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《Python 多線程雞年不雞肋》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 

***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***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

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)  

本文都是一些自學時的筆記，分享給新手朋友，僅供參考

文章學習通道：

• Python多進程 (http://python.jobbole.com/87760/)
• Python多線程 (http://python.jobbole.com/87772/)