多任务-----协程gevent的使用
协程
一，迭代器iterable 能实现一定的数据，但是又不会占用很大的空间，协程切换任务资源小，效率高。 如何判断某一类型是否可以迭代
from collections import Iterable
print(isinstance([11,2,3], Iterable))python2是如下实现的，python3中将range改成了xrange range（2000）生成2000个值的结果，会占用很大的内存空间 xrange（2000）是指生成2000个值的方式，占用很小的空间。
如果一个对象是迭代器，那么一定可以迭代，如果一个对象可以迭代，但不一定是迭代器。
迭代器对象必须要有__iter__和__next__方法。
如果数据量很大的情况下，最好使用创建迭代器的方式来节省内存空间。 eg：
class Fibo(object):
def __init__(self, all_num):
self.all_num = all_num
self.current_num = 0
self.a = 0
self.b = 1
def __iter__(self):
return self
def __next__(self):
if self.current_num < self.all_num:
ret = self.a
self.a, self.b = self.b, self.a + self.b
self.current_num += 1
return ret
else:
raise StopIteration
fibo = Fibo(20)
for temp in fibo:
print(temp)二， 生成器generator 生成器是一种特殊的迭代器，可以让函数暂停执行。所以可以利用生成器实现多任务。 生成迭代器有两种方式：
- (x*2 for x in range(10)) 返回值就是生成器。
- 含有yield的函数，此时他不再是一个函数，而是一个生成器对象
- 启动生成器有两种方式，next和send，next优先
- eg：
def fibo(max_num):
a, b = 0, 1
current_num = 0
while current_num < max_num:
yield a
a, b = b, a + b
current_num += 1
fi = fibo(20)
while True:
try:
ret = next(fi)
print(ret)
except:
break三，协程greenlet、gevent完成多任务 gevent是协程最常用的一种方式。当线程在等待执行浪费的时间，可以用协程来解决。协程会在等待时间去执行别的方法。 eg：协程的实际使用
def download_pic(img_name, img_url):
request = urllib.request.urlopen(img_url)
img_content = request.read()
with open(img_name, 'wb') as f:
f.write(img_content)
def main():
gevent.joinall([
gevent.spawn(download_pic, '1.jpg', 'https://timgsa.baidu.com/timg?image&quality=80&size=b9999_10000&sec=1556006133066&di=6c4ea03a666b333328d59163b8137de9&imgtype=0&src=http%3A%2F%2Fattach.bbs.miui.com%2Fforum%2F201408%2F27%2F103420lzrq3jcimigfjmuw.jpg'),
gevent.spawn(download_pic, '2.jpg', 'https://timgsa.baidu.com/timg?image&quality=80&size=b9999_10000&sec=1556006133066&di=1f17489eb4f7fd3ce4f16c2365fab82a&imgtype=0&src=http%3A%2F%2Fb-ssl.duitang.com%2Fuploads%2Fblog%2F201511%2F08%2F20151108150337_tu32m.jpeg')
])
if __name__ == '__main__':
main()本文参与 腾讯云自媒体分享计划，分享自作者个人站点/博客。
原始发表：2019-10-08 ，如有侵权请联系 cloudcommunity@tencent.com 删除
评论
登录后参与评论
推荐阅读