一、進程與線程
1.進程
我們電腦的應用程序，都是進程，假設我們用的電腦是單核的，cpu同時只能執行一個進程。當程序出于I/O阻塞的時候，CPU如果和程序一起等待，那就太浪費了，cpu會去執行其他的程序，此時就涉及到切換，切換前要保存上一個程序運行的狀態，才能恢復，所以就需要有個東西來記錄這個東西，就可以引出進程的概念了。
進程就是一個程序在一個數據集上的一次動態執行過程。進程由程序，數據集，進程控制塊三部分組成。程序用來描述進程哪些功能以及如何完成；數據集是程序執行過程中所使用的資源；進程控制塊用來保存程序運行的狀態
2.線程
一個進程中可以開多個線程，為什么要有進程，而不做成線程呢？因為一個程序中，線程共享一套數據，如果都做成進程，每個進程獨占一塊內存，那這套數據就要復制好幾份給每個程序，不合理，所以有了線程。
線程又叫輕量級進程，是一個基本的cpu執行單元，也是程序執行過程中的最小單元。一個進程最少也會有一個主線程，在主線程中通過threading模塊，在開子線程
3.進程線程的關系
（1）一個線程只能屬于一個進程，而一個進程可以有多個線程，但至少有一個線程
（2）資源分配給進程，進程是程序的主體，同一進程的所有線程共享該進程的所有資源
（3）cpu分配給線程，即真正在cpu上運行的是線程
（4）線程是最小的執行單元，進程是最小的資源管理單元
4.并行和并發
并行處理是指計算機系統中能同時執行兩個或多個任務的計算方法，并行處理可同時工作于同一程序的不同方面
并發處理是同一時間段內有幾個程序都在一個cpu中處于運行狀態，但任一時刻只有一個程序在cpu上運行。
并發的重點在于有處理多個任務的能力，不一定要同時；而并行的重點在于就是有同時處理多個任務的能力。并行是并發的子集
以上所說的是相對于所有語言來說的，Python的特殊之處在于Python有一把GIL鎖，這把鎖限制了同一時間內一個進程只能有一個線程能使用cpu
二、threading模塊
這個模塊的功能就是創建新的線程，有兩種創建線程的方法：
1.直接創建
import threadingimport timedef foo(n): print('>>>>>>>>>>>>>>>%s'%n) time.sleep(3) print('tread 1')t1=threading.Thread(target=foo,args=(2,))#arg后面一定是元組，t1就是創建的子線程對象t1.start()#把子進程運行起來print('ending')上面的代碼就是在主線程中創建了一個子線程
運行結果是：先打印>>>>>>>>>>>>>2，在打印ending,然后等待3秒后打印thread 1
2.另一種方式是通過繼承類創建線程對象
import threadingimport timeclass MyThread(threading.Thread): def __init__(self): threading.Thread.__init__(self) def run(self): print('ok') time.sleep(2) print('end')t1=MyThread()#創建線程對象t1.start()#激活線程對象print('end again')3.join（）方法
這個方法的作用是：在子線程完成運行之前，這個子線程的父線程將一直等待子線程運行完再運行
import threadingimport timedef foo(n): print('>>>>>>>>>>>>>>>%s'%n) time.sleep(n) print('tread 1')def bar(n): print('>>>>>>>>>>>>>>>>%s'%n) time.sleep(n) print('thread 2')s=time.time()t1=threading.Thread(target=foo,args=(2,))t1.start()#把子進程運行起來t2=threading.Thread(target=bar,args=(5,))t2.start()t1.join() #只是會阻擋主線程運行，跟t2沒關系t2.join()print(time.time()-s)print('ending')'''運行結果：>>>>>>>>>>>>>>>2>>>>>>>>>>>>>>>>5tread 1thread 25.001286268234253ending'''4.setDaemon()方法
這個方法的作用是把線程聲明為守護線程，必須在start()方法調用之前設置。
默認情況下，主線程運行完會檢查子線程是否完成，如果未完成，那么主線程會等待子線程完成后再退出。但是如果主線程完成后不用管子線程是否運行完都退出，就要設置setDaemon（True）
import threadingimport timeclass MyThread(threading.Thread): def __init__(self): threading.Thread.__init__(self) def run(self): print('ok') time.sleep(2) print('end')t1=MyThread()#創建線程對象t1.setDaemon(True)t1.start()#激活線程對象print('end again')#運行結果是馬上打印ok和 end again #然后程序終止，不會打印end主線程默認是非守護線程，子線程都是繼承的主線程，所以默認也都是非守護線程
5.其他方法
isAlive(): 返回線程是否處于活動中
getName(): 返回線程名
setName(): 設置線程名
threading.currentThread():返回當前的線程變量
threading.enumerate():返回一個包含正在運行的線程的列表
threading.activeCount():返回正在運行的線程數量
三、各種鎖
1.同步鎖（用戶鎖，互斥鎖）
先來看一個例子：
需求是有一個全局變量的值是100，我們開100個線程，每個線程執行的操作是對這個全局變量減一，最后import threading
import threadingimport timedef sub(): global num temp=num num=temp-1 time.sleep(2)num=100l=[]for i in range(100): t=threading.Thread(target=sub,args=()) t.start() l.append(t)for i in l: i.join()print(num)
好像一切正常，現在我們改動一下，在sub函數的temp=num,和num=temp-1 中間，加一個time.sleep(0.1),會發現出問題了，結果變成兩秒后打印99了，改成time.sleep(0.0001)呢，結果不確定了，但都是90幾，這是怎么回事呢？
這就要說到Python里的那把GIL鎖了，我們來捋一捋：
首次定義一個全局變量num=100,然后開辟了100個子線程，但是Python的那把GIL鎖限制了同一時刻只能有一個線程使用cpu，所以這100個線程是處于搶這把鎖的狀態，誰搶到了，誰就可以運行自己的代碼。在最開始的情況下，每個線程搶到cpu，馬上執行了對全局變量減一的操作，所以不會出現問題。但是我們改動后，在全局變量減一之前，讓他睡了0.1秒，程序睡著了，cpu可不能一直等著這個線程，當這個線程處于I/O阻塞的時候，其他線程就又可以搶cpu了，所以其他線程搶到了，開始執行代碼，要知道0.1秒對于cpu的運行來說已經很長時間了，這段時間足夠讓第一個線程還沒睡醒的時候，其他線程都搶到過cpu一次了。他們拿到的num都是100，等他們醒來后，執行的操作都是100-1,所以最后結果是99.同樣的道理，如果睡的時間短一點，變成0.001，可能情況就是當第91個線程第一次搶到cpu的時候，第一個線程已經睡醒了，并修改了全局變量。所以這第91個線程拿到的全局變量就是99，然后第二個第三個線程陸續醒過來，分別修改了全局變量，所以最后結果就是一個不可知的數了。一張圖看懂這個過程
這就是線程安全問題，只要涉及到線程，都會有這個問題。解決辦法就是加鎖
我們在全局加一把鎖，用鎖把涉及到數據運算的操作鎖起來，就把這段代碼變成串行的了，上代碼：
import threadingimport timedef sub(): global num lock.acquire()#獲取鎖 temp=num time.sleep(0.001) num=temp-1 lock.release()#釋放鎖 time.sleep(2)num=100l=[]lock=threading.Lock()for i in range(100): t=threading.Thread(target=sub,args=()) t.start() l.append(t)for i in l: i.join()print(num)
獲取這把鎖之后，必須釋放掉才能再次被獲取。這把鎖就叫用戶鎖
2.死鎖與遞歸鎖
死鎖就是兩個及以上進程或線程在執行過程中，因相互制約造成的一種互相等待的現象，若無外力作用，他們將永遠卡在那里。舉個例子：
死鎖示例
import threading,timeclass MyThread(threading.Thread): def __init(self): threading.Thread.__init__(self) def run(self): self.foo() self.bar() def foo(self): LockA.acquire() print('i am %s GET LOCKA------%s'%(self.name,time.ctime())) #每個線程有個默認的名字，self.name就獲取這個名字 LockB.acquire() print('i am %s GET LOCKB-----%s'%(self.name,time.ctime())) LockB.release() time.sleep(1) LockA.release() def bar(self):#與 LockB.acquire() print('i am %s GET LOCKB------%s'%(self.name,time.ctime())) #每個線程有個默認的名字，self.name就獲取這個名字 LockA.acquire() print('i am %s GET LOCKA-----%s'%(self.name,time.ctime())) LockA.release() LockB.release()LockA=threading.Lock()LockB=threading.Lock()for i in range(10): t=MyThread() t.start()#運行結果:i am Thread-1 GET LOCKA------Sun Jul 23 11:25:48 2017i am Thread-1 GET LOCKB-----Sun Jul 23 11:25:48 2017i am Thread-1 GET LOCKB------Sun Jul 23 11:25:49 2017i am Thread-2 GET LOCKA------Sun Jul 23 11:25:49 2017然后就卡住了上面這個例子中，線程2在等待線程1釋放B鎖，線程1在等待線程2釋放A鎖，互相制約
我們在用互斥鎖的時候，一旦用的鎖多了，很容易就出現這種問題
在Python中，為了解決這個問題，Python提供了一個叫可重用鎖（RLock）的概念，這個鎖內部維護著一個lock和一個counter變量，counter記錄了acquire的次數，每次acquire，counter就加1，每次release,counter就減1，只有counter的值為0的時候，其他線程才能獲得資源，下面用RLock替換Lock，在運行就不會卡住了：
遞歸鎖示例
import threading,timeclass MyThread(threading.Thread): def __init(self): threading.Thread.__init__(self) def run(self): self.foo() self.bar() def foo(self): RLock.acquire() print('i am %s GET LOCKA------%s'%(self.name,time.ctime())) #每個線程有個默認的名字，self.name就獲取這個名字 RLock.acquire() print('i am %s GET LOCKB-----%s'%(self.name,time.ctime())) RLock.release() time.sleep(1) RLock.release() def bar(self):#與 RLock.acquire() print('i am %s GET LOCKB------%s'%(self.name,time.ctime())) #每個線程有個默認的名字，self.name就獲取這個名字 RLock.acquire() print('i am %s GET LOCKA-----%s'%(self.name,time.ctime())) RLock.release() RLock.release()LockA=threading.Lock()LockB=threading.Lock()RLock=threading.RLock()for i in range(10): t=MyThread() t.start()這把鎖又叫遞歸鎖
3.Semaphore(信號量)
這也是一把鎖，可以指定有幾個線程可以同時獲得這把鎖，最多是5個（前面說的互斥鎖只能有一個線程獲得）
import threadingimport timesemaphore=threading.Semaphore(5)def foo(): semaphore.acquire() time.sleep(2) print('ok') semaphore.release()for i in range(10): t=threading.Thread(target=foo,args=()) t.start()運行結果是每隔兩秒就打印5個ok
4.Event對象
線程的運行是獨立的，如果線程間需要通信，或者說某個線程需要根據一個線程的狀態來執行下一步的操作，就需要用到Event對象?？梢园袳vent對象看作是一個標志位，默認值為假，如果一個線程等待Event對象，而此時Event對象中的標志位為假，那么這個線程就會一直等待，直至標志位為真，為真以后，所有等待Event對象的線程將被喚醒
event.isSet()：返回event的狀態值；event.wait()：如果 event.isSet()==False將阻塞線程；event.set()： 設置event的狀態值為True，所有阻塞池的線程激活進入就緒狀態， 等待操作系統調度；設置對象的時候，默認是False的event.clear()：恢復event的狀態值為False。
用一個例子來演示Event對象的用法：
import threading,timeevent=threading.Event() #創建一個event對象def foo(): print('wait.......') event.wait() #event.wait(1)#if event 對象內的標志位為Flase,則阻塞 #wait()里面的參數的意思是：只等待1秒，如果1秒后還沒有把標志位改過來，就不等了，繼續執行下面的代碼 print('connect to redis server')print('attempt to start redis sever)')time.sleep(3)event.set()for i in range(5): t=threading.Thread(target=foo,args=()) t.start()#3秒之后，主線程結束，但子線程并不是守護線程，子線程還沒結束，所以，程序并沒有結束，應該是在3秒之后，把標志位設為true，即event.set（）5.隊列
官方文檔說隊列在多線程中保證數據安全是非常有用的
隊列可以理解為是一種數據結構，可以存儲數據，讀寫數據。就類似列表里面加了一把鎖
5.1get和put方法
import queue#隊列里讀寫數據只有put和get兩個方法，列表的那些方法都沒有q=queue.Queue()#創建一個隊列對象 FIFO先進先出#q=queue.Queue(20)#這里面可以有一個參數，設置最大存的數據量，可以理解為最大有幾個格子#如果設置參數為20，第21次put的時候，程序就會阻塞住，直到有空位置，也就是有數據被get走q.put(11)#放值q.put('hello')q.put(3.14)print(q.get())#取值11print(q.get())#取值helloprint(q.get())#取值3.14print(q.get())#阻塞，等待put一個數據 
get方法中有個默認參數block=True,把這個參數改成False,取不到值的時候就會報錯queue.Empty
這樣寫就等同于寫成q.get_nowait())
5.2join和task_done方法
import queueimport threading#隊列里只有put和get兩個方法，列表的那些方法都沒有q=queue.Queue()#def foo():#存數據 # while True: q.put(111) q.put(222) q.put(333) q.join() print('ok')#有個join，程序就停在這里def bar(): print(q.get()) q.task_done() print(q.get()) q.task_done() print(q.get()) q.task_done()#要在每個get()語句后面都加上t1=threading.Thread(target=foo,args=())t1.start()t2=threading.Thread(target=bar,args=())t2.start()#t1,t2誰先誰后無所謂，因為會阻塞住，等待信號5.3 其他方法
q.qsize() 返回隊列的大小
q.empty() 如果隊列為空，返回True,反之False
q.full() 如果隊列滿了，返回True,反之False
q.full 與 maxsize 大小對應
5.4其他模式
前面說的隊列都是先進先出（FIFO）模式，另外還有先進后出（LIFO）模式和優先級隊列
先進后出模式創建隊列的方式是：class queue.LifoQueue(maxsize)
優先級隊列的寫法是：class queue.Priorityueue(maxsize)
q=queue.PriorityQueue()
q.put([5,100])#這個方括號只是代表一個序列類型，元組列表都行，但是都必須所有的一樣
q.put([7,200])
q.put([3,"hello"])
q.put([4,{"name":"alex"}])
中括號里面第一個位置就是優先級
5.5 生產者消費者模型
生產者就相當于產生數據的線程，消費者就相當于取數據的線程。我們在編寫程序的時候，一定要考慮生產數據的能力和消費數據的能力是否匹配，如果不匹配，那肯定要有一方需要等待，所以引入了生產者和消費者模型。
這個模型是通過一個容器來解決生產者和消費者之間的 強耦合問題。有了這個容器，他們不用直接通信，而是通過這個容器，這個容器就是一個阻塞隊列，相當于一個緩沖區，平衡了生產者和消費者的能力。我們寫程序時用的目錄結構，不也是為了解耦和嗎
除了解決強耦合問題，生產者消費者模型還能實現并發
當生產者消費者能力不匹配的時候，就考慮加限制，類似if q.qsize()<20,這種
四、多進程
python 中有一把全局鎖（GIL）使得多線程無法使用多核，但是如果是多進程，這把鎖就限制不了了。如何開多個進程呢，需要導入一個multiprocessing模塊
import multiprocessingimport timedef foo(): print('ok') time.sleep(2)if __name__ == '__main__':#必須是這個格式 p=multiprocessing.Process(target=foo,args=()) p.start() print('ending')雖然可以開多進程，但是一定注意不能開太多，因為進程間切換非常消耗系統資源，如果開上千個子進程，系統會崩潰的，而且進程間的通信也是個問題。所以，進程能不用就不用，能少用就少用
1.進程間的通信
進程間通信有兩種方式，隊列和管道
1.1進程間的隊列
每個進程在內存中都是獨立的一塊空間，不項線程那樣可以共享數據，所以只能由父進程通過傳參的方式把隊列傳給子進程
import multiprocessingimport threadingdef foo(q): q.put([12,'hello',True])if __name__ =='__main__': q=multiprocessing.Queue()#創建進程隊列 #創建一個子線程 p=multiprocessing.Process(target=foo,args=(q,)) #通過傳參的方式把這個隊列對象傳給父進程 p.start() print(q.get())
1.2管道
之前學過的socket其實就是管道，客戶端 的sock和服務端的conn是管道 的兩端，在進程中也是這個玩法，也要有管道的兩頭
from multiprocessing import Pipe,Processdef foo(sk): sk.send('hello')#主進程發消息 print(sk.recv())#主進程收消息sock,conn=Pipe()#創建了管道的兩頭if __name__ == '__main__': p=Process(target=foo,args=(sock,)) p.start() print(conn.recv())#子進程接收消息 conn.send('hi son')#子進程發消息2.進程間的數據共享
我們已經通過進程隊列和管道兩種方式實現了進程間的通信，但是還沒有實現數據共享
進程間的數據共享需要引用一個manager對象實現，使用的所有的數據類型都要通過manager點的方式去創建
from multiprocessing import Processfrom multiprocessing import Managerdef foo(l,i): l.append(i*i)if __name__ == '__main__': manager = Manager() Mlist = manager.list([11,22,33])#創建一個共享的列表 l=[] for i in range(5): #開辟5個子進程 p = Process(target=foo, args=(Mlist,i)) p.start() l.append(p) for i in l: i.join()#join 方法是等待進程結束后再執行下一個 print(Mlist)
3.進程池
進程池的作用是維護一個最大的進程量，如果超出設置的最大值，程序就會阻塞，知道有可用的進程為止
from multiprocessing import Poolimport timedef foo(n): print(n) time.sleep(2)if __name__ == '__main__': pool_obj=Pool(5)#創建進程池 #通過進程池創建進程 for i in range(5): p=pool_obj.apply_async(func=foo,args=(i,)) #p是創建的池對象 # pool 的使用是先close()，在join（）,記住就行了 pool_obj.close() pool_obj.join() print('ending')進程池中有以下幾個方法：
1.apply：從進程池里取一個進程并執行2.apply_async：apply的異步版本3.terminate:立刻關閉線程池4.join：主進程等待所有子進程執行完畢，必須在close或terminate之后5.close：等待所有進程結束后，才關閉線程池
五、協程
協程在手，天下我有，說走就走。知道了協程，前面說的進程線程就都忘記吧
協程可以開很多很多，沒有上限，切換之間的消耗可以忽略不計
1.yield
先來回想一下yield這個詞，熟悉不，對，就是生成器那用的那個。yield是個挺神奇的東西，這是Python的一個特點。
一般的函數，是遇到return就停止，然后返回return 后面的值，默認是None，yield和return很像，但是遇到yield不會立刻停止，而是暫停住，直到遇到next()，(for循環的原理也是next())才會繼續執行。yield 前面還可以跟一個變量，通過send()函數給yield傳值，把值保存在yield前邊的變量中
import timedef consumer():#有yield，是一個生成器 r="" while True: n=yield r#程序暫停，等待next()信號 # if not n: # return print('consumer <--%s..'%n) time.sleep(1) r='200 ok'def producer(c): next(c)#激活生成器c n=0 while n<5: n=n+1 print('produer-->%s..'%n) cr = c.send(n)#向生成器發送數據 print('consumer return :',cr) c.close() #生產過程結束，關閉生成器if __name__ == '__main__': c=consumer() producer(c)看上面的例子，整個過程沒有鎖的出現，還能保證數據安全，更要命的是還可以控制順序，優雅的實現了并發，甩多線程幾條街
線程叫微進程，而協程又叫微線程。協程擁有自己的寄存器上下文和棧，因此能保留上一次調用的狀態。
2.greenlet模塊
這個模塊封裝了yield，使得程序切換非常方便，但是沒法實現傳值的功能
from greenlet import greenletdef foo(): print('ok1') gr2.switch() print('ok3') gr2.switch()def bar(): print('ok2') gr1.switch() print('ok4')gr1=greenlet(foo)gr2=greenlet(bar)gr1.switch()#啟動3.gevent模塊
在greenlet模塊的基礎上，開發出了更牛的模塊gevent
gevent為Python提供了更完善的協程支持，其基本原理是：
當一個greenlet遇到IO操作時，就會自動切換到其他的greenlet,等IO操作完成，再切換回來，這樣就保證了總有greenlet在運行，而不是等待
import requestsimport geventimport timedef foo(url): response=requests.get(url) response_str=response.text print('get data %s'%len(response_str))s=time.time()gevent.joinall([gevent.spawn(foo,"https://itk.org/"), gevent.spawn(foo, "https://www.github.com/"), gevent.spawn(foo, "https://zhihu.com/"),])# foo("https://itk.org/")# foo("https://www.github.com/")# foo("https://zhihu.com/")print(time.time()-s)4.協程的優缺點：
優點：
上下文切換消耗小
方便切換控制流，簡化編程模型
高并發，高擴展性，低成本
缺點：
無法利用多核
進行阻塞操作時會阻塞掉整個程序
六、IO模型
我們下面會比較四種IO模型
1.blocking IO
2.nonblocking IO
3.IO multiplexing
4.asynchronous IO
我們以網絡傳輸數據的IO為例，它會涉及到兩個系統對象，一個是調用這個IO 的線程或者進程，另一個是系統內核，而當讀取數據的時候，又會經歷兩個階段：
等待數據準備
將數據從內核態拷貝到用戶態的進程中（因為網絡的數據傳輸是靠物理設備實現的，物理設備是硬件，只能有操作系統的內核態才能處理，但是讀數據是程序使用的，所以需要這一步的切換）
1.blocking IO（阻塞IO）
典型的read操作如下圖
linux下，默認情況的socket都是blocking，回想我們之前用的socket，sock和conn是兩個連接，服務端同時只能監聽一個連接，所以如果服務端在等待客戶端發送消息的時候，其他連接是不能連接到服務端的。
在這種模式下，等待數據和復制數據都需要等待，所以是全程阻塞的
2.nonlocking IO （非阻塞IO）
在服務端建立連接之后，加上這個命令，就變成了非阻塞IO模式
這種模式，有數據就取，沒有就報錯，可以加一個異常捕捉。在等待數據的時候不阻塞，但是在copy數據的時候還是會阻塞，
優點是可以把等待連接的這段時間利用上，但是缺點也很明顯：有很多次系統調用，消耗很大；而且當程序去做別的事的時候，數據到了，雖然不會丟失，但是程序收到的數據也不具有實時性
3.IO multiplexing（IO多路復用）
這個比較常用，我們以前用的accept()，有兩個作用：
1.監聽，等待連接
2.建立連接
現在我們用select來替代accept的第一個作用，select的優點在于可以監聽很多對象，無論哪個對象活動，都能做出反應，并將活動的對象收集到一個列表
import socketimport selectsock=socket.socket()sock.bind(('127.0.0.1',8080))sock.listen(5)inp=[sock,]while True: r=select.select(inp,[],[]) print('r',r[0]) for obj in r[0]: if obj == sock: conn,addr=obj.accept()但是建立連接的功能還是accept做，有了這個，我們就可以用并發的方式實現tcp的聊天了
# 服務端import socketimport timeimport selectsock=socket.socket()sock.setsockopt(socket.SOL_SOCKET,socket.SO_REUSEADDR,1)sock.bind(('127.0.0.1',8080))sock.listen(5)inp=[sock,]#監聽套接字對象的列表while True: r=select.select(inp,[],[]) print('r',r[0]) for obj in r[0]: if obj == sock: conn,addr=obj.accept() inp.append(conn) else: data=obj.recv(1024) print(data.decode('utf8')) response=input('>>>>:') obj.send(response.encode('utf8'))只有在建立連接的時候，sock才是活動的，列表中才會有這個對象，如果是在建立連接之后，收發消息的過程中，活動對象就不是sock，而是conn了，所以在實際操作中要判斷列表中的對象是不是sock
在這個模型中，等待數據與copy數據的過程都是阻塞的，所以也叫全程阻塞，與阻塞IO模型相比，這個模型優勢在于處理多個連接
IO 多路復用除了select，還有兩種方式，poll 和 epoll
在windows下只支持select,而在linux中，這三個都有。epoll是最好的，select唯一的優點是多平臺都可以用，但是缺點也很明顯，就是效率很差。poll是epoll和select的中間過渡，與select相比，poll可以監聽的數量沒有限制。epoll沒有最大連接上限，另外監聽機制也完全發生變化，select的機制是輪詢（每個數據都檢查一遍，即使找到有變化的也會繼續檢查），epoll的機制是用回調函數，哪個對象有變化，那個就調用這個回調函數
4. Asynchronous IO （異步IO）
這個模式是全程無阻塞，只有全程無阻塞才能叫異步，這個模式雖然看起來不錯，但是實際操作起來，如果請求量很大，效率會很低，而且操作系統的任務很重
七、selectors 模塊
學會了這個模塊，就不用在乎用的是select，還是poll,或者是epoll了，他們的接口都是這個模塊。我們只需要知道這個接口怎么用，它里面封裝的是什么，就不用考慮了
在這個模塊中，套接字與函數的綁定是用的一個regesier()的方法，模塊的用法很固定，服務端示例如下：
import selectors,socketsel=selectors.DefaultSelector()sock=socket.socket()sock.setsockopt(socket.SOL_SOCKET,socket.SO_REUSEADDR,1)sock.bind(('127.0.0.1',8080))sock.listen(5)sock.setblocking(False)def read(conn,mask): data=conn.recv(1024) print(data.decode('utf8')) res=input('>>>>>>:') conn.send(res.encode('utf8'))def accept(sock,mask): conn,addr=sock.accept() sel.register(conn,selectors.EVENT_READ,read)#conn和read函數綁定#綁定套接字對象和函數#綁定（register）的意思就是，套接字對象conn發生變化時，綁定的函數能執行sel.register(sock,selectors.EVENT_READ,accept)#中間那個是固定寫法while True: events=sel.select() #監聽套接字對象（注冊的那個） #下面幾行代碼基本上就固定寫法了 # print('events',events) for key,mask in events: callback = key.data#綁定的函數， # key.fileobj就是活動的套接字對象 # print('callback',callable) #mask是固定的 callback(key.fileobj,mask)#callback是回調函數 # print('key.fileobj',key.fileobj)以上這篇老生常談進程線程協程那些事兒就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支持VEVB武林網。
新聞熱點
疑難解答
