python并发学习总结(内附python0基础自学教程分享)
一、理解操作系统
操作系统(OS)统管了计算机的所有硬件,并负责为应用程序分配和回收硬件资源。
硬件资源总是有限的,而应用程序对资源的欲望都是贪婪的。
当多个应用程序发生硬件资源争夺时,OS负责出面调度,保证多任务的资源分配以保证系统稳定执行。
只有CPU可以执行代码,所以应用程序(任务)执行前,必须申请到CPU资源,同一时刻,一个CPU只能执行一个任务代码。
计算机的CPU数量(资源方)远远小于需要执行的任务数(需求方),操作系统将CPU的资源按照时间片划分,并根据任务类型分配,各任务轮流使用CPU。
CPU的执行/切换速度非常快,对于用户而言,多任务看上去就像同时执行一样,此称为并发。
如下是串行和并发的对比:
计算机的内存、硬盘、网卡、屏幕、键盘等硬件提供了数据交换的场所。
OS提供了IO接口以实现数据交换,数据交换的过程一般不需要CPU的参与。
IO接口有两种类型:
1、阻塞型IO
发生IO(数据交换)的时候,调用线程无法向下执行剩余代码,意图占用CPU但不执行任何代码,单线程阻塞型IO自身无法支持并发
2、非阻塞型IO
发生IO(数据交换)的时候,调用线程可以向下执行剩余代码,单线程非阻塞型IO自身可以支持并发
如下是阻塞型IO和非阻塞型IO的对比:
二、任务类型
根据一个任务执行期间占用CPU的比例来划分,有两种类型:
1、CPU密集型
绝大部分时间都是占用CPU并执行代码,比如科学计算任务
2、IO密集型
绝大部分时间都未占用CPU,而是在发生IO操作,比如网络服务
三、Socket模块
OS提供了阻塞IO和非阻塞IO两种类型的接口,应用程序可以自行选择。
Socket模块封装了两种接口,Socket模块提供的函数默认是阻塞IO类型。
用户可以选择手工切换至非阻塞IO类型,使用socketobj.setblocking(False)切换至非阻塞IO模式。
下面将通过一个简单的例子程序来记录对并发的学习思考及总结。
四、一个简单的C/S程序
客户端:循环接收用户的输入,并发送给服务器。从服务器接收反馈并打印至屏幕。
服务器:将接收到的用户输入,变成大写并返回给客户端。
客户端代码固定,主要思考服务器端的代码。
一般我们会这样写服务端代码:
客户端代码保持不变:
这种形式的编码我称为:单线程+阻塞IO+循环串行,有如下几个特点:
1、编码简单,模型简洁,可读性强
2、串行提供服务,用户使用服务器必须一个一个排队
单一线程的阻塞IO模型是无法支持并发的,如果要支持并发,有如下两类解决方案。
五、使用阻塞IO实现并发
单线程阻塞IO,本质上是无法实现并发的。因为一旦发生IO阻塞,线程就会阻塞,下方代码不会继续执行。如果要使用单线程阻塞IO来实现并发,需要增加线程数目或者进程数目,当某一个线程/进程发生阻塞的时候,由OS调度至另一个线程/进程执行。
方案一:阻塞IO+多进程
将服务器对用户的消息循环操作封装到进程中,单进程依然会发生阻塞。
进程之间的调度交由OS负责(重要)。
进程太重,创建和销毁进程都需要比较大的开销,此外,一台设备所能涵盖的进程数量非常有限(一般就几百左右)。
进程之间的切换开销也不小。
当进程数小于等于CPU核心数的时候,可以实现真正的并行,当进程数大于CPU核心的时候,依然以并发执行。
方案二:阻塞IO+多线程
将服务器对用户的操作封装到线程中,单线程中依然会发生IO阻塞。
线程之间的调度交由OS负责(重要)。
线程较轻,创建和销毁的开销都比较小,但是线程数量也不会太大,一台设备一般能容纳几百至上千的线程。
注意:因为CPython的GIL的存在,使用CPython编写的多线程代码,只能使用一个CPU核心,换句话说,使用官方的解释器执行Python多线程代码,无法并行(单进程中)。
线程之间的切换开销比较小。
实际上,多线程的最大问题并不是并发数太少,而是数据安全问题。
线程之间共享同一进程的数据,在频繁发生IO操作的过程中,难免需要修改共享数据,这就需要增加额外的处理,当线程数量大量增加时,如何妥善处理数据安全的问题就会变成主要困难。
阻塞IO模型的思考和总结
1、多线程和多进程都是基于阻塞IO模式提供的并发,两者编程模型比较简单,可读性也很高。
2、如果使用多线程/进程的方案来提供并发,当线程/进程数量不断增大时,系统稳定性将会下降。虽然可以使用线程/进程池来提供一定的优化,但超过一定数量之后,池子发挥的效果也会越来越小。所以,两者都无法支持超大规模的并发(如C10M及以上)。
3、线程/进程切换都交由OS调度,调度策略依据OS的算法,应用程序无法主动控制,无法针对任务的特性做一些必要的调度算法调整。
4、编码思维直接、易理解,学习曲线平缓。
5、多线程/进程的方案可以理解为单纯的增加资源,如果要想支持超大规模的并发,单纯的增加资源的行为并不合理(资源不可能无限或者总得考虑成本以及效率,而且数量越大,原有的缺点就会越凸显)。
6、另一种解决方案的核心思路是:改变IO模型。
六、使用非阻塞IO实现并发
单线程非阻塞IO模型,本身就直接支持并发,为啥?请回头看看阻塞IO和非阻塞IO的流程图片。
非阻塞IO接口的核心是:调用线程一旦向OS发起IO调用,OS就直接返回结果,因此,调用线程不会被阻塞而可以执行下方代码。不过也正因为不会阻塞,调用线程无法判断立即返回的结果是不是期望结果,所以调用线程需要增加额外的操作对返回结果进行判断,正因为这一点,就增加了编程难度(增加的难度可不是一点啊)。
对立即返回的结果进行判断的方案有两种:
轮询
线程定期/不定期主动发起查询和判断
回调函数+事件循环
线程在发起IO时注册回调函数,然后统一处理事件循环
注意:非阻塞IO实现并发有多种解决方案,编程模型的可读性都不高,有些方案的编程思维甚至晦涩、难以理解、且编码困难。
方案一:非阻塞IO+Try+轮询
服务器使用单线程实现了并发。
对于accept接收到的多个conn对象,加入列表,并通过遍历读取列表、发送列表来提供多用户访问。
单线程中的Socket模块提供的IO函数都被设置成:非阻塞IO类型。
增加了额外操作:对非阻塞调用立即返回的结果,使用了Try来判断是否为期望值。
因为不知道何时返回的结果是期望值,所以需要不停的发起调用,并通过Try来判断,即,轮询。
两次轮询期间,线程可以执行其他任务。但是模型中也只是不停的发起轮询,并没有利用好这些时间。
编码模型复杂,难理解。
优化:此模型中的主动轮询的工作由程序负责,其实可以交由OS代为操作。这样的话,应用程序就不需要编写轮询的部分,可以更聚焦于业务逻辑(upper()的部分),Python提供了Select模块以处理应用程序的轮询工作。
方案二:非阻塞IO+Select代理轮询
服务器使用单线程实现了并发。
使用了Select模块之后,应用程序不再需要编写主动轮询的代码,而是将此部分工作交由Select模块的select函数代为处理。
应用程序只需要遍历select函数返回的可操作socket列表,并处理相关业务逻辑即可。
虽然应用程序将轮询工作甩给了select,自己不用编写代码。不过select函数的底层接口效率不高,使用epoll接口可以提升效率,此接口被封装在Selectors模块中。
此外,select函数是一个阻塞IO,在并发数很少的时候,线程大部分时间会阻塞在select函数上。所以select函数应该适用于随时随刻都有socket准备好、大规模并发的场景。
编码困难,模型难理解。
select函数接口说明
输入4个参数(3位置,1默认),返回3个值
select函数是阻塞IO,函数的返回必须等到至少1个文件描述符准备就绪
位置参数rlist/wlist/xlist分为是:需要监控的读列表/写列表/例外列表(第3参数暂不理解)
在windows下,列表中只能放socket对象,unix下,可以放任何文件描述符
第4参数如果是None(默认),则会永久阻塞,否则按照给定的值(单位是秒)发生超时,可以使用小数如0.5秒
返回值是3个列表,里面涵盖的是可以操作的文件描述符对象
关于轮询效率的思考
轮询操作,效率不高。
轮询的工作视角是:发起者定期/不定期主动发起询问,如果数据没有准备好,就继续发起询问。如果数据准备好了,发起者就处理这些数据。
假设,调用者在第35次主动轮询的时候发现数据准备好了,那么意味着前34次主动轮询的操作是没有任何收益的。
调用者要想知道数据是否就绪,就要主动询问,而主动询问的效率又比较低。
这个矛盾的核心关键在于:如何得知数据准备就绪这件事呢?
使用回调函数+事件循环。
此种方案中,调用者不会主动发起轮询,而是被动的等待IO操作完成,并由OS向调用者发起准备就绪的事件通知。
方案三:非阻塞IO+Selectors+回调函数+事件循环
服务器使用单线程实现了并发。
OS使用了Selectors自行选择最优的底层接口监听socket对象。
程序不再需要主动发起查询,而是注册回调函数。
增加事件循环,用于处理准备就绪的socket对象,调用预先注册的回调函数。
应用程序不用再关注如何判断非阻塞IO的返回值,而将精力聚焦于回调函数的编写。
方案四:非阻塞IO+协程+回调函数+事件循环(待后续补充)
pass
非阻塞IO的思考和总结(待后续补充)
如果将一个IO密集型任务的IO模型设置为非阻塞,则此任务类型将会从IO密集型逐渐转变为CPU密集型。
非阻塞IO的编程模型比较困难,可读性较差,模型理解困难
我认为,含有非阻塞IO+回调+事件循环的编程模型,就是异步编程。
pass
七、关于同步/异步,阻塞IO/非阻塞IO的区别和思考
阻塞IO和非阻塞IO指的是OS提供的两种IO接口,区别在于调用时是否立即返回。
同步和异步指的是两个任务之间的执行模型
同步:两个任务关联性大,任务相互依赖,对任务执行的前后顺序有一定要求
异步:两个任务关联性小,任务可以相互独立,任务执行顺序没有要求
网上有很多关于同步阻塞、同步非阻塞、异步阻塞、异步非阻塞的各种理解,站在不同的角度,理解都不一样。我觉得应该把同步/异步划为一类,用于描述任务执行模型,而把阻塞/非阻塞IO划为一类,用于描述IO调用模型。
如下是我根据网上的各种解释,结合自己的思考给出的一个关于同步/异步简单的例子:
同步
第一天,晚饭时间到了,你饿了,你走到你老婆面前说:老婆,我饿了,快点做饭!你老婆回答:好的,我去做饭。
你跟着老婆走到厨房,你老婆花了30分钟的时间给你做饭。这期间,你就站在身边,啥也不干,就这样注视着她,你老婆问你:你站这干嘛?你说:我要等你做完饭再走。30分钟后,你吃到了晚饭。
异步+轮询
第二天,晚饭时间到了,你饿了,你大喊:老婆,我饿了,快点做饭!你老婆回答:好的,我去做饭。
你老婆花了30分钟的时间给你做饭,但是你不再跟着你老婆走到厨房。这期间,你在客厅看电视,不过你实在饿得不行了,于是你每过5分钟,就跑到厨房询问:老婆,饭做好了没?你老婆回答:还要一会。30分钟后,你吃到了晚饭。
异步+事件通知
第三天,晚饭时间到了,你饿了,你大喊:老婆,我饿了,快点做饭!你老婆回答:好的,我去做饭。
你老婆花了30分钟的时间给你做饭,你也不再跟着你老婆走到厨房。这期间,你在客厅看电视,你知道你老婆在做饭,你也不会去催她,专心看电视。30分钟后,你老婆喊你:饭做好了。最后你吃到了晚饭。