进程
- 为什么要使用多进程？——GIL的存在，多线程实际不是并发执行
将任务分为两类： - IO密集型（多线程）
- CPU密集型（多进程）
多进程的基本用法
concurrent.futures.process.ProcessPoolExecutor#进程池 （与线程池用法一致
multiprocessing.Pool#单个进程
multiprocessing.Pool #进程池
可直接学习复习该链接：https://blog.csdn.net/ifhuke/article/details/128642625
有进程间通信，进程池
创建进程
委托操作系统创建，但不同操作系统创建进程的方式不一样
- linux：
fork：从父进程中继承内存（从运行了一半的程序中裂变出去） - windows：
spawn：重新运行Python程序（1. 启动python程序； 2.import代码文件 
协程
一种用户态的上下文切换技术（通过一个线程实现代码块间的相互切换执行，在一个协程中，遇到io等待时间，可以利用这个等待时间去做其他事情
yield就是一个协程思想的实现
yield、yield from
yield可以将函数变成生成器
在函数中加yield关键字，调用它，就会返回一个生成器
生成器的目的不是为了将代码打包，目的是为了生产或者返回一些值
1 创造生成器
2 通过next获取下一个值（可以理解为next去取yield的值）
3 如果遇到了StopIteration,说明内容生成结束
以上的用法，也叫做迭代器协议，就是不断从中去取内容，可以被for去使用
通过yield可以改变程序执行顺序，因此协程也称之为“用户态的线程”或“微线程”,即程序执行顺序是受用户控制的。
在Python中，协程是基于单线程的。
Tornado是一个Web开发框架，内部使用协程提供高并发
通过主线程去调度，即从g2中获得i，给到g3，再得到值，改进这个情况，引入yield from
yield是将生成器作为结果返回，yield from是把生成器的结果作为结果返回。但后来不用这个写法了，就先pass
协程的相关概念
- 协程函数：定义为
async def的函数 - 协程对象：调用协程函数返回的对象
- 事件循环：event loop 并发执行任务的大脑，判断哪些任务已处于可执行状态，并执行（循环只是主线程不断从事件队列里面取值/函数的过程）
- 协程任务：rask 事件循环调度的最小单位，可由协程对象转化
关键字概述
async定义函数时加上async，则该函数为协程函数await后面是一个可等待对象，如协程对象，协程任务---->去运行这个函数，运行完再继续fanhuiasyncio编写并发代码的库run运行最高层级的入口点asyncio.create_task()创建task对象
import asyncio
import time
async def async_test(delay:int,content):
await asyncio.sleep(delay)
print(content)
async def main():
task_lady = asyncio.create_task(async_test(1,"lady"))#创建task
task_killer = asyncio.create_task(async_test(2,"killer9"))
await task_killer#可以await所有任务，如果只await了耗时短的，那么其他任务没有完成就结束了
if __name__ == '__main__':
print(f"start at {time.strftime('%X')}")
asyncio.run(main())
print(f"end at {time.strftime('%X')}")
gather接收列表，结果是一个由所有返回值聚合而成的列表。结果值得顺序与was
生成器如何使用协程
借助工具实现协程，在这些工具中，使用yield关键字
- Tornado提供了各种协程版的函数
- 使用gevent的猴子补丁，可以不使用协程的写法，但是有协程的开发效果
asyncio模块
用来编写并发代码的酷，被用作多个提供高性能Python异步框架的基础，包括网络和网站服务，数据库链接库，分布式任务队列等，asyncio往往是构建IO密集型和高层级 结构化 网络代码的最佳选择
import time
import asyncio
async def f1():
time.sleep(1)#这是线程阻塞的代码 整个线程会停住一秒
print("f1:done")
async def f2():
time.sleep(1)#这是线程阻塞的代码
print("f2:done")
async def main():
await f1();
await f2();
if __name__ == "__main__":
time = time.time();
asyncio.run(main());#入口
time2 = time.time();
print(f"耗时{time2-time:.2f} ");
耗时2s
用asyncio后改变的代码：
import time
import asyncio
async def f1():
await asyncio.sleep(1)#这是非阻塞的协程 ，类似于yeild
print("f1:done")
async def f2():
asyncio.sleep(1)#非阻塞的协程 ，类似于yeild
print("f2:done")
async def main():
await f1();#等待协程结束
await f2();
依然2s，依旧不是并行运行的，需要用到
修改代码：
async def main():
await asyncio.gather(f1(),f2());
修改后，耗时1s，是并发操作
所以在异步编程中，如果有一处代码写成了同步，则整个代码都同步。
所以，像锁，sleep，迭代，队列，网络请求（socket）等都需要用异步资源
注意很多的第三方模块都是同步的，所以我们需要确定是“异步”的第三方库 https://github.com/aio-libs
async 和 await
创建协程的方式有两种，一种是yield关键字，一种是async关键字，我们一般用后者
定义函数时，加上async修饰，即async def func()，则该函数为协程函数，协程函数返回的对象即为协程对象
await后面是一个可等待对象，如协程对象，协程任务，用于告诉eventloop在此协程中需要等待后面的函数运行完成后才能继续（即执行下一个协程），运行完成后返回结果
新的协程如何运行
- 在其他协程中被
await - 使用
asyncio模块提供第一个协程的运行
async def f_3():
print("f3 doing")
await f_4()#等f4
async def f_4():
print("f4 doing")
if __name__=="__main__":
asyncio.run(f_3())#第一个协程的运行
或者使用task方法执行协程
并发方案的选择
1 分布式，还是单击
- 分布式，只能选择多进程
2 CPU密集，还是IO密集
- CPU密集，多进程
3 单击IO密集型，并发数多不多
- 如果不多，多线程（推荐）
- 如果多，协程
- 如果特别多：多进程+多线程+协程
4 是否有动态调度
- 没有， 线程池
- 有，手动创建线程
并发任务之间的通信：队列
并发任务之间的同步：锁
