格林莱特与 主题

Question

我是gevents和greenlets的新手.我找到了一些关于如何使用它们的好文档,但是没有一个能让我证明我应该如何以及何时使用greenlets!

• 他们真正擅长什么？
• 在代理服务器中使用它们是不是一个好主意？
• 为什么不是线程？

我不确定的是,如果它们基本上是共同惯例,它们如何为我们提供并发性.

Answer 1

Greenlets提供并发性但不提供并行性.并发是指代码可以独立于其他代码运行.并行性是同时执行并发代码.当在用户空间中进行大量工作时,并行性特别有用,而且通常是CPU占用大量的东西.并发对于分解问题很有用,可以更容易地并行地调度和管理不同的部分.

Greenlets确实在网络编程中发挥作用,其中与一个套接字的交互可以独立于与其他套接字的交互而发生.这是并发的典型示例.由于每个greenlet都在其自己的上下文中运行,因此您可以继续使用同步API而无需进行线程化.这很好,因为线程在虚拟内存和内核开销方面非常昂贵,因此使用线程实现的并发性要小得多.此外,由于GIL,Python中的线程比平时更昂贵且更有限.并发的替代方案通常是像Twisted,libevent,libuv,node.js等项目,其中所有代码共享相同的执行上下文,并注册事件处理程序.

使用greenlets(通过gevent提供适当的网络支持)来编写代理是一个很好的主意,因为您对请求的处理能够独立执行,并且应该这样写.

Greenlets提供了我之前给出的原因的并发性.并发不是并行性.通过隐藏事件注册并在通常会阻塞当前线程的调用上为您执行调度,像gevent这样的项目会暴露这种并发性,而无需更改异步API,并且系统的成本要低得多.

• 并发不是并行性
• 线程与进程
• 多处理与线程
• GIL与CPython

Answer 2

采用@ Max的答案并为其添加一些相关性以进行缩放,您可以看到差异.我通过更改要填写的URL来实现此目的,如下所示:

URLS_base = ['www.google.com', 'www.example.com', 'www.python.org', 'www.yahoo.com', 'www.ubc.ca', 'www.wikipedia.org']
URLS = []
for _ in range(10000):
    for url in URLS_base:
        URLS.append(url)

我不得不退出多进程版本,因为它在我有500之前掉了下来; 但在10,000次迭代:

Using gevent it took: 3.756914
-----------
Using multi-threading it took: 15.797028

因此,您可以看到使用gevent在I/O方面存在一些显着差异

Answer 3

这很有趣,可以分析.下面是一个代码来比较greenlet与多处理池和多线程的性能:

import gevent
from gevent import socket as gsock
import socket as sock
from multiprocessing import Pool
from threading import Thread
from datetime import datetime

class IpGetter(Thread):
    def __init__(self, domain):
        Thread.__init__(self)
        self.domain = domain
    def run(self):
        self.ip = sock.gethostbyname(self.domain)

if __name__ == "__main__":
    URLS = ['www.google.com', 'www.example.com', 'www.python.org', 'www.yahoo.com', 'www.ubc.ca', 'www.wikipedia.org']
    t1 = datetime.now()
    jobs = [gevent.spawn(gsock.gethostbyname, url) for url in URLS]
    gevent.joinall(jobs, timeout=2)
    t2 = datetime.now()
    print "Using gevent it took: %s" % (t2-t1).total_seconds()
    print "-----------"
    t1 = datetime.now()
    pool = Pool(len(URLS))
    results = pool.map(sock.gethostbyname, URLS)
    t2 = datetime.now()
    pool.close()
    print "Using multiprocessing it took: %s" % (t2-t1).total_seconds()
    print "-----------"
    t1 = datetime.now()
    threads = []
    for url in URLS:
        t = IpGetter(url)
        t.start()
        threads.append(t)
    for t in threads:
        t.join()
    t2 = datetime.now()
    print "Using multi-threading it took: %s" % (t2-t1).total_seconds()

结果如下:

Using gevent it took: 0.083758
-----------
Using multiprocessing it took: 0.023633
-----------
Using multi-threading it took: 0.008327

我认为greenlet声称它不受GIL的约束,不像多线程库.此外,Greenlet doc说它适用于网络运营.对于网络密集型操作,线程切换很好,您可以看到多线程方法非常快.使用python的官方库也总是无法实现的; 我尝试在Windows上安装greenlet并遇到dll依赖问题所以我在linux vm上运行了这个测试.总是尝试编写代码,希望它能在任何机器上运行.

Answer 4

纠正上述@TemporalBeing的答案，greenlets的速度并不比线程“快”，并且产生60000个线程来解决并发问题是不正确的编程技术，相反，较小的线程池是合适的。这是一个更合理的比较（根据我在reddit帖子中对引用此SO帖子的人的回应）。

import gevent
from gevent import socket as gsock
import socket as sock
import threading
from datetime import datetime


def timeit(fn, URLS):
    t1 = datetime.now()
    fn()
    t2 = datetime.now()
    print(
        "%s / %d hostnames, %s seconds" % (
            fn.__name__,
            len(URLS),
            (t2 - t1).total_seconds()
        )
    )


def run_gevent_without_a_timeout():
    ip_numbers = []

    def greenlet(domain_name):
        ip_numbers.append(gsock.gethostbyname(domain_name))

    jobs = [gevent.spawn(greenlet, domain_name) for domain_name in URLS]
    gevent.joinall(jobs)
    assert len(ip_numbers) == len(URLS)


def run_threads_correctly():
    ip_numbers = []

    def process():
        while queue:
            try:
                domain_name = queue.pop()
            except IndexError:
                pass
            else:
                ip_numbers.append(sock.gethostbyname(domain_name))

    threads = [threading.Thread(target=process) for i in range(50)]

    queue = list(URLS)
    for t in threads:
        t.start()
    for t in threads:
        t.join()
    assert len(ip_numbers) == len(URLS)

URLS_base = ['www.google.com', 'www.example.com', 'www.python.org',
             'www.yahoo.com', 'www.ubc.ca', 'www.wikipedia.org']

for NUM in (5, 50, 500, 5000, 10000):
    URLS = []

    for _ in range(NUM):
        for url in URLS_base:
            URLS.append(url)

    print("--------------------")
    timeit(run_gevent_without_a_timeout, URLS)
    timeit(run_threads_correctly, URLS)

结果如下：

--------------------
run_gevent_without_a_timeout / 30 hostnames, 0.044888 seconds
run_threads_correctly / 30 hostnames, 0.019389 seconds
--------------------
run_gevent_without_a_timeout / 300 hostnames, 0.186045 seconds
run_threads_correctly / 300 hostnames, 0.153808 seconds
--------------------
run_gevent_without_a_timeout / 3000 hostnames, 1.834089 seconds
run_threads_correctly / 3000 hostnames, 1.569523 seconds
--------------------
run_gevent_without_a_timeout / 30000 hostnames, 19.030259 seconds
run_threads_correctly / 30000 hostnames, 15.163603 seconds
--------------------
run_gevent_without_a_timeout / 60000 hostnames, 35.770358 seconds
run_threads_correctly / 60000 hostnames, 29.864083 seconds

每个人对使用Python进行非阻塞IO的误解都在于，人们认为Python解释器可以比网络连接本身返回IO更快地大规模地从套接字检索结果。尽管在某些情况下这确实是正确的，但事实并非如人们想象的那么频繁，因为Python解释器确实非常缓慢。在我的博客文章中，我说明了一些图形配置文件，这些配置文件显示即使是非常简单的事情，如果您要处理对数据库或DNS服务器等事物的快速便捷的网络访问，这些服务的返回速度都将比Python代码快得多。可以参加成千上万的此类联系。