使用协程和线程时的吞吐量差异

几天前，我问了一个关于如何帮助我设计构建多个HTTP请求的范例的问题

这是场景。 我希望有一个多生产者，多消费者体系。 我的制作人员抓取并抓取几个网站，并将其找到的链接添加到队列中。 由于我要抓取多个网站，因此我希望有多个生产者/抓取工具。

消费者/员工馈送此队列，向这些链接发出TCP / UDP请求，并将结果保存到我的Django数据库。 由于每个队列项目是完全独立的，因此我还想拥有多个工作人员。

人们建议使用一个协程库来完成这个即Gevent或Eventlet。 从未使用过协程，我发现即使编程范例与线程范例类似，但只有一个线程正在执行，但在阻塞调用时（例如I / O调用），堆栈会切换到内存中，而另一个绿色线程接管直到它遇到某种阻塞的I / O调用。 希望我得到这个权利？ 以下是我的一篇SO帖子的代码：

import gevent
from gevent.queue import *
import time
import random

q = JoinableQueue()
workers = []
producers = []


def do_work(wid, value):
    gevent.sleep(random.randint(0,2))
    print 'Task', value, 'done', wid


def worker(wid):
    while True:
        item = q.get()
        try:
            print "Got item %s" % item
            do_work(wid, item)
        finally:
            print "No more items"
            q.task_done()


def producer():
    while True:
        item = random.randint(1, 11)
        if item == 10:
            print "Signal Received"
            return
        else:
            print "Added item %s" % item
            q.put(item)


for i in range(4):
    workers.append(gevent.spawn(worker, random.randint(1, 100000)))

# This doesn't work.
for j in range(2):
    producers.append(gevent.spawn(producer))

# Uncommenting this makes this script work.
# producer()

q.join()

这很好，因为sleep呼叫阻塞呼叫，当发生sleep事件时，另一个绿色线程接管。 这比顺序执行要快得多。 正如你所看到的，我没有任何代码在我的程序中故意让一个线程执行到另一个线程。 我没有看到这是如何适应上面的情况，因为我想让所有线程同时执行。

所有的工作都很好，但是我感觉我使用Gevent / Eventlets获得的吞吐量高于原始的顺序运行程序，但是大大低于使用真实线程可以实现的吞吐量。

如果我要使用线程机制重新实现我的程序，那么我的每个生产者和消费者都可以同时工作，而无需像协同程序那样交换堆栈。

这应该使用线程重新实现吗？ 我的设计错了吗？ 我没有看到使用协程的真正好处。

也许我的概念很浑浊，但这就是我已经同化的东西。 任何对我的范例和概念的帮助或澄清都会很棒。

谢谢

---

正如你所看到的，我没有任何代码在我的程序中故意让一个线程执行到另一个线程。 我没有看到这是如何适应上面的情况，因为我想让所有线程同时执行。

有一个操作系统线程，但有几个greenlet。 在你的情况下， gevent.sleep()允许工作人员同时执行。 如果使用修补的urllib2与gevent配合gevent （通过调用gevent.monkey.patch_*() ），阻塞IO调用（如urllib2.urlopen(url).read()执行相同的操作。

另请参阅关于协程和并发的好奇课程，以了解代码在单线程环境中如何同时工作。

为了比较gevent，线程，多处理之间的吞吐量差异，您可以编写与所有aproaches兼容的代码：

#!/usr/bin/env python
concurrency_impl = 'gevent' # single process, single thread
##concurrency_impl = 'threading' # single process, multiple threads
##concurrency_impl = 'multiprocessing' # multiple processes

if concurrency_impl == 'gevent':
    import gevent.monkey; gevent.monkey.patch_all()

import logging
import time
import random
from itertools import count, islice

info = logging.info

if concurrency_impl in ['gevent', 'threading']:
    from Queue import Queue as JoinableQueue
    from threading import Thread
if concurrency_impl == 'multiprocessing':
    from multiprocessing import Process as Thread, JoinableQueue

对于所有并发实现，脚本的其余部分是相同的：

def do_work(wid, value):
    time.sleep(random.randint(0,2))
    info("%d Task %s done" % (wid, value))

def worker(wid, q):
    while True:
        item = q.get()
        try:
            info("%d Got item %s" % (wid, item))
            do_work(wid, item)
        finally:
            q.task_done()
            info("%d Done item %s" % (wid, item))

def producer(pid, q):
    for item in iter(lambda: random.randint(1, 11), 10):
        time.sleep(.1) # simulate a green blocking call that yields control
        info("%d Added item %s" % (pid, item))
        q.put(item)
    info("%d Signal Received" % (pid,))

不要在模块级执行代码将其放在main() ：

def main():
    logging.basicConfig(level=logging.INFO,
                        format="%(asctime)s %(process)d %(message)s")

    q = JoinableQueue()
    it = count(1)
    producers = [Thread(target=producer, args=(i, q)) for i in islice(it, 2)]
    workers = [Thread(target=worker, args=(i, q)) for i in islice(it, 4)]
    for t in producers+workers:
        t.daemon = True
        t.start()

    for t in producers: t.join() # put items in the queue
    q.join() # wait while it is empty
    # exit main thread (daemon workers die at this point)

if __name__=="__main__":    
   main()

---

当你有很多（绿色）线程时，gevent非常棒。 我用数千测试过它，它工作得很好。 你必须确保你使用的所有库都用于抓取和保存到数据库。 afaik如果他们使用Python的套接字，gevent注入应该工作。 用C编写的扩展（例如mysqldb）将会阻止，而你需要使用绿色的等价物。

如果你使用gevent，你可以主要消除队列，为每个任务产生新的（绿色）线程，线程的代码和db.save(web.get(address))一样简单。 当db或web块中的某些库时，gevent会照顾抢占。 只要你的任务适合记忆，它就会工作。

---

在这种情况下，您的问题不在于程序速度（即选择gevent或线程），而是网络IO吞吐量。 这是（应该是）决定程序运行速度的瓶颈。

Gevent是确保这是瓶颈的好方法，而不是程序的体系结构。

这是你想要的那种过程：

import gevent
from gevent.queue import Queue, JoinableQueue
from gevent.monkey import patch_all


patch_all()  # Patch urllib2, etc


def worker(work_queue, output_queue):
    for work_unit in work_queue:
        finished = do_work(work_unit)
        output_queue.put(finished)
        work_queue.task_done()


def producer(input_queue, work_queue):
    for url in input_queue:
        url_list = crawl(url)
        for work in url_list:
            work_queue.put(work)
        input_queue.task_done()


def do_work(work):
    gevent.sleep(0)  # Actually proces link here
    return work


def crawl(url):
    gevent.sleep(0)
    return list(url)  # Actually process url here

input = JoinableQueue()
work = JoinableQueue()
output = Queue()

workers = [gevent.spawn(worker, work, output) for i in range(0, 10)]
producers = [gevent.spawn(producer, input, work) for i in range(0, 10)]


list_of_urls = ['foo', 'bar']

for url in list_of_urls:
    input.put(url)

# Wait for input to finish processing
input.join()
print 'finished producing'
# Wait for workers to finish processing work
work.join()
print 'finished working'

# We now have output!
print 'output:'
for message in output:
    print message
# Or if you'd like, you could use the output as it comes!

你不需要等待输入和工作队列完成，我刚刚在这里证明了这一点。

链接地址: http://www.djcxy.com/p/53185.html

上一篇: Throughput differences when using coroutines vs threading

下一篇: Implementing coroutines in Java