Python協程（真才實學，想學的進來）

真正有知識的人的成長過程，就像麥穗的成長過程：麥穗空的時候，麥子長得很快，麥穗驕傲地高高昂起，但是，麥穗成熟飽滿時，它們開始謙虛，垂下麥芒。
——蒙田《蒙田隨筆全集》

上篇論述了關于python多線程是否是雞肋的問題，得到了一些網友的認可，當然也有一些不同意見，表示協程比多線程不知強多少，在協程面前多線程算是雞肋。好吧，對此我也表示贊同，然而上篇我論述的觀點不在于多線程與協程的比較，而是在于IO密集型程序中，多線程尚有用武之地。

　　對于協程，我表示其效率確非多線程能比，但本人對此了解并不深入，因此最近幾日參考了一些資料，學習整理了一番，在此分享出來僅供大家參考，如有謬誤請指正，多謝。

申明：本文介紹的協程是入門級別，大神請繞道而行，謹防入坑。

文章思路：本文將先介紹協程的概念，然后分別介紹Python2.x與3.x下協程的用法，最終將協程與多線程做比較并介紹異步爬蟲模塊。

協程

概念

　　協程，又稱微線程，纖程，英文名Coroutine。協程的作用，是在執行函數A時，可以隨時中斷，去執行函數B，然后中斷繼續執行函數A（可以自由切換）。但這一過程并不是函數調用（沒有調用語句），這一整個過程看似像多線程，然而協程只有一個線程執行。

優勢

• 執行效率極高，因為子程序切換（函數）不是線程切換，由程序自身控制，沒有切換線程的開銷。所以與多線程相比，線程的數量越多，協程性能的優勢越明顯。
• 不需要多線程的鎖機制，因為只有一個線程，也不存在同時寫變量沖突，在控制共享資源時也不需要加鎖，因此執行效率高很多。

　　說明：協程可以處理IO密集型程序的效率問題，但是處理CPU密集型不是它的長處，如要充分發揮CPU利用率可以結合多進程+協程。

　　以上只是協程的一些概念，可能聽起來比較抽象，那么我結合代碼講一講吧。這里主要介紹協程在Python的應用，Python2對協程的支持比較有限，生成器的yield實現了一部分但不完全，gevent模塊倒是有比較好的實現；Python3.4以后引入了asyncio模塊，可以很好的使用協程。

Python2.x協程

python2.x協程應用：

• yield
• gevent

python2.x中支持協程的模塊不多，gevent算是比較常用的，這里就簡單介紹一下gevent的用法。

Gevent

　　gevent是第三方庫，通過greenlet實現協程，其基本思想：
　　當一個greenlet遇到IO操作時，比如訪問網絡，就自動切換到其他的greenlet，等到IO操作完成，再在適當的時候切換回來繼續執行。由于IO操作非常耗時，經常使程序處于等待狀態，有了gevent為我們自動切換協程，就保證總有greenlet在運行，而不是等待IO。

Install

pip install gevent
最新版貌似支持windows了，之前測試好像windows上運行不了……

Usage

首先來看一個簡單的爬蟲例子：

#! -*- coding:utf-8 -*-
import gevent
from gevent import monkey;monkey.patch_all()
import urllib2
def get_body(i):
    print "start",i
    urllib2.urlopen("http://cn.bing.com")
    print "end",i
tasks=[gevent.spawn(get_body,i) for i in range(3)]
gevent.joinall(tasks)

運行結果：

start 0
start 1
start 2
end 2
end 0
end 1

說明：從結果上來看，執行get_body的順序應該先是輸出”start”，然后執行到urllib2時碰到IO堵塞，則會自動切換運行下一個程序（繼續執行get_body輸出start），直到urllib2返回結果，再執行end。也就是說，程序沒有等待urllib2請求網站返回結果，而是直接先跳過了，等待執行完畢再回來獲取返回值。值得一提的是，在此過程中，只有一個線程在執行，因此這與多線程的概念是不一樣的。
換成多線程的代碼看看:

import threading
import urllib2
def get_body(i):
    print "start",i
    urllib2.urlopen("http://cn.bing.com")
    print "end",i
for i in range(3):
    t=threading.Thread(target=get_body,args=(i,))
    t.start()

運行結果：

start 0
start 1
start 2
end 1
end 2
end 0

說明：從結果來看，多線程與協程的效果一樣，都是達到了IO阻塞時切換的功能。不同的是，多線程切換的是線程（線程間切換），協程切換的是上下文（可以理解為執行的函數）。而切換線程的開銷明顯是要大于切換上下文的開銷，因此當線程越多，協程的效率就越比多線程的高。（猜想多進程的切換開銷應該是最大的）

Gevent使用說明

• monkey可以使一些阻塞的模塊變得不阻塞，機制：遇到IO操作則自動切換，手動切換可以用gevent.sleep(0)（將爬蟲代碼換成這個，效果一樣可以達到切換上下文）
• gevent.spawn 啟動協程，參數為函數名稱，參數名稱
• gevent.joinall 停止協程

Python3.x協程

python3.5協程使用可以移步：Python3.5協程學習研究

為了測試Python3.x下的協程應用，我在virtualenv下安裝了python3.6的環境。
python3.x協程應用：

• asynico + yield from（python3.4）
• asynico + await（python3.5）
• gevent

Python3.4以后引入了asyncio模塊，可以很好的支持協程。

asynico

　　asyncio是Python 3.4版本引入的標準庫，直接內置了對異步IO的支持。asyncio的異步操作，需要在coroutine中通過yield from完成。

Usage

例子：（需在python3.4以后版本使用）

import asyncio
@asyncio.coroutine
def test(i):
    print("test_1",i)
    r=yield from asyncio.sleep(1)
    print("test_2",i)
loop=asyncio.get_event_loop()
tasks=[test(i) for i in range(5)]
loop.run_until_complete(asyncio.wait(tasks))
loop.close()

運行結果：

test_1 3
test_1 4
test_1 0
test_1 1
test_1 2
test_2 3
test_2 0
test_2 2
test_2 4
test_2 1

說明：從運行結果可以看到，跟gevent達到的效果一樣，也是在遇到IO操作時進行切換（所以先輸出test_1，等test_1輸出完再輸出test_2）。但此處我有一點不明，test_1的輸出為什么不是按照順序執行的呢？可以對比gevent的輸出結果（希望大神能解答一下）。

asyncio說明

　　@asyncio.coroutine把一個generator標記為coroutine類型，然后，我們就把這個coroutine扔到EventLoop中執行。
　　test()會首先打印出test_1，然后，yield from語法可以讓我們方便地調用另一個generator。由于asyncio.sleep()也是一個coroutine，所以線程不會等待asyncio.sleep()，而是直接中斷并執行下一個消息循環。當asyncio.sleep()返回時，線程就可以從yield from拿到返回值（此處是None），然后接著執行下一行語句。
　　把asyncio.sleep(1)看成是一個耗時1秒的IO操作，在此期間，主線程并未等待，而是去執行EventLoop中其他可以執行的coroutine了，因此可以實現并發執行。

asynico/await

　　為了簡化并更好地標識異步IO，從Python 3.5開始引入了新的語法async和await，可以讓coroutine的代碼更簡潔易讀。
　　請注意，async和await是針對coroutine的新語法，要使用新的語法，只需要做兩步簡單的替換：

• 把@asyncio.coroutine替換為async；
• 把yield from替換為await。

Usage

例子（python3.5以后版本使用）：

import asyncio
async def test(i):
    print("test_1",i)
    await asyncio.sleep(1)
    print("test_2",i)
loop=asyncio.get_event_loop()
tasks=[test(i) for i in range(5)]
loop.run_until_complete(asyncio.wait(tasks))
loop.close()

運行結果與之前一致。
說明：與前一節相比，這里只是把yield from換成了await，@asyncio.coroutine換成了async，其余不變。

gevent

同python2.x用法一樣。

協程VS多線程

　　如果通過以上介紹，你已經明白多線程與協程的不同之處，那么我想測試也就沒有必要了。因為當線程越來越多時，多線程主要的開銷花費在線程切換上，而協程是在一個線程內切換的，因此開銷小很多，這也許就是兩者性能的根本差異之處吧。（個人觀點）

異步爬蟲

　　也許關心協程的朋友，大部分是用其寫爬蟲（因為協程能很好的解決IO阻塞問題），然而我發現常用的urllib、requests無法與asyncio結合使用，可能是因為爬蟲模塊本身是同步的（也可能是我沒找到用法）。那么對于異步爬蟲的需求，又該怎么使用協程呢？或者說怎么編寫異步爬蟲？
給出幾個我所了解的方案：

• grequests （requests模塊的異步化）
• 爬蟲模塊+gevent（比較推薦這個）
• aiohttp （這個貌似資料不多，目前我也不太會用）
• asyncio內置爬蟲功能 （這個也比較難用）

協程池

作用：控制協程數量

from bs4 import BeautifulSoup
import requests
import gevent
from gevent import monkey, pool
monkey.patch_all()
jobs = []
links = []
p = pool.Pool(10)
urls = [
    'http://www.google.com',
    # ... another 100 urls
]
def get_links(url):
    r = requests.get(url)
    if r.status_code == 200:
        soup = BeautifulSoup(r.text)
        links + soup.find_all('a')
for url in urls:
    jobs.append(p.spawn(get_links, url))
gevent.joinall(jobs)