自动切

    print('%s eat 2' %name)

def play(name):

    print('%s play 1' %name)

    gevent.sleep(3)

    print('%s play 2' %name)

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

g2=gevent.spawn(play,'alex')

# gevent.sleep(100)

# g1.join()

# g2.join()

gevent.joinall([g1,g2])

3、用gevent模块（封装greenlet，处理的话，遇到其他IO也主动切）

from gevent import monkey;monkey.patch_all()

from threading import current_thread

import gevent

import time

def eat():

    print('%s eat 1' %current_thread().name)

    time.sleep(5)

    print('%s eat 2' %current_thread().name)

def play():

    print('%s play 1' %current_thread().name)

    time.sleep(3)

    print('%s play 2' %current_thread().name)

g1=gevent.spawn(eat)

g2=gevent.spawn(play)

# gevent.sleep(100)

# g1.join()

# g2.join()

print(current_thread().name)

gevent.joinall([g1,g2])