Python協(xié)程（真才實(shí)學(xué)，想學(xué)的進(jìn)來）

真正有知識(shí)的人的成長過程，就像麥穗的成長過程：麥穗空的時(shí)候，麥子長得很快，麥穗驕傲地高高昂起，但是，麥穗成熟飽滿時(shí)，它們開始謙虛，垂下麥芒。
——蒙田《蒙田隨筆全集》

上篇論述了關(guān)于python多線程是否是雞肋的問題，得到了一些網(wǎng)友的認(rèn)可，當(dāng)然也有一些不同意見，表示協(xié)程比多線程不知強(qiáng)多少，在協(xié)程面前多線程算是雞肋。好吧，對(duì)此我也表示贊同，然而上篇我論述的觀點(diǎn)不在于多線程與協(xié)程的比較，而是在于IO密集型程序中，多線程尚有用武之地。

　　對(duì)于協(xié)程，我表示其效率確非多線程能比，但本人對(duì)此了解并不深入，因此最近幾日參考了一些資料，學(xué)習(xí)整理了一番，在此分享出來僅供大家參考，如有謬誤請(qǐng)指正，多謝。

申明：本文介紹的協(xié)程是入門級(jí)別，大神請(qǐng)繞道而行，謹(jǐn)防入坑。

文章思路：本文將先介紹協(xié)程的概念，然后分別介紹Python2.x與3.x下協(xié)程的用法，最終將協(xié)程與多線程做比較并介紹異步爬蟲模塊。

協(xié)程

概念

　　協(xié)程，又稱微線程，纖程，英文名Coroutine。協(xié)程的作用，是在執(zhí)行函數(shù)A時(shí)，可以隨時(shí)中斷，去執(zhí)行函數(shù)B，然后中斷繼續(xù)執(zhí)行函數(shù)A（可以自由切換）。但這一過程并不是函數(shù)調(diào)用（沒有調(diào)用語句），這一整個(gè)過程看似像多線程，然而協(xié)程只有一個(gè)線程執(zhí)行。

優(yōu)勢

• 執(zhí)行效率極高，因?yàn)樽映绦蚯袚Q（函數(shù)）不是線程切換，由程序自身控制，沒有切換線程的開銷。所以與多線程相比，線程的數(shù)量越多，協(xié)程性能的優(yōu)勢越明顯。
• 不需要多線程的鎖機(jī)制，因?yàn)橹挥幸粋€(gè)線程，也不存在同時(shí)寫變量沖突，在控制共享資源時(shí)也不需要加鎖，因此執(zhí)行效率高很多。

　　說明：協(xié)程可以處理IO密集型程序的效率問題，但是處理CPU密集型不是它的長處，如要充分發(fā)揮CPU利用率可以結(jié)合多進(jìn)程+協(xié)程。

　　以上只是協(xié)程的一些概念，可能聽起來比較抽象，那么我結(jié)合代碼講一講吧。這里主要介紹協(xié)程在Python的應(yīng)用，Python2對(duì)協(xié)程的支持比較有限，生成器的yield實(shí)現(xiàn)了一部分但不完全，gevent模塊倒是有比較好的實(shí)現(xiàn)；Python3.4以后引入了asyncio模塊，可以很好的使用協(xié)程。

Python2.x協(xié)程

python2.x協(xié)程應(yīng)用：

• yield
• gevent

python2.x中支持協(xié)程的模塊不多，gevent算是比較常用的，這里就簡單介紹一下gevent的用法。

Gevent

　　gevent是第三方庫，通過greenlet實(shí)現(xiàn)協(xié)程，其基本思想：
　　當(dāng)一個(gè)greenlet遇到IO操作時(shí)，比如訪問網(wǎng)絡(luò)，就自動(dòng)切換到其他的greenlet，等到IO操作完成，再在適當(dāng)?shù)臅r(shí)候切換回來繼續(xù)執(zhí)行。由于IO操作非常耗時(shí)，經(jīng)常使程序處于等待狀態(tài)，有了gevent為我們自動(dòng)切換協(xié)程，就保證總有g(shù)reenlet在運(yùn)行，而不是等待IO。

Install

pip install gevent
最新版貌似支持windows了，之前測試好像windows上運(yùn)行不了……

Usage

首先來看一個(gè)簡單的爬蟲例子：

#! -*- coding:utf-8 -*-
import gevent
from gevent import monkey;monkey.patch_all()
import urllib2
def get_body(i):
    print "start",i
    urllib2.urlopen("http://cn.bing.com")
    print "end",i
tasks=[gevent.spawn(get_body,i) for i in range(3)]
gevent.joinall(tasks)

運(yùn)行結(jié)果：

start 0
start 1
start 2
end 2
end 0
end 1

說明：從結(jié)果上來看，執(zhí)行g(shù)et_body的順序應(yīng)該先是輸出”start”，然后執(zhí)行到urllib2時(shí)碰到IO堵塞，則會(huì)自動(dòng)切換運(yùn)行下一個(gè)程序（繼續(xù)執(zhí)行g(shù)et_body輸出start），直到urllib2返回結(jié)果，再執(zhí)行end。也就是說，程序沒有等待urllib2請(qǐng)求網(wǎng)站返回結(jié)果，而是直接先跳過了，等待執(zhí)行完畢再回來獲取返回值。值得一提的是，在此過程中，只有一個(gè)線程在執(zhí)行，因此這與多線程的概念是不一樣的。
換成多線程的代碼看看:

import threading
import urllib2
def get_body(i):
    print "start",i
    urllib2.urlopen("http://cn.bing.com")
    print "end",i
for i in range(3):
    t=threading.Thread(target=get_body,args=(i,))
    t.start()

運(yùn)行結(jié)果：

start 0
start 1
start 2
end 1
end 2
end 0

說明：從結(jié)果來看，多線程與協(xié)程的效果一樣，都是達(dá)到了IO阻塞時(shí)切換的功能。不同的是，多線程切換的是線程（線程間切換），協(xié)程切換的是上下文（可以理解為執(zhí)行的函數(shù)）。而切換線程的開銷明顯是要大于切換上下文的開銷，因此當(dāng)線程越多，協(xié)程的效率就越比多線程的高。（猜想多進(jìn)程的切換開銷應(yīng)該是最大的）

Gevent使用說明

• monkey可以使一些阻塞的模塊變得不阻塞，機(jī)制：遇到IO操作則自動(dòng)切換，手動(dòng)切換可以用gevent.sleep(0)（將爬蟲代碼換成這個(gè)，效果一樣可以達(dá)到切換上下文）
• gevent.spawn 啟動(dòng)協(xié)程，參數(shù)為函數(shù)名稱，參數(shù)名稱
• gevent.joinall 停止協(xié)程

Python3.x協(xié)程

python3.5協(xié)程使用可以移步：Python3.5協(xié)程學(xué)習(xí)研究

為了測試Python3.x下的協(xié)程應(yīng)用，我在virtualenv下安裝了python3.6的環(huán)境。
python3.x協(xié)程應(yīng)用：

• asynico + yield from（python3.4）
• asynico + await（python3.5）
• gevent

Python3.4以后引入了asyncio模塊，可以很好的支持協(xié)程。

asynico

　　asyncio是Python 3.4版本引入的標(biāo)準(zhǔn)庫，直接內(nèi)置了對(duì)異步IO的支持。asyncio的異步操作，需要在coroutine中通過yield from完成。

Usage

例子：（需在python3.4以后版本使用）

import asyncio
@asyncio.coroutine
def test(i):
    print("test_1",i)
    r=yield from asyncio.sleep(1)
    print("test_2",i)
loop=asyncio.get_event_loop()
tasks=[test(i) for i in range(5)]
loop.run_until_complete(asyncio.wait(tasks))
loop.close()

運(yùn)行結(jié)果：

test_1 3
test_1 4
test_1 0
test_1 1
test_1 2
test_2 3
test_2 0
test_2 2
test_2 4
test_2 1

說明：從運(yùn)行結(jié)果可以看到，跟gevent達(dá)到的效果一樣，也是在遇到IO操作時(shí)進(jìn)行切換（所以先輸出test_1，等test_1輸出完再輸出test_2）。但此處我有一點(diǎn)不明，test_1的輸出為什么不是按照順序執(zhí)行的呢？可以對(duì)比gevent的輸出結(jié)果（希望大神能解答一下）。

asyncio說明

　　@asyncio.coroutine把一個(gè)generator標(biāo)記為coroutine類型，然后，我們就把這個(gè)coroutine扔到EventLoop中執(zhí)行。
　　test()會(huì)首先打印出test_1，然后，yield from語法可以讓我們方便地調(diào)用另一個(gè)generator。由于asyncio.sleep()也是一個(gè)coroutine，所以線程不會(huì)等待asyncio.sleep()，而是直接中斷并執(zhí)行下一個(gè)消息循環(huán)。當(dāng)asyncio.sleep()返回時(shí)，線程就可以從yield from拿到返回值（此處是None），然后接著執(zhí)行下一行語句。
　　把a(bǔ)syncio.sleep(1)看成是一個(gè)耗時(shí)1秒的IO操作，在此期間，主線程并未等待，而是去執(zhí)行EventLoop中其他可以執(zhí)行的coroutine了，因此可以實(shí)現(xiàn)并發(fā)執(zhí)行。

asynico/await

　　為了簡化并更好地標(biāo)識(shí)異步IO，從Python 3.5開始引入了新的語法async和await，可以讓coroutine的代碼更簡潔易讀。
　　請(qǐng)注意，async和await是針對(duì)coroutine的新語法，要使用新的語法，只需要做兩步簡單的替換：

• 把@asyncio.coroutine替換為async；
• 把yield from替換為await。

Usage

例子（python3.5以后版本使用）：

import asyncio
async def test(i):
    print("test_1",i)
    await asyncio.sleep(1)
    print("test_2",i)
loop=asyncio.get_event_loop()
tasks=[test(i) for i in range(5)]
loop.run_until_complete(asyncio.wait(tasks))
loop.close()

運(yùn)行結(jié)果與之前一致。
說明：與前一節(jié)相比，這里只是把yield from換成了await，@asyncio.coroutine換成了async，其余不變。

gevent

同python2.x用法一樣。

協(xié)程VS多線程

　　如果通過以上介紹，你已經(jīng)明白多線程與協(xié)程的不同之處，那么我想測試也就沒有必要了。因?yàn)楫?dāng)線程越來越多時(shí)，多線程主要的開銷花費(fèi)在線程切換上，而協(xié)程是在一個(gè)線程內(nèi)切換的，因此開銷小很多，這也許就是兩者性能的根本差異之處吧。（個(gè)人觀點(diǎn)）

異步爬蟲

　　也許關(guān)心協(xié)程的朋友，大部分是用其寫爬蟲（因?yàn)閰f(xié)程能很好的解決IO阻塞問題），然而我發(fā)現(xiàn)常用的urllib、requests無法與asyncio結(jié)合使用，可能是因?yàn)榕老x模塊本身是同步的（也可能是我沒找到用法）。那么對(duì)于異步爬蟲的需求，又該怎么使用協(xié)程呢？或者說怎么編寫異步爬蟲？
給出幾個(gè)我所了解的方案：

• grequests （requests模塊的異步化）
• 爬蟲模塊+gevent（比較推薦這個(gè)）
• aiohttp （這個(gè)貌似資料不多，目前我也不太會(huì)用）
• asyncio內(nèi)置爬蟲功能 （這個(gè)也比較難用）

協(xié)程池

作用：控制協(xié)程數(shù)量

from bs4 import BeautifulSoup
import requests
import gevent
from gevent import monkey, pool
monkey.patch_all()
jobs = []
links = []
p = pool.Pool(10)
urls = [
    'http://www.google.com',
    # ... another 100 urls
]
def get_links(url):
    r = requests.get(url)
    if r.status_code == 200:
        soup = BeautifulSoup(r.text)
        links + soup.find_all('a')
for url in urls:
    jobs.append(p.spawn(get_links, url))
gevent.joinall(jobs)