今日内容： 1，线程池 2，进程池 3，协程 4，IO 模型服务端要满足这三个条件： 1,24小时不间断的提供服务 2，能够支持高并发 3，要有固定的IP地址和端口在服务端这个地方会出现阻塞态情况： 阻塞IO 操作有： 1，链接循环 2，通信循环单线程实现高并发思路： 为了更好的提高程序的运行效率，即实现高并发，让服务端同时能够接受多个客户端的消息 所以一般在服务端会把，连接循环和通信循环封装为两个不同的函数方法， 这样当一个客户端与服务端进行通信时，服务端的连接循环可以和其他客户端进行连接， 不要等待，从而提高了效率，可以利用单线程来完成高并发，即来一个客户端就开一个线程， 每来一个客户端就开一个线程，看上去像高并发！ 案列： import socket from threading import Thread def server1(): server = socket.socket() server.bind(('127.0.0.1', 1688)) server.listen(5) server2(server) def task(conn): 通信循环 while True: try: data = conn.recv(1024) # 在这里会形成阻塞，等待对客户端发消息过来 # 不加，就会形成阻塞，一直等待对方发消息过来 if len(data) == 0:break # 在这里最好把这个条件判断加上，以适用不同的操作系统 print(data.decode('utf-8')) conn.send(data.upper()) except ConnectionResetError as e: print(e) break conn.close() def server2(server): 连接循环 while True: conn, addr = server.accept() # 在这里会形成阻塞，监听是否有客户端过来 t = Thread(target=task, args=(conn,)) t.start() 问题：上面的案例虽然解决了线程高并发的问题，但是但有大量的客户端来访问服务端时，由于开启线程也是需要消耗资源的 所以但有几亿个用户同时访问时，也架不住量大，也会造成内存溢出，服务器奔溃现象，这是由于硬件性能决定的， 所以为了防止服务器奔溃，保证数据的安全性，在保证计算机能够承受的范围内，最大限度的利用计算机， 就引入了池这个概念 1，什么是池？ 在保证计算机硬件安全的情况下最大限度的利用计算机 池其实是降低了程序的运行效率 但是保证了计算机硬件的安全 (硬件的发展跟不上软件的速度) 2，线程池， 进程池 案列： import time from concurrent.futures import ThreadPoolExecutor,ProcessPoolExecutor # 线程池，在你不传参数的情况下，默认的是当前计算机CPU的个数*5 pool = ThreadPoolExecutor(5) # 括号内可以传参数，指定线程池的线程个数 # 只要创建了五个线程，就永远是这五个线程，这五个线程并不会动态创建，动态销毁 # 好处是节省空间，进程也是如此 def task(n): print(n) time.sleep(2) #return n*2 t_list = [] for i in range(20): res = pool.submit(task,i) # submit 的返回值是一个内部Future类产生的对象 print(res) # 类对象 res.result()它拿到的结果就是task任务的返回值 print(res.result()) # 结果为 0 None 1 None 2 None 3 None...19 None 1,将结果变为串行 2，结果为None （在这里res.result()拿到得是task这个任务的返回结果 原地等待任务的返回结果 ，即同步，如果这样调就会将并发变为串行 结果为None，是因为task任务的返回结果为None，所以为空，如果加上return n*2，那就不为空 t_list.append(res) pool.shutdown() # 1，关闭池子，即20个线程提交完毕，立马关闭池子，就像关门打狗一样 # 2，等待池子里面所有的任务完成之后才会继续向下执行 for p in t_list: print('>>>>>对象',p.result(),p) # 结果是乱的：14 # >>>>>对象 None <Future at 0x2aa9829a5f8 state=finished returned NoneType> 如果加上pool.shutdown()，就是等任务全部结束，才会走pool.shutdown() 下面的代码，
3，进程池 from concurrent.futures import ProcessPoolExecutor pool = ProcessPoolExecutor(5) #进程池不传参数，默认当前CPU的个数 #异步回调机制:当异步提交的任务有返回结果之后，会自动触发回调函数的执行
4，协程： 1，什么是协程：单线程下实现并发 只是一个名称，即表示一个效果 进程：正在运行的程序，资源单位 线程：cpu最小的执行单位 并发：看起来像同时进行，就可以称之为并发，即切换+保存状态 并行：真正的同时进行，单核情况下无法并行 多道技术：1，空间上的复用 即 多个程序利用一台计算机 2，时间上的复用 切换+保存状态 切换的状态：1，程序遇到IO操作，就会进行切换 2，长时间的占用CPU 时，时间片用完，也会切换 程序员自己通过代码自己检测程序中的IO 一旦遇到IO自己通过代码切换 给操作系统的感觉是你这个线程没有任何的IO ps:欺骗操作系统 让它误认为你这个程序一直没有IO 从而保证程序在运行态和就绪态来回切换 提升代码的运行效率 gevent模块 import time from gevent import monkey;monkey.patch_all() #固定写法 from gevent import spawn # 注意gevent模块没办法自动识别time.sleep()等io情况 # 需要你手动在配置一个参数，自动检测io，遇到io就开始切换 def heng(): print('哼22') time.sleep(1) print('哈哈哈我') def ao(): print('嗷嗷') time.sleep(3) print('收拾一下') start = time.time() # 在这里注意spawn()是有返回值的，返回值是一个类的对象 g1 = spawn(heng) # spawn ，相当于一个列表，先来一个heng添加到列表中，后面再来一个ao在添加到列表中 g2 = spawn(ao) # 一旦heng遇到IO 就执行ao，一旦ao遇到IO就立即执行heng，就是不断来回切换 g1.join() # 等待任务完成，不然就不会执行此任务，而是走主线程，主线程没代码，程序直接结束 g2.join() # 在右键运行后，spawn就在这两个任务之间来回疯狂的切，这个切换是在代码层面的切 # 来欺骗操作系统，让操作系统误认为没有遇到IO # heng() # 串行执行 # ao() # 串行执行 这样执行的结果是5秒多 print(time.time()- start) # spawn(heng) spawn(ao)执行的结果 5，IO模型 数据交互，要的数据都在内存，是互相把数据发到对方的内存 1，阻塞IO 先系统要数据，没有数据时，阻塞+等待数据，一旦有数据来了 进行数据的拷贝，拷贝到数据在回复ok，中间等待和拷贝的过程都是阻塞IO 2, 非阻塞IO 程序处于运行态和就绪态，向内存要数据，没有数据也会立马给你返回一个结果 一直反复的要，一直反复的回，直到有数据真的来了，就会进行拷贝，此时会形成阻塞 这就是非阻塞io 3, 异步IO 异步进行，异步提交任务后，立即给你一消息，但是内部在等待，等到内部有数据是立马 返回给你，进行下一步操作 4, IO多路复用 就是 select，相当于一个检测机制，像一个列表，统一管理，要什么数据select去负责跟 内存要数据，由他负责，不用你管，有了之后回来给你，然后再执行以下操作，相当于餐厅服务员
