并发和并行

并发

• 同一时刻只允许一个操作，线程/任务之间相互切换，达到并发处理任务
• 单线程：协程（asyncio）
• 多线程：Futures（threading）
• 并发通常应用与I/O操作频繁的场景

并行

• 同一时刻同时发送
• 多进程
• 并行通常应用于CPU heavy的场景

单线程并发-协程

单个协程实现并发，建议使用I/O密集型场景
python3.7及以上

协程实例

协程使用步骤：

• 使用asynic修饰函数，定义为异步函数
• await调用异步函数，注意：同步调用，需要task来实现真正的并发
• task创建：task任务asynic.create_task(异步函数)
• task调度：创建调度器，统一调度任务 await asynic.gather(*task)
• 运行协程：asynic.run(异步函数)
• 第三方库要支持协程，如request不支持协程，改用aiohttp

import asyncio

async def crawl_page(url):
    print('crawling {}'.format(url))
    sleep_time = int(url.split('_')[-1])
    await asyncio.sleep(sleep_time)
    print('OK {}'.format(url))

async def main(urls):
    tasks = [asyncio.create_task(crawl_page(url)) for url in urls]
    await asyncio.gather(*tasks)

asyncio.run(main(['url_1', 'url_2', 'url_3', 'url_4']))

多线程并发- future

• 全局解释器：Python 便引入了全局解释器锁，也就是同一时刻，只允许一个线程执行。当然，在执行 I/O 操作时，如果一个线程被 block 了，全局解释器锁便会被释放，从而让另一个线程能够继续执行

实例

from concurrent.futures import Future, ThreadPoolExecutor, as_completed
import requests
import time

def download_one(url):
    resp = requests.get(url)
    print('Read {} from {}'.format(len(resp.content), url))


def download_all(urls):
    with ThreadPoolExecutor(5) as excutor:
        to_do = []
        for url in urls:
            future = excutor.submit(download_one, url)
            to_do.append(future)

        for future in as_completed(to_do):
            future.result()


if __name__ == '__main__':
    sites = [
        "https://www.19lou.com",
        "https://food.19lou.com",
        "https://tour.19lou.com",
        "https://auto.19lou.com",
        "https://fashion.19lou.com",
        "https://sweet.19lou.com",
        "https://love.19lou.com",
        "https://marry.19lou.com",
        "https://money.19lou.com"
    ]

    st = time.perf_counter()
    download_all(sites)
    et = time.perf_counter()