python之路——协程（greenlet、gevent、简单爬虫）

协程

协程，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。

协程拥有自己的寄存器上下文和栈。协程调度切换时，将寄存器上下文和栈保存到其他地方，在切回来的时候，恢复先前保存的寄存器上下文和栈。因此：

协程能保留上一次调用时的状态（即所有局部状态的一个特定组合），每次过程重入时，就相当于进入上一次调用的状态，换种说法：进入上一次离开时所处逻辑流的位置。

协程的好处：

无需线程上下文切换的开销
无需原子操作锁定及同步的开销
"原子操作(atomic operation)是不需要synchronized"，所谓原子操作是指不会被线程调度机制打断的操作；这种操作一旦开始，就一直运行到结束，中间不会有任何 context switch （切换到另一个线程）。原子操作可以是一个步骤，也可以是多个操作步骤，但是其顺序是不可以被打乱，或者切割掉只执行部分。视作整体是原子性的核心。
方便切换控制流，简化编程模型
高并发+高扩展性+低成本：一个CPU支持上万的协程都不是问题。所以很适合用于高并发处理。

缺点：

无法利用多核资源：协程的本质是个单线程,它不能同时将单个CPU 的多个核用上,协程需要和进程配合才能运行在多CPU上.当然我们日常所编写的绝大部分应用都没有这个必要，除非是cpu密集型应用。
进行阻塞（Blocking）操作（如IO时）会阻塞掉整个程序

使用yield实现协程操作例子

import time

def consumer(name):
    print("开始吃包子")
    while True:
        bun = yield            #使函数挂起
        print(name,"正在吃",bun)

def producer():
    r = con.__next__()
    r = con2.__next__()
    n = 0
    while n < 5:
        n += 1
        con.send(n)
        con2.send(n)
        time.sleep(2)
        print("正在制作包子",n)

if __name__ == '__main__':
    con = consumer("alex")
    con2 = consumer("japhi")
    p = producer()

协程必须满足以下条件：

必须在只有一个单线程里实现并发
修改共享数据不需加锁
用户程序里自己保存多个控制流的上下文栈
一个协程遇到IO操作自动切换到其它协程

手动切换（Greenlet）

greenlet是一个用C实现的协程模块，相比与python自带的yield，它可以使你在任意函数之间随意切换，而不需把这个函数先声明为generator

import greenlet
def main():
    print("1111111")
    gr2.switch()
    print("3333333")
    gr2.switch()

def next():
    print("2222222")
    gr1.switch()
    print("4444444")

if __name__ == "__main__":
    gr1 = greenlet.greenlet(main)    #实例化一个协程对象，括号内是函数
    gr2 = greenlet.greenlet(next)
    gr1.switch()   #手动切换

输出结果：
1111111
2222222
3333333
4444444

先实例化对象，然后调用手动切换方法switch　

自动切换（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。

import gevent

def first():
    print(1111)
    gevent.sleep(3)   #模拟io切换，自动切换
    print(22222)

def second():
    print(33333)
    gevent.sleep(2)   #模拟io切换，自动切换
    print(44444)
def third():
    print(55555)
    gevent.sleep(1)   #模拟io切换，自动切换
    print(666666)

gevent.joinall([      #需要把函数全都加入进去
    gevent.spawn(first),
    gevent.spawn(second),
    gevent.spawn(third)
])


输出：
1111
33333
55555
666666
44444
22222

利用gevent实现简单爬虫

from urllib import request
import gevent,time
from gevent import monkey
monkey.patch_all()         #添加io操作标准，让程序可以并行下载网页

def net(url):
    resq = request.urlopen(url)
    data = resq.read()
    print(len(data))

urls = ['https://www.baidu.com/',
        'https://www.hao123.com/',
        'https://www.sina.com/' ]
time_start = time.time()
for url in urls:
    net(url)
print("同步cost",time.time() - time_start)

async_time_start = time.time()
gevent.joinall([
    gevent.spawn(net,"https://www.baidu.com"),
    gevent.spawn(net,"https://www.hao123.com"),
    gevent.spawn(net,"https://www.sina.com/")
])
print("异步cost",time.time() - async_time_start)

输出结果：
227
514581
601335
同步cost 2.6131491661071777
227
514599
601338
异步cost 2.2071263790130615

异步并行所花的时间少于同步，但要加 monkey.patch_all() #添加io操作标准，让程序可以并行下载网页