Python基础语法-3
2019-07-24 本文已影响0人
xiaohan_zhang
-
socket
套接字使用流程：
1.创建套接字
2.使用套接字收/发数据
3.关闭套接字
创建一个TCP socket
# 创建socket套接字
tcp_socket = socket.socket(socket.AF_INET, socket.SOCK_STREAM)
# ...使用套接字的功能...
print("tcp_socket------")
# 不使用时，关闭套接字
tcp_socket.close()
创建一个UDP socket
# 发送数据
udp_socket = socket.socket(socket.AF_INET, socket.SOCK_DGRAM)
# ...使用套接字的功能...
udp_socket.sendto(('哈哈哈哈哈哈'.encode('utf-8')), ("192.168.1.105", 8080))
print("udp_socket------")
# 不使用时，关闭套接字
udp_socket.close()
# 接收数据
# 创建一个UDP socket
udp_recv_socket = socket.socket(socket.AF_INET, socket.SOCK_DGRAM)
# 绑定一个本地信息
localaddr = ("", 7788)
udp_recv_socket.bind(localaddr)
# 模拟发送数据
udp_sender_socket = socket.socket(socket.AF_INET, socket.SOCK_DGRAM)
udp_sender_socket.sendto(('哈哈哈哈哈哈'.encode('utf-8')), ("192.168.1.105", 7788))
udp_sender_socket.close()
# 接收数据
recv_data = udp_recv_socket.recvfrom(1024)
recv_msg = str(recv_data[0], 'utf-8')
sender_addr = recv_data[1]
print('msg = %s addr = %s' % (recv_msg, sender_addr))
udp_recv_socket.close()
-
线程thread
并发：指的是任务数多余cpu核数，通过操作系统的各种任务调度算法，实现用多个任务“一起”执行（实际上总有一些任务不在执行，因为切换任务的速度相当快，看上去一起执行而已）
并行：指的是任务数小于等于cpu核数，即任务真的是一起执行的
import threading
import time
def sing():
""" 唱歌5s """
for i in range(5):
print("------正在唱歌-------")
print('thread %s is running...' % threading.current_thread().name)
time.sleep(1)
def dance():
""" 跳舞5s """
for i in range(5):
print("---------正在跳舞-------")
print('thread %s is running...' % threading.current_thread().name)
time.sleep(1)
class MyThread(threading.Thread):
def run(self):
for i in range(3):
time.sleep(1)
print("I'm " + self.name + ' @ ' + str(i))
def test1(temp):
temp.append(33)
print("-------- in test1 temp = %s" % str(temp))
def test2(temp):
print("-------- in test2 temp = %s" % str(temp))
gl_num = 0
# 创建互斥锁 默认是没有上锁的
mutex = threading.Lock()
def test3(count):
global gl_num
# 上锁
# 如果之前没有被上锁，则上锁成功
# 如果已经被上锁，则会堵塞在这里，直到锁被解开
mutex.acquire()
for i in range(count):
gl_num += 1
# 解锁
mutex.release()
print("-------in test3 gl_num = %d" % gl_num)
def test4(count):
global gl_num
mutex.acquire()
for i in range(count):
gl_num += 1
mutex.release()
print("-------in test4 gl_num = %d" % gl_num)
def main():
print("---- 开始 ----:%s" % time.ctime())
# 方式一
t1 = threading.Thread(target=sing) # 没有()
t2 = threading.Thread(target=dance)
t1.start()
t2.start()
# 方式二
t3 = MyThread()
t3.start()
# target指定这个线程执行哪个函数
# args指定 调用函数时，传递什么参数
t4 = threading.Thread(target=test3, args=(100000,))
t5 = threading.Thread(target=test4, args=(100000,))
t4.start()
t5.start()
print("------- in main thread g_nums = %s" % str(gl_num))
while True:
length = len(threading.enumerate())
print("当前运行的线程数为: %d", length)
if length <= 1:
break
time.sleep(0.5)
if __name__ == "__main__":
main()
- 进程process
import multiprocessing
import time
def sing():
""" 唱歌5s """
for i in range(5):
print("------正在唱歌-------")
print('thread %s is running...' % multiprocessing.current_process().name)
time.sleep(1)
def dance():
""" 跳舞5s """
for i in range(5):
print("---------正在跳舞-------")
print('thread %s is running...' % multiprocessing.current_process().name)
time.sleep(1)
def main():
p1 = multiprocessing.Process(target=sing)
p2 = multiprocessing.Process(target=dance)
p1.start()
p2.start()
if __name__ == "__main__":
main()
- 进程池pool
from multiprocessing import Pool
import os, time, random
def worker(msg):
t_start = time.time()
print("%s开始执行,进程号为%d" % (msg, os.getpid()))
# random.random()随机生成0-1之间的浮点数
time.sleep(random.random() * 2)
t_stop = time.time()
print("%s执行完毕，耗时%0.2f" % (msg, t_stop - t_start))
po = Pool(3)
for i in range(0, 10):
# Pool().apply_async(要调用的目标,(传递给目标的参数元组,))
# 每次循环将用空闲出来的子线程来调用目标
po.apply_async(worker, (i, ))
print("---------- start -----------")
# 关闭进程池，关闭后，po不再接收新的请求
po.close()
# 等待po中所有子进程执行完成，必须放在close()语句之后
po.join()
print("---------- end -------------")
def main():
pass
if __name__ == "__main__":
main()
-
迭代器iterator
减少内存空间 能使用for循环
from collections import Iterable
from collections import Iterator
class Classmate(object):
def __init__(self):
self.names = list()
self.current_num = 0
def add(self, name):
self.names.append(name)
# def __iter__(self):
# """ 如果想要一个对象称为 一个可迭代的对象，即可以使用for，那必须实现__iter__方法"""
# return ClassInterter(self)
def __iter__(self):
return self
def __next__(self):
if self.current_num < len(self.names):
ret = self.names[self.current_num]
self.current_num += 1
return ret
else:
raise StopIteration # 抛出该异常，for循环自动停止
classmate = Classmate()
classmate.add("Luffy")
classmate.add("Naruto")
print("判断classmeta是否是可以迭代的对象", isinstance(classmate, Iterable))
classmate_iterator = iter(classmate)
print("判断classmate_iterator是否是迭代器", isinstance(classmate_iterator, Iterator))
# print(next(classmate_iterator))
for name in classmate:
print(name)
-
生成器
能使一个函数暂停执行，通过next send再继续执行
创建生成器方式一
# 创建列表时用()
list1 = []
list2 = ()
创建生成器方式二
def create_num(all_num):
a, b = 0, 1
current_num = 0
while current_num < all_num:
# print(a)
yield a
a, b = b, a + b
current_num += 1
# 如果在调用create_num时，发现这个函数中有yield，那么此时不是调用函数，而是创建一个生成器对象
obj = create_num(10)
for num in obj:
print(num)
- 协程yield
import time
def tash_1():
while True:
print("---- 1 -----")
time.sleep(0.1)
yield
def tash_2():
while True:
print("---- 2 -----")
time.sleep(0.1)
yield
def main():
t1 = tash_1()
t2 = tash_2()
while True:
next(t1)
next(t2)
if __name__ == "__main__":
main()
-
gevent多任务
进程、线程、协程对比
1.进程是资源分配的单位
2.线程是操作系统的调度单位
3.进程切换需要的资源最大，效率很低
4.线程切换需要的资源一般，效率一般（在不考虑GIL的情况下）
5.协程切换任务资源很小，效率高
6.多进程、多线程根据cpu核数不一样，可能是并行的，但是协程是在一个线程中，所以是并发
def f(n):
for i in range(n):
print(gevent.getcurrent(), i)
# gevent.sleep(0.5)
time.sleep(0.5)
def test1():
# 有耗时操作时需要
monkey.patch_all() # 将程序中有耗时操作的代码，换为gevent中的自己实现的模块
g1 = gevent.spawn(f, 5)
g2 = gevent.spawn(f, 5)
g3 = gevent.spawn(f, 5)
g1.join()
g2.join()
g3.join()
def coroutine_work(coroutine_name):
for i in range(5):
print(coroutine_name, i)
time.sleep(1)
def test2():
monkey.patch_all()
gevent.joinall([
gevent.spawn(coroutine_work, "work1"),
gevent.spawn(coroutine_work, "work2")
])
def main():
# test1()
test2()
if __name__ == "__main__":
main()
