在高并发的场景下，python提供了一个多线程的模块threading，但似乎这个模块并不近人如意，原因在于cpython本身的全局解析锁（GIL）问题，在一段时间片内实际上的执行是单线程的。同时还存在着资源争夺的问题。python3.4之后引入了基于生成器对象的协程概念。也就是asyncio模块。除了asyncio模块，python在高并发这一问题还提出了另外一些解决方案，例如tornado和gevent都实现了类似的功能。由此，在方案选择上提供了更多的可能性。以下是threading模块和asyncio模块对比测试实验。asyncio模块的具体使用，我希望自己在另一篇文章再写。
一、threading模块
threading模块中的thread线程 密集 运算争夺变量测试
代码：
由结果可以看出，多线程在密集型运算的（占用大量CPU运算单元）情况下，会出现前后同一变量的数据不一致的情况。也就是所谓的”竞态问题”。
二、asyncio模块
asyncio模块 密集运算测试（线程安全！不存在争夺资源问题），所以协程在密集运算和IO并发上都有很强的支持。
代码：
代码实现思路：
（1）思路1：每一个协程的睡眠时间相同，也就是说几乎是同时在运行密集型计算，并用num自增计算作为协程的代号。
（2）思路2：为了区别开不同协程的占据CPU的运行时间片，我对睡眠时间进行了一个乘法运算，协程代号越大的协程睡眠时间越长，并用时间作为协程代号的记录。
（3）思路3：这次我将睡眠时间作一个调整，用除法运算，也就是说，协程代号越大的，睡眠时间越短，不过这次协程代号用num来记录，并且放在了睡眠（阻塞）之前。
摘取前几个数据
由上面两组数据可以看出，无论协程是同时进行还是分时间段进行，都是严格按照顺序来执行的。思路2的结果很符合我们的认知常识，那么思路1的结果是怎么得来的呢？原因在于，多并发（此处的密集型运算用于模拟一系列的并发内部操作）情况下，阻塞的协程会暂时被搁置，切换到另外的协程。可以将协程的运行理解为一个队列，当大量协程来临的时候，无法一次性执行，于是放进一个类似队列的容器（WeakSet），并且不断检测这个队列中哪一个协程是处于非阻塞状态的，去调用这个协程的资源并运行。队列中的每一个元素间是互不干扰的。于是，就出现了以上的结果—-有序的协程运行。
为什么所有的协程号都一样
因为最大协程号，睡眠时间最短，所以它先执行输出，而协程号是累加的，所以后面执行的线程都会以最大的协程号作为标记。由此进一步看出
三、性能对比
完成时间对比：
threading：平均运行时间：7.0秒
anyncio：平均运行时间3.08秒
由上面的多线程模块threading和协程模块asyncio的对比可以看出，ansyncio的完成时间是threading的一半左右。由此，asyncio在高并发的情况下具有比较大的优势，并且在资源的保护上也做得比threading要好。
Original: https://www.cnblogs.com/thomson-fred/p/10142226.html
Author: 2015夏
Title: python协程–asyncio模块（基础并发测试）
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/609926/
转载文章受原作者版权保护。转载请注明原作者出处！