本篇文章給大家帶來的內容是關于python中協程的詳解(附示例)，有一定的參考價值，有需要的朋友可以參考一下，希望對你有所幫助。

協程，又稱微線程，纖程。英文名Coroutine

協程看上去也是子程序，但執行過程中，在子程序內部可中斷，然后轉而執行別的子程序，在適當的時候再返回來接著執行。

最大的優勢就是協程極高的執行效率。因為子程序切換不是線程切換，而是由程序自身控制，因此，沒有線程切換的開銷，和多線程比，線程數量越多，協程的性能優勢就越明顯。

第二大優勢就是不需要多線程的鎖機制，因為只有一個線程，也不存在同時寫變量沖突，在協程中控制共享資源不加鎖，只需要判斷狀態就好了，所以執行效率比多線程高很多。

因為協程是一個線程執行，那怎么利用多核CPU呢？最簡單的方法是多進程+協程，既充分利用多核，又充分發揮協程的高效率，可獲得極高的性能。

yield實現協程

Python對協程的支持還非常有限，用在generator中的yield可以一定程度上實現協程。雖然支持不完全，但已經可以發揮相當大的威力了。

import threading import time def producer(c): c.__next__() n=0 while n<5: n+=1 print('[生產者]產出第%s條數據' %(n)) res = c.send(n) print('[返回]:%s' %(res)) def consumer(): r='sheenstar' while True: # 更新r值: r = 'This is ok!', c.__next__() # n= yield r --> c.send(n) --> n更新 n = yield r if not n: break print('[消費者]正在調用第%s條數據' %(n)) time.sleep(1) r = 'This is ok!' if __name__=='__main__': print(threading.current_thread()) print(threading.active_count()) #查看當前進行的線程 c = consumer() producer(c) #函數中有yield， 返回值為生成器; print(threading.active_count()) #1

gevent庫實現協程

Python通過yield提供了對協程的基本支持，但是不完全。而第三方的gevent為Python提供了比較完善的協程支持。

gevent是第三方庫，通過greenlet實現協程，其基本思想是：

當一個greenlet遇到IO操作時，比如訪問網絡，就自動切換到其他的greenlet，等到IO操作完成，再在適當的時候切換回來繼續執行。由于IO操作非常耗時，經常使程序處于等待狀態，有了gevent為我們自動切換協程，就保證總有greenlet在運行，而不是等待IO。

由于切換是在IO操作時自動完成，所以gevent需要修改Python自帶的一些標準庫，這一過程在啟動時通過monkey patch完成。

假設多協程執行的任務， 沒有IO操作或者等待， 那么協程間是依次運行， 而不是交替運行;

假設多協程執行的任務， IO操作或者等待， 那么協程間是交替運行;

#沒有等待 import gevent from gevent import monkey monkey.patch_all() def job(n): for i in range(n): print(gevent.getcurrent(),i) def mian(): g1 = gevent.spawn(job,1) g2 = gevent.spawn(job,2) g3 = gevent.spawn(job,3) gevent.joinall([g1,g2,g3]) print('協程執行任務結束...') if __name__=="__main__": mian()

""" #有等待 import time from gevent import monkey monkey.patch_all() import gevent def job(n): for i in range(n): print(gevent.getcurrent(), i) time.sleep(1) def main1(): # 創建三個協程， 并讓該協程執行job任務 g1 = gevent.spawn(job, 2) g2 = gevent.spawn(job, 3) g3 = gevent.spawn(job, 2) # 等待所有的協程執行結束， 再執行主程序； gevent.joinall([g1, g2, g3]) print("任務執行結束.....") main1()

協程與線程

做一個關于協程和線程花費時間的對比實驗，不具有參考性 。

import time import gevent #導入協程 from gevent import monkey from urllib.request import urlopen #連接網絡 from mytimeit import timeit #導入計算時間的裝飾器 from concurrent.futures import ThreadPoolExecutor #導入線程池 def get_len_url(url): with urlopen(url) as u_conn: data = u_conn.read() # print('%s該網頁共%s字節' %(url,len(data))) urls = ['http://httpbin.org', 'http://example.com/']*100 @timeit def coroutineall(): gevents = [gevent.spawn(get_len_url,url) for url in urls] gevent.joinall(gevents) @timeit def threadall(): with ThreadPoolExecutor(max_workers=100) as thpool: thpool.map(get_len_url,urls) if __name__=="__main__": coroutineall() threadall()

閱讀全文

1 個人已贊贊一個收藏 (0)打賞

您入群打賞務必備注QQ號

支付寶掃一掃贊助

微信錢包掃描贊助

分享到：

生成海報

評論 搶沙發

評論前必須登錄！

總結

以上是生活随笔為你收集整理的python协程库_python中协程的详解（附示例）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。