Python 高级编程之IO模型与协程（四）

一、概述

接着上篇文章继续，这篇文章主要讲解IO模型和协程，这两块内容也是非常非常重要的。

Python的I/O模型分为**同步(sync)和异步(async)**两种：

• 同步I/O模型是指，当一个线程在等待I/O操作完成时，它不能执行其他任务，需要一直等待I/O操作完成，直到接收到I/O操作的完成通知后才继续执行。

• 异步I/O模型是指，当一个线程发起一个I/O操作后，不会等待I/O操作完成，而是直接执行其他任务，当I/O操作完成后，再通过回调或事件通知来处理I/O操作的结果。

Python 中的协程：

• 协程是一种轻量级的用户级线程，它在单线程内执行，不会阻塞主线程，可以在多个任务间轻松地切换，因此可以用于实现异步I/O操作。协程的实现方式与生成器非常相似，通过使用yield语句来暂停和恢复执行。
• 协程可以与asyncio库配合使用，来实现异步I/O操作。这种方式可以极大地提高程序的效率，因为程序不必等待I/O操作完成，可以在等待I/O操作期间执行其他任务。

二、IO模型

上面已经对IO模型大致描述了一下，其实细分可以分为五种模型：

• 同步阻塞IO（Blocking IO）：即传统的IO模型。
• 同步非阻塞IO（Non-blocking IO）：默认创建的socket都是阻塞的，非阻塞IO要求socket被设置为NONBLOCK。
• IO多路复用（IO MulTIplexing）：即经典的Reactor设计模式，有时也称为异步阻塞IO，Java中的Selector和Linux中的epoll都是这种模型。
• 异步IO（Asynchronous IO）：即经典的Proactor设计模式，也称为异步非阻塞IO。
• signal driven IO：信号驱动IO ， 在实际中并不常用，所以只剩下四种IO Model。

1）IO 模型准备

IO模型讲解之前，先了解一些概念：

• 用户空间和内核空间
• 进程切换
• 进程的阻塞
• 文件描述符
• 缓存 I/O

1、用户空间和内核空间

用户空间和内核空间是操作系统的两个重要概念。

• 用户空间是一个独立的内存空间，其中存储着用户进程（包括应用程序）运行时使用的数据和代码。用户空间是安全的，因为进程之间相互独立，不能直接访问对方的内存空间。

• 内核空间是操作系统内核代码和数据结构所使用的内存空间。内核空间是不安全的，因为内核代码运行时有最高的权限，可以访问系统的所有资源，并且可以直接控制其他所有进程。

• 用户空间和内核空间之间的分界线是很重要的，因为它保护了操作系统的安全和稳定。例如，如果一个用户进程的代码出现问题，它可能会崩溃，但是它不会影响整个系统的稳定性。

2、进程切换

进程切换是操作系统的一个基本概念，指的是操作系统在不同的进程之间进行切换，以便实现多任务处理。

进程切换的过程包括如下步骤：

• 保存当前进程的状态：在进程切换前，操作系统需要保存当前进程的执行状态，包括 CPU 寄存器的值、栈的内容等。

• 选择下一个要运行的进程：操作系统根据调度算法选择下一个要运行的进程，例如先来先服务（FCFS）、最短进程优先（SPN）等。

• 载入下一个进程的状态：操作系统从存储器中读取下一个进程的状态，并载入到 CPU 寄存器中。

• 恢复下一个进程的执行：操作系统将 CPU 控制权交给下一个进程，让它继续执行。

进程切换是一个高代价的操作，需要大量的时间和系统资源。因此，操作系统需要合理地调度进程，以最小化进程切换的次数。

3、进程的阻塞

进程阻塞是指一个进程因为等待某个事件的发生而暂时停止执行。这个事件可以是等待 I/O 操作完成、等待资源的分配、等待信号的到达等。当事件发生时，该进程再恢复执行。

• 进程阻塞是一种常见的进程状态，与其他进程状态（例如就绪状态、运行状态）不同。当一个进程阻塞时，它不再需要 CPU 的执行，因此操作系统可以切换到其他进程上，以利用 CPU 资源。

• 进程阻塞可以减少 CPU 的空闲时间，并有助于有效地管理系统资源，但是需要消耗大量的系统资源来维护阻塞队列和状态信息。因此，操作系统需要合理地管理进程阻塞，以保证系统的高效运行。

4、文件描述符fd

文件描述符（file descriptor）是一个非负整数，用于指代一个打开的文件或其他 I/O 设备（例如管道、套接字等）。它为程序提供了一种用于访问文件或 I/O 设备的抽象方法，而不需要知道底层的实现细节。

• 每个进程都有一个文件描述符表，该表包含了每个打开的文件或 I/O 设备的信息。当程序打开一个文件或 I/O 设备时，操作系统会分配一个文件描述符，并将其存储在该进程的文件描述符表中。之后，程序可以使用该文件描述符来读写文件或控制 I/O 设备。
• 文件描述符是系统资源，需要恰当地使用和管理。当一个进程结束时，该进程的所有打开的文件和 I/O 设备都将关闭，相应的文件描述符也将被释放。因此，程序必须确保在不再使用文件描述符时关闭它。

5、缓存 I/O

• 缓存 I/O 指的是使用缓存（即临时存储区）来保存经常访问的数据。在计算机技术中，这可以指的是将数据缓存在系统的内存或存储设备中，或者使用网络中的缓存（如网页浏览器缓存或代理缓存）来减少需要通过网络传输的数据量。
• 缓存可以通过减少执行的 I/O（输入/输出）操作来提高系统的性能，因为数据可以从缓存中快速获取，而不是每次都从原始来源中获取。这可以导致更快的访问时间和减少的延迟，从而提高整体系统性能。

2）IO 模型详解

1、同步阻塞IO（Blocking IO）

Python 中的同步阻塞 I/O 是一种 I/O 操作，在这种情况下，程序的执行会被阻塞，直到 I/O 操作完成。换句话说，程序将等待 I/O 操作完成，才能继续执行下一个任务。这种类型的 I/O 被称为“阻塞”，因为它阻塞了程序的执行，并且被称为“同步”，因为它以同步的方式发生，程序等待 I/O 操作完成后再继续。

• 例如，当使用 Python 中的 read 方法从文件读取时，程序将等待整个文件读取完毕，才能继续执行下一个任务。这是同步阻塞 I/O 的一个例子。

• 当 I/O 操作相对较短且程序可以等待其完成后才继续执行下一个任务时，通常会使用同步阻塞 I/O。然而，当 I/O 操作比较长时，程序可能会被阻塞很长一段时间，从而导致性能下降。在这种情况下，通常更好使用异步 I/O。

• 在linux中，默认情况下所有的socket都是阻塞IO，一个典型的读操作流程大概是这样：

我们之前写的都是阻塞IO模型（协程除外）

在服务端开设多进程或者多线程 进程池线程池 其实还是没有解决IO问题 该等的地方还是得等 没有规避 只不过多个人等待彼此互不干扰。示例如下：

服务端：

import socket

server = socket.socket()
server.bind(('127.0.0.1',8080))
server.listen(5)

while True:
    conn, addr = server.accept()
    while True:
        try:
            data = conn.recv(1024)
            if len(data) == 0:break
            print(data)
            conn.send(data.upper())
        except ConnectionResetError as e:
            break
    conn.close()

客户端：

import socket

client = socket.socket()
client.connect(('127.0.0.1',8081))

while True:
    client.send(b'hello world')
    data = client.recv(1024)
    print(data)

2、同步非阻塞IO（Non-blocking IO）

Python 中的同步非阻塞 I/O 是一种程序不必等待 I/O 操作完成就可以继续执行下一个任务的 I/O 操作。相反，程序在 I/O 操作正在进行时继续执行下一个任务。这种类型的 I/O 被称为“非阻塞”，因为它不会阻塞程序的执行，并且被称为“同步”，因为它仍以同步的方式操作，程序会定期检查 I/O 操作的状态。

• 例如，在 Python 中实现同步非阻塞 I/O，可以使用 select 模块，该模块提供了对操作系统底层 I/O 多路复用功能的访问，允许您同时监视多个 I/O 操作，而不会阻塞。

• 当 I/O 操作预计需要很长时间才能完成，且程序需要在此期间继续处理其他任务时，通常使用同步非阻塞 I/O。这可以提高程序的性能和响应性。

• python下，可以通过设置socket使其变为non-blocking（server.setblocking(False)）。当对一个non-blocking socket执行读操作时，流程是这个样子：

示例如下：

服务端：

import socket
import time

server = socket.socket()
server.bind(('127.0.0.1', 8081))
server.listen(5)
server.setblocking(False)
# 将所有的网络阻塞变为非阻塞
r_list = []
del_list = []
while True:
    try:
        conn, addr = server.accept()
        r_list.append(conn)
    except BlockingIOError:
        for conn in r_list:
            try:
                data = conn.recv(1024)  # 没有消息 报错
                if len(data) == 0:  # 客户端断开链接
                    conn.close()  # 关闭conn
                    # 将无用的conn从r_list删除
                    del_list.append(conn)
                    continue
                conn.send(data.upper())
            except BlockingIOError:
                continue
            except ConnectionResetError:
                conn.close()
                del_list.append(conn)
        # 挥手无用的链接
        for conn in del_list:
            r_list.remove(conn)
        del_list.clear()

客户端：

import socket

client = socket.socket()
client.connect(('127.0.0.1',8081))

while True:
    client.send(b'hello world')
    data = client.recv(1024)
    print(data)

3、IO多路复用（IO MulTIplexing）

“IO 多路复用” 是一种用于监听多个网络连接的技术，以提高网络程序的性能和效率。常用的 IO 多路复用技术有 select、poll、epoll。

在 Python 中，可以使用 select 模块来实现 IO 多路复用。select 模块提供了三个函数：select、poll、epoll，可以在不同的平台上使用不同的函数来实现 IO 多路复用。它们都是用来监听多个文件描述符（socket）的读写情况，以实现对多个socket的高效管理。

• select：select 是最早的 I/O 多路复用 API 之一，并在大多数 Unix 类系统上广泛支持。select 可以监视大量的文件描述符，但它有许多限制，例如具有固定的最大文件描述符数量（1024），以及当正在监视的文件描述符列表更改时受到竞争条件的影响。

• poll：poll 是为了解决 select 中的一些限制而引入的，在大多数 Unix 类系统上广泛支持。poll 可以监视比 select 更多的文件描述符（无限制），并且它还提供了关于每个文件描述符状态的更多信息。

• epoll：epoll 被引入为 poll 和 select 的更有效替代品，并可在 Linux 系统上使用。epoll 具有许多比 poll 和 select 更有效的性能优势，例如更快更可扩展的设计，以及能够以较低开销监视大量文件描述符的能力。

select、poll、epoll之间的区别：

	select	poll	epoll
操作方式	遍历	遍历	回调
底层实现	数组	链表	哈希表
IO效率	每次调用都进行线性遍历，时间复杂度为O(n)	每次调用都进行线性遍历，时间复杂度为O(n)	事件通知方式，每当fd就绪，系统注册的回调函数就会被调用，将就绪fd放到rdllist里面。时间复杂度O(1)
最大连接数	1024（x86）或 2048（x64）	无上限	无上限
fd拷贝	每次调用select，都需要把fd集合从用户态拷贝到内核态	每次调用poll，都需要把fd集合从用户态拷贝到内核态	调用epoll_ctl时拷贝进内核并保存，之后每次epoll_wait不拷贝

它的流程如图：

• 管的对象只有一个的时候 其实IO多路复用连阻塞IO都比不上！！！但是IO多路复用可以一次性监管很多个对象
• 监管机制是操作系统本身就有的 如果你想要用该监管机制(select)需要，
• 你导入对应的select模块

示例如下：

import socket
import select

server = socket.socket()
server.bind(('127.0.0.1',8080))
server.listen(5)
server.setblocking(False)
read_list = [server]

while True:
    r_list, w_list, x_list = select.select(read_list, [], [])
    """
    帮你监管
    一旦有人来了 立刻给你返回对应的监管对象
    """
    # print(res)  # ([<socket.socket fd=3, family=AddressFamily.AF_INET, type=SocketKind.SOCK_STREAM, proto=0, laddr=('127.0.0.1', 8080)>], [], [])
    # print(server)
    # print(r_list)
    for i in r_list:  #
        """针对不同的对象做不同的处理"""
        if i is server:
            conn, addr = i.accept()
            # 也应该添加到监管的队列中
            read_list.append(conn)
        else:
            res = i.recv(1024)
            if len(res) == 0:
                i.close()
                # 将无效的监管对象 移除
                read_list.remove(i)
                continue
            print(res)
            i.send(b'hello python')

 # 客户端
import socket

client = socket.socket()
client.connect(('127.0.0.1',8080))

while True:

    client.send(b'hello world')
    data = client.recv(1024)
    print(data)

4、异步IO（Asynchronous IO）

异步IO模型是所有模型中效率最高的 也是使用最广泛的 。先看一下它的流程：

"""
异步IO模型是所有模型中效率最高的 也是使用最广泛的
相关的模块和框架
	模块: asyncio模块
	异步框架:sanic tronado twisted
		速度快！！！
"""
import threading
import asyncio

@asyncio.coroutine
def hello():
    print('hello world %s'%threading.current_thread())
    yield from asyncio.sleep(1)  # 换成真正的IO操作
    print('hello world %s' % threading.current_thread())

loop = asyncio.get_event_loop()
tasks = [hello(),hello()]
loop.run_until_complete(asyncio.wait(tasks))
loop.close()

三、Python 协程介绍

"协程"是一种在单线程内实现多任务的机制，它的目的是让程序员可以方便地实现异步 I/O 操作，这是通过在单线程中进行切换任务完成的。

• 在 Python 中，协程是通过生成器实现的。它们与普通生成器有所不同，因为它们需要使用 async/await 语法以及 asyncio 库来工作。

• 使用协程可以简化异步编程，因为您可以使用类似同步代码的方式来编写异步代码。它们也可以在单线程中有效地利用 CPU 时间，因为它们可以在没有阻塞的情况下等待 I/O 操作的完成。

• 举个例子，假设您有一个网络服务器，需要同时处理多个客户端请求。使用协程，您可以在单线程中为每个客户端创建一个协程，并在客户端请求完成后从协程中恢复，从而接受其他客户端的请求。

• 总的来说，协程是一种高效且简洁的异步编程方法，为您的 Python 程序提供了更多的并发性和效率。

以下是一个简单的 Python 协程示例代码：

import asyncio

async def coroutine_example():
    print("This is a coroutine example")
    await asyncio.sleep(1)
    print("Coroutine example is done!")

async def main():
    task = asyncio.create_task(coroutine_example())
    await task

asyncio.run(main())

该代码定义了一个名为 coroutine_example 的协程，该协程打印一条消息，然后使用 asyncio.sleep 函数暂停 1 秒。随后，代码定义了一个名为 main 的函数，该函数创建了一个任务，并使用 await task 等待该任务完成。最后，代码使用 asyncio.run 函数运行 main 函数，并启动协程。

运行该代码后，您将看到以下输出：

This is a coroutine example
Coroutine example is done!

四、进程、线程与协程的关系与区别

进程、线程和协程是操作系统中用来管理程序执行的三种不同的技术。

• 进程：进程是操作系统中最基本的资源分配单元，是程序的实体。它是系统进行资源分配和调度的独立单位。每个进程都有独立的内存空间，因此在一个进程中出现故障不会影响其他进程。

• 线程：线程是进程的一个执行单元，是操作系统分配资源的最小单元。多线程可以共享进程的资源，因此线程间的通信和协作比进程间更加方便。不幸的是，线程之间存在竞争关系，并且当一个线程出现故障时，整个进程都会受到影响。

• 协程：协程是一种在单线程中执行多任务的机制，是线程的一种特殊形式。它不同于多线程，因为它不会独立分配资源，而是在一个线程中共享资源。因此，协程的实现比线程更加轻量，可以提高程序的效率。不过，协程的实现也比线程更加复杂，因为需要编写更多的代码来协调任务的。

这里只是简单的讲了一下协程的一些概念和简单示例，下篇文章会重点讲解使用生成器实现协程，IO模型和协程是python非常重要的两个知识点，也是提升python代码执行效率的最有校方法和思路。小伙伴可以关注我的公众号【大数据与原生技术分享】进行深入技术交流~