最近開始研究Python的並行開發技術，包括多執行緒，多程式，協程等。逐步整理了網上的一些資料，今天整理一下greenlet相關的資料。
併發處理的技術背景
並行化處理目前很受重視， 因為在很多時候，平行計算能大大的提高系統吞吐量，尤其在現在多核多處理器的時代， 所以像lisp這種古老的語言又被人們重新拿了起來， 函數語言程式設計也越來越流行。 介紹一個python的並行處理的一個庫： greenlet。 python 有一個非常有名的庫叫做 stackless ，用來做併發處理， 主要是弄了個叫做tasklet的微執行緒的東西， 而greenlet 跟stackless的最大區別是， 他很輕量級？不夠， 最大的區別是greenlet需要你自己來處理執行緒切換， 就是說，你需要自己指定現在執行哪個greenlet再執行哪個greenlet。
greenlet的實現機制
以前使用python開發web程式,一直使用的是fastcgi模式.然後每個程式中啟動多個執行緒來進行請求處理.這裡有一個問題就是需要保證每個請求響應時間都要特別短,不然只要多請求幾次慢的就會讓伺服器拒絕服務,因為沒有執行緒能夠響應請求了.平時我們的服務上線都會進行效能測試的,所以正常情況沒有太大問題.但是不可能所有場景都測試到.一旦出現就會讓使用者等好久沒有響應.部分不可用導致全部不可用.後來轉換到了coroutine,python 下的greenlet.所以對它的實現機制做了一個簡單的瞭解.
每個greenlet都只是heap中的一個python object(PyGreenlet).所以對於一個程式你建立百萬甚至千萬個greenlet都沒有問題.
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 |
typedef struct _greenlet { PyObject_HEAD char* stack_start; char* stack_stop; char* stack_copy; intptr_t stack_saved; struct _greenlet* stack_prev; struct _greenlet* parent; PyObject* run_info; struct _frame* top_frame; int recursion_depth; PyObject* weakreflist; PyObject* exc_type; PyObject* exc_value; PyObject* exc_traceback; PyObject* dict; } PyGreenlet; |
每一個greenlet其實就是一個函式,以及儲存這個函式執行時的上下文.對於函式來說上下文也就是其stack..同一個程式的所有的greenlets共用一個共同的作業系統分配的使用者棧.所以同一時刻只能有棧資料不衝突的greenlet使用這個全域性的棧.greenlet是通過stack_stop,stack_start來儲存其stack的棧底和棧頂的,如果出現將要執行的greenlet的stack_stop和目前棧中的greenlet重疊的情況,就要把這些重疊的greenlet的棧中資料臨時儲存到heap中.儲存的位置通過stack_copy和stack_saved來記錄,以便恢復的時候從heap中拷貝回棧中stack_stop和stack_start的位置.不然就會出現其棧資料會被破壞的情況.所以應用程式建立的這些greenlet就是通過不斷的拷貝資料到heap中或者從heap中拷貝到棧中來實現併發的.對於io型的應用程式使用coroutine真的非常舒服.
下面是greenlet的一個簡單的棧空間模型(from greenlet.c)
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 |
A PyGreenlet is a range of C stack addresses that must be saved and restored in such a way that the full range of the stack contains valid data when we switch to it. Stack layout for a greenlet: | ^^^ | | older data | | | stack_stop . |_______________| . | | . | greenlet data | . | in stack | . * |_______________| . . _____________ stack_copy + stack_saved . | | | | . | data | |greenlet data| . | unrelated | | saved | . | to | | in heap | stack_start . | this | . . |_____________| stack_copy | greenlet | | | | newer data | | vvv | |
下面是一段簡單的greenlet程式碼.
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 |
from greenlet import greenlet def test1(): print 12 gr2.switch() print 34 def test2(): print 56 gr1.switch() print 78 gr1 = greenlet(test1) gr2 = greenlet(test2) gr1.switch() |
目前所討論的協程，一般是程式語言提供支援的。目前我所知提供協程支援的語言包括python，lua，go，erlang, scala和rust。協程不同於執行緒的地方在於協程不是作業系統進行切換，而是由程式設計師編碼進行切換的，也就是說切換是由程式設計師控制的，這樣就沒有了執行緒所謂的安全問題。
所有的協程都共享整個程式的上下文，這樣協程間的交換也非常方便。
相對於第二種方案（I/O多路複用），使得使用協程寫的程式將更加的直觀，而不是將一個完整的流程拆分成多個管理的事件處理。
協程的缺點可能是無法利用多核優勢，不過，這個可以通過協程+程式的方式來解決。
協程可以用來處理併發來提高效能，也可以用來實現狀態機來簡化程式設計。我用的更多的是第二個。去年年底接觸python，瞭解到了python的協程概念，後來通過pycon china2011接觸到處理yield，greenlet也是一個協程方案，而且在我看來是更可用的一個方案，特別是用來處理狀態機。
目前這一塊已經基本完成，後面抽時間總結一下。
總結一下：
1）多程式能夠利用多核優勢，但是程式間通訊比較麻煩，另外，程式數目的增加會使效能下降，程式切換的成本較高。程式流程複雜度相對I/O多路複用要低。
2）I/O多路複用是在一個程式內部處理多個邏輯流程，不用進行程式切換，效能較高，另外流程間共享資訊簡單。但是無法利用多核優勢，另外，程式流程被事件處理切割成一個個小塊，程式比較複雜，難於理解。
3）執行緒執行在一個程式內部，由作業系統排程，切換成本較低，另外，他們共享程式的虛擬地址空間，執行緒間共享資訊簡單。但是執行緒安全問題導致執行緒學習曲線陡峭，而且易出錯。
4）協程有程式語言提供，由程式設計師控制進行切換，所以沒有執行緒安全問題，可以用來處理狀態機，併發請求等。但是無法利用多核優勢。
上面的四種方案可以配合使用，我比較看好的是程式+協程的模式。