连接/线程/处理的简单应用
最编程
2024-04-23 07:19:25
...
使用FastApi模拟网络IO接口
import time
from fastapi import FastAPI
app = FastAPI()
# 文件名 api.py
# 运行: uvicorn api:app --reload
@app.get("/sleep/{times}")
def sleep(times: int):
# 模拟接口耗时
time.sleep(times)
return {"sleep": times}
asyncio协程
协程: 使用 async def
语法定义的函数总是为协程函数,即使它们不包含 await
或 async
关键字。
引自: 8. 复合语句 — Python 3.12.3 文档
对比 并发运行 的效率
# _*_ coding : UTF-8 _*_
# @Time : 2024/4/22 下午7:12
# @Auther : Tiam
# @File : 异步
# @Project : play-python
# @Desc :
import asyncio
import threading
import time
import aiohttp
def get_run_time(func):
"""
获取 async函数运行时间
:param func:
:return:
"""
async def wrapper(*args, **kwargs):
start_time = time.time()
await func(*args, **kwargs)
end_time = time.time()
print(f"函数 {func.__name__} 运行时间: {end_time - start_time} 秒")
return wrapper
async def req(second):
print(threading.current_thread().name, second)
url = f'http://127.0.0.1:8000/sleep/{second}'
async with aiohttp.ClientSession() as session:
async with session.get(url) as response:
print("Status:", response.status)
return url, response.status
counts = 5
@get_run_time
async def main():
for i in range(counts):
await req(i)
# [await req(i) for i in range(counts)] # 等同于以上操作
@get_run_time
async def main_gather():
# https://docs.python.org/zh-cn/3/library/asyncio-task.html#asyncio.gather # 新版本推荐使用 asyncio.TaskGroup
result = await asyncio.gather(*[req(i) for i in range(counts)])
print(result)
@get_run_time
async def main_task_group():
# https://docs.python.org/zh-cn/3/library/asyncio-task.html#asyncio.TaskGroup
async with asyncio.TaskGroup() as tg:
# 重点: create_task 会将 协程(用async修饰的函数) 转换成 一个可并行调度的任务task-object
# https://docs.python.org/zh-cn/3/library/asyncio-task.html#task-object
tasks = [tg.create_task(req(i)) for i in range(counts)]
for task in tasks:
print(task.result())
if __name__ == '__main__':
# 同步顺序执行, 耗时 0+1+2+3+4 = 10
# asyncio.run(main()) # 函数 main 运行时间: 10.017327308654785 秒
# 并发运行, 只耗时最长的一个IO
# asyncio.run(main_gather()) # 函数 main_gather 运行时间: 4.008605718612671 秒
# 3.11 +
asyncio.run(main_task_group()) # 函数 main_task_group 运行时间: 4.16048264503479 秒
Process进程/Thread线程
import time
from concurrent.futures import ThreadPoolExecutor, ProcessPoolExecutor
import requests
def get_run_time(func):
def wrapper(*args, **kwargs):
start_time = time.time()
func(*args, **kwargs)
end_time = time.time()
print(f"函数 {func.__name__} 运行时间: {end_time - start_time} 秒")
return wrapper
def req():
with requests.session() as session:
with session.get('http://localhost:8000/sleep/1') as response:
print("Status:", response.status_code)
counts = 5
@get_run_time
def main1():
with ThreadPoolExecutor(max_workers=counts) as executor:
for i in range(counts):
executor.submit(req)
@get_run_time
def main2():
req()
@get_run_time
def main3():
with ProcessPoolExecutor(max_workers=counts) as executor:
for i in range(counts):
executor.submit(req)
if __name__ == '__main__':
main1() # 函数 main1 运行时间: 3.0591320991516113 秒
main2() # 函数 main1 运行时间: 3.0591320991516113 秒
main3() # 函数 main3 运行时间: 4.668190956115723 秒, 多进程增加了 进程切换开销 时间
总结:
多进程和多线程是两种常见的并发执行方式,它们各自有不同的特点和适用场景:
多进程(Multi-Process)
优点:
- 隔离性:每个进程都有独立的内存空间和系统资源,一个进程的崩溃不会直接影响到其他进程。
- 资源利用:可以更好地利用多核CPU,通过创建多个进程来执行CPU密集型任务。
- 简化编程:编程相对容易,通常不需要考虑锁和同步资源的问题。
- 容错性:进程间相互独立,具有更强的容错性。
缺点:
- 资源消耗:进程的创建和销毁需要较多的系统资源和时间。
- 通信开销:进程间通信(IPC)机制比线程间通信复杂,可能会影响性能。
- 上下文切换:进程间的上下文切换开销较大。
多线程(Multi-Threading)
优点:
- 资源共享:同一进程下的线程共享进程的内存和资源,数据共享和通信更容易。
- 执行开销:线程的创建和销毁比进程更快,资源消耗较小。
- 上下文切换:线程间的上下文切换比进程间快,因为它们共享相同的地址空间。
- 响应性:适合需要快速响应的应用程序,如用户界面程序。
缺点:
- 同步问题:线程之间需要同步和互斥机制来避免竞态条件和数据冲突。
- GIL限制:在某些语言(如Python)中,全局解释器锁(GIL)限制了线程的并行执行。
- 稳定性风险:一个线程的不稳定可能影响整个进程的稳定性。
选择多进程还是多线程?
- CPU密集型任务:如果任务主要是计算密集型的,并且需要充分利用多核CPU,多进程可能是更好的选择。
- IO密集型任务:对于IO密集型任务,多线程可能更合适,因为线程可以在等待IO操作时被操作系统挂起,让出CPU给其他线程使用。
- 并发数要求:需要处理大量并发请求时,多线程可以更高效地利用资源。
- 安全性和稳定性:如果程序需要高安全性和稳定性,多进程提供的隔离性可能更合适。
- 开发和维护难度:如果程序逻辑较为简单,或者开发者对并发编程不够熟悉,多进程可能更容易开发和维护。
在实际应用中,两种模型也可以结合使用,例如,可以使用多进程模型来处理多个并行的任务,而每个进程内部使用多线程来进一步提高并发度。
关系:
每个进程可以有多个线程, 每个线程下又可以存在多个协程
推荐阅读
-
冈萨雷斯的《数字图像处理》,第 3 版,课后习题 [简单易懂]
-
ES 学习教程 - 前言 什么是 es? es 是一个基于 Apache Lucene 的开源分布式(全文)搜索引擎,它提供了一个简单的 RESTful API 来隐藏 Lucene 的复杂性。 除了是一个全文搜索引擎,es 还可以描述如下: 分布式实时文件存储,每个字段都有索引并可被搜索 分布式实时分析搜索引擎 可扩展至数百或数千台服务器,处理 PB 级的结构化或非结构化数据。 ES 的数据组织类比
-
循环遍历线程池和 CompletableFuture 的简单使用
-
简单应用框架 VSEF 的架构
-
基于 Python 的 OpenCV 视觉图像处理 OpenCV 简单人脸检测/识别 实用案例二 简单人脸检测 添加眼镜效果
-
不同网络连接和分辨率下 Spacedesk 延迟的简单测试
-
(带区号)座机号码正则 _ 正则表达式的字符串处理(简单易懂)
-
连接/线程/处理的简单应用
-
Mac 技术 - 应用程序被锁定无法卸载的解决方法,文件、文件夹被锁定无法移动到废纸篓的处理方法,卡巴斯基被锁定如何卸载演示版
-
epoll简介及触发模式(accept、read、send)-epoll的简单介绍 epoll在LT和ET模式下的读写方式 一、epoll的接口非常简单,一共就三个函数:1. int epoll_create(int size);创建一个epoll的句柄,size用来告诉内核这个监听的数目一共有多大。这个参数不同于select中的第一个参数,给出最大监听的fd+1的值。需要注意的是,当创建好epoll句柄后,它就是会占用一个fd值,在linux下如果查看/proc/进程id/fd/,是能够看到这个fd的,所以在使用完epoll后,必须调用close关闭,否则可能导致fd被耗尽。2. int epoll_ctl(int epfd, int op, int fd, struct epoll_event *event);epoll的事件注册函数,它不同与select是在监听事件时告诉内核要监听什么类型的事件,而是在这里先注册要监听的事件类型。第一个参数是epoll_create的返回值,第二个参数表示动作,用三个宏来表示:EPOLL_CTL_ADD:注册新的fd到epfd中;EPOLL_CTL_MOD:修改已经注册的fd的监听事件;EPOLL_CTL_DEL:从epfd中删除一个fd;第三个参数是需要监听的fd,第四个参数是告诉内核需要监听什么事,struct epoll_event结构如下:struct epoll_event { __uint32_t events; /* Epoll events */ epoll_data_t data; /* User data variable */};events可以是以下几个宏的集合:EPOLLIN :表示对应的文件描述符可以读(包括对端SOCKET正常关闭); EPOLLIN事件:EPOLLIN事件则只有当对端有数据写入时才会触发,所以触发一次后需要不断读取所有数据直到读完EAGAIN为止。否则剩下的数据只有在下次对端有写入时才能一起取出来了。现在明白为什么说epoll必须要求异步socket了吧?如果同步socket,而且要求读完所有数据,那么最终就会在堵死在阻塞里。 EPOLLOUT:表示对应的文件描述符可以写; EPOLLOUT事件:EPOLLOUT事件只有在连接时触发一次,表示可写,其他时候想要触发,那要先准备好下面条件:1.某次write,写满了发送缓冲区,返回错误码为EAGAIN。2.对端读取了一些数据,又重新可写了,此时会触发EPOLLOUT。简单地说:EPOLLOUT事件只有在不可写到可写的转变时刻,才会触发一次,所以叫边缘触发,这叫法没错的!其实,如果真的想强制触发一次,也是有办法的,直接调用epoll_ctl重新设置一下event就可以了,event跟原来的设置一模一样都行(但必须包含EPOLLOUT),关键是重新设置,就会马上触发一次EPOLLOUT事件。1. 缓冲区由满变空.2.同时注册EPOLLIN | EPOLLOUT事件,也会触发一次EPOLLOUT事件这个两个也会触发EPOLLOUT事件 EPOLLPRI:表示对应的文件描述符有紧急的数据可读(这里应该表示有带外数据到来);EPOLLERR:表示对应的文件描述符发生错误;EPOLLHUP:表示对应的文件描述符被挂断;EPOLLET: 将EPOLL设为边缘触发(Edge Triggered)模式,这是相对于水平触发(Level Triggered)来说的。EPOLLONESHOT:只监听一次事件,当监听完这次事件之后,如果还需要继续监听这个socket的话,需要再次把这个socket加入到EPOLL队列里3. int epoll_wait(int epfd, struct epoll_event * events, int maxevents, int timeout);等待事件的产生,类似于select调用。参数events用来从内核得到事件的集合,maxevents告之内核这个events有多大,这个maxevents的值不能大于创建epoll_create时的size,参数timeout是超时时间(毫秒,0会立即返回,-1将不确定,也有说法说是永久阻塞)。该函数返回需要处理的事件数目,如返回0表示已超时。-------------------------------------------------------------------------------------------- 从man手册中,得到ET和LT的具体描述如下EPOLL事件有两种模型:Edge Triggered (ET)Level Triggered (LT)假如有这样一个例子:1. 我们已经把一个用来从管道中读取数据的文件句柄(RFD)添加到epoll描述符2. 这个时候从管道的另一端被写入了2KB的数据3. 调用epoll_wait(2),并且它会返回RFD,说明它已经准备好读取操作4. 然后我们读取了1KB的数据5. 调用epoll_wait(2)......Edge Triggered 工作模式:如果我们在第1步将RFD添加到epoll描述符的时候使用了EPOLLET标志,那么在第5步调用epoll_wait(2)之后将有可能会挂起,因为剩余的数据还存在于文件的输入缓冲区内,而且数据发出端还在等待一个针对已经发出数据的反馈信息。只有在监视的文件句柄上发生了某个事件的时候 ET 工作模式才会汇报事件。因此在第5步的时候,调用者可能会放弃等待仍在存在于文件输入缓冲区内的剩余数据。在上面的例子中,会有一个事件产生在RFD句柄上,因为在第2步执行了一个写操作,然后,事件将会在第3步被销毁。因为第4步的读取操作没有读空文件输入缓冲区内的数据,因此我们在第5步调用 epoll_wait(2)完成后,是否挂起是不确定的。epoll工作在ET模式的时候,必须使用非阻塞套接口,以避免由于一个文件句柄的阻塞读/阻塞写操作把处理多个文件描述符的任务饿死。最好以下面的方式调用ET模式的epoll接口,在后面会介绍避免可能的缺陷。 i 基于非阻塞文件句柄 ii 只有当read(2)或者write(2)返回EAGAIN时才需要挂起,等待。但这并不是说每次read时都需要循环读,直到读到产生一个EAGAIN才认为此次事件处理完成,当read返回的读到的数据长度小于请求的数据长度时,就可以确定此时缓冲中已没有数据了,也就可以认为此事读事件已处理完成。Level Triggered 工作模式相反的,以LT方式调用epoll接口的时候,它就相当于一个速度比较快的poll(2),并且无论后面的数据是否被使用,因此他们具有同样的职能。因为即使使用ET模式的epoll,在收到多个chunk的数据的时候仍然会产生多个事件。调用者可以设定EPOLLONESHOT标志,在 epoll_wait(2)收到事件后epoll会与事件关联的文件句柄从epoll描述符中禁止掉。因此当EPOLLONESHOT设定后,使用带有 EPOLL_CTL_MOD标志的epoll_ctl(2)处理文件句柄就成为调用者必须作的事情。然后详细解释ET, LT:LT(level triggered)是缺省的工作方式,并且同时支持block和no-block socket.在这种做法中,内核告诉你一个文件描述符是否就绪了,然后你可以对这个就绪的fd进行IO操作。如果你不作任何操作,内核还是会继续通知你的,所以,这种模式编程出错误可能性要小一点。传统的select/poll都是这种模型的代表.ET(edge-triggered)是高速工作方式,只支持no-block socket。在这种模式下,当描述符从未就绪变为就绪时,内核通过epoll告诉你。然后它会假设你知道文件描述符已经就绪,并且不会再为那个文件描述符发送更多的就绪通知,直到你做了某些操作导致那个文件描述符不再为就绪状态了(比如,你在发送,接收或者接收请求,或者发送接收的数据少于一定量时导致了一个EWOULDBLOCK 错误)。但是请注意,如果一直不对这个fd作IO操作(从而导致它再次变成未就绪),内核不会发送更多的通知(only once),不过在TCP协议中,ET模式的加速效用仍需要更多的benchmark确认(这句话不理解)。在许多测试中我们会看到如果没有大量的idle -connection或者dead-connection,epoll的效率并不会比select/poll高很多,但是当我们遇到大量的idle- connection(例如WAN环境中存在大量的慢速连接),就会发现epoll的效率大大高于select/poll。(未测试)另外,当使用epoll的ET模型来工作时,当产生了一个EPOLLIN事件后,读数据的时候需要考虑的是当recv返回的大小如果等于请求的大小,那么很有可能是缓冲区还有数据未读完,也意味着该次事件还没有处理完,所以还需要再次读取: 这里只是说明思路(参考《UNIX网络编程》) while(rs) {buflen = recv(activeevents[i].data.fd, buf, sizeof(buf), 0);if(buflen < 0){// 由于是非阻塞的模式,所以当errno为EAGAIN时,表示当前缓冲区已无数据可读// 在这里就当作是该次事件已处理处.if(errno == EAGAIN)break; else return; }else if(buflen == 0) { // 这里表示对端的socket已正常关闭. } if(buflen == sizeof(buf) rs = 1; // 需要再次读取 else rs = 0; } 还有,假如发送端流量大于接收端的流量(意思是epoll所在的程序读比转发的socket要快),由于是非阻塞的socket,那么send函数虽然返回,但实际缓冲区的数据并未真正发给接收端,这样不断的读和发,当缓冲区满后会产生EAGAIN错误(参考man send),同时,不理会这次请求发送的数据.所以,需要封装socket_send的函数用来处理这种情况,该函数会尽量将数据写完再返回,返回-1表示出错。在socket_send内部,当写缓冲已满(send返回-1,且errno为EAGAIN),那么会等待后再重试.这种方式并不很完美,在理论上可能会长时间的阻塞在socket_send内部,但暂没有更好的办法. ssize_t socket_send(int sockfd, const char* buffer, size_t buflen) { ssize_t tmp; size_t total = buflen; const char *p = buffer; while(1) { tmp = send(sockfd, p, total, 0); if(tmp < 0) { // 当send收到信号时,可以继续写,但这里返回-1. if(errno == EINTR) return -1; // 当socket是非阻塞时,如返回此错误,表示写缓冲队列已满, // 在这里做延时后再重试. if(errno == EAGAIN) { usleep(1000); continue; } return -1; } if((size_t)tmp == total) return buflen; total -= tmp; p += tmp; } return tmp; } 二、epoll在LT和ET模式下的读写方式 在一个非阻塞的socket上调用read/write函数, 返回EAGAIN或者EWOULDBLOCK(注: EAGAIN就是EWOULDBLOCK) 从字面上看, 意思是: * EAGAIN: 再试一次 * EWOULDBLOCK: 如果这是一个阻塞socket, 操作将被block * perror输出: Resource temporarily unavailable 总结: 这个错误表示资源暂时不够, 可能read时, 读缓冲区没有数据, 或者, write时,写缓冲区满了 。 遇到这种情况, 如果是阻塞socket, read/write就要阻塞掉。 而如果是非阻塞socket, read/write立即返回-1, 同 时errno设置为EAGAIN. 所以, 对于阻塞socket, read/write返回-1代表网络出错了. 但对于非阻塞socket, read/write返回-1不一定网络真的出错了. 可能是Resource temporarily unavailable. 这时你应该再试, 直到Resource available. 综上, 对于non-blocking的socket, 正确的读写操作为: 读: 忽略掉errno = EAGAIN的错误, 下次继续读 写: 忽略掉errno = EAGAIN的错误, 下次继续写 对于select和epoll的LT模式, 这种读写方式是没有问题的. 但对于epoll的ET模式, 这种方式还有漏洞. epoll的两种模式 LT 和 ET