Python什么是协程、线程?看这篇足够

简介: Python什么是协程、线程?看这篇足够

Python协程、线程


看了很多文章说线程、协程,讲的真是五花八门,新人听不懂类型,就算听懂了,也写不会类型。看得我脑壳疼。相信线程的话,是非常清晰明了的,究竟什么是协程呢?

还是那句话,不管他是个什么玩意儿, 首先你知道怎么用,知道怎么用了之后,再去深究他是个什么玩意儿的时候就非常的清晰明了。


看懂线程、协程必须具备的思想


不要把线程、协程想的有多么困难,多么复杂,其实就是异步的使用工具而已。看待任何问题,一定要站在比问题本身高一个层次再去理解问题。


什么是协程


协程是运行在线程之中的,就像线程在进程中一样。协程的使用表现在一个线程中规定代码块的执行顺序。


不同点


1、上下文的保存机制不同:

线程:上下文保存在任务控制块(TCB)中,故每次切换都会消耗一定量的资源。

协程:自己的上下文管理区域,故切换消耗的资源是非常小的,几乎可以忽略不计。

资源消耗问题是使用协程的主要原因所在。你只需要知道基本原理即可,切不必深究太多,太底层会把你整懵逼。

2、调度不同:

线程:系统自动调度,分为两种方式:

1、抢占式调度:操作系统会轮流询问每一个任务是否需要使用 CPU ,需要使用的话就让它用,不过在一定时间后,操作系统会剥夺当前任务的 CPU 使用权,再去询问下一个任务。如果有一个任务死锁,系统仍能正常运行。

2、协同式调度:就像接力赛,一个跑完接下一个。

协程:协作式任务,系统完全霸占cpu,除非自己放弃使用(协程耗时等待的情况下才会切换)。这也是为什么协程中只要一个地方死锁,整个程序就死锁的原因。

代码

import asyncio
async def work(x):
    await asyncio.sleep(x)  #IO阻塞
    return x
async def main():
    #创建协程任务
    coroutine1 = work(1)
    coroutine2 = work(2)
    coroutine3 = work(4)
    tasks = [
        asyncio.ensure_future(coroutine1),
        asyncio.ensure_future(coroutine2),
        asyncio.ensure_future(coroutine3)
    ]
    return await asyncio.wait(tasks)
loop = asyncio.get_event_loop()  #创建事件循环,用于协程间来回切换
done, pending = loop.run_until_complete(main())    #执行 #done是返回值
for task in done:
    print('Task Result: ', task.result())
相关文章
|
5月前
|
数据采集 存储 JSON
Python爬取知乎评论:多线程与异步爬虫的性能优化
Python爬取知乎评论:多线程与异步爬虫的性能优化
|
5月前
|
人工智能 安全 调度
Python并发编程之线程同步详解
并发编程在Python中至关重要,线程同步确保多线程程序正确运行。本文详解线程同步机制,包括互斥锁、信号量、事件、条件变量和队列,探讨全局解释器锁(GIL)的影响及解决线程同步问题的最佳实践,如避免全局变量、使用线程安全数据结构、精细化锁的使用等。通过示例代码帮助开发者理解并提升多线程程序的性能与可靠性。
204 0
|
2月前
|
Java 调度 数据库
Python threading模块:多线程编程的实战指南
本文深入讲解Python多线程编程,涵盖threading模块的核心用法:线程创建、生命周期、同步机制(锁、信号量、条件变量)、线程通信(队列)、守护线程与线程池应用。结合实战案例,如多线程下载器,帮助开发者提升程序并发性能,适用于I/O密集型任务处理。
300 0
|
4月前
|
Go 调度 Python
Golang协程和Python协程用法上的那些“不一样”
本文对比了 Python 和 Go 语言中协程的区别,重点分析了调度机制和执行方式的不同。Go 的协程(goroutine)由运行时自动调度,启动后立即执行;而 Python 协程需通过 await 显式调度,依赖事件循环。文中通过代码示例展示了两种协程的实际运行效果。
209 7
|
4月前
|
数据采集 消息中间件 并行计算
Python多线程与多进程性能对比:从原理到实战的深度解析
在Python编程中,多线程与多进程是提升并发性能的关键手段。本文通过实验数据、代码示例和通俗比喻,深入解析两者在不同任务类型下的性能表现,帮助开发者科学选择并发策略,优化程序效率。
327 1
|
3月前
|
数据采集 网络协议 API
协程+连接池:高并发Python爬虫的底层优化逻辑
协程+连接池:高并发Python爬虫的底层优化逻辑
|
4月前
|
传感器 数据采集 监控
Python生成器与迭代器:从内存优化到协程调度的深度实践
简介:本文深入解析Python迭代器与生成器的原理及应用,涵盖内存优化技巧、底层协议实现、生成器通信机制及异步编程场景。通过实例讲解如何高效处理大文件、构建数据流水线,并对比不同迭代方式的性能特点,助你编写低内存、高效率的Python代码。
235 0
|
5月前
|
数据采集 监控 调度
干货分享“用 多线程 爬取数据”:单线程 + 协程的效率反超 3 倍,这才是 Python 异步的正确打开方式
在 Python 爬虫中,多线程因 GIL 和切换开销效率低下,而协程通过用户态调度实现高并发,大幅提升爬取效率。本文详解协程原理、实战对比多线程性能,并提供最佳实践,助你掌握异步爬虫核心技术。
|
6月前
|
JSON 算法 Java
打造终端里的下载利器:Python实现可恢复式多线程下载器
在数字时代,大文件下载已成为日常需求。本文教你用Python打造专业级下载器,支持断点续传、多线程加速、速度限制等功能,显著提升终端下载体验。内容涵盖智能续传、多线程分块下载、限速控制及Rich库构建现代终端界面,助你从零构建高效下载工具。
413 1
|
5月前
|
数据采集 存储 Java
多线程Python爬虫:加速大规模学术文献采集
多线程Python爬虫:加速大规模学术文献采集

推荐镜像

更多