Greenlet Vs. Fils

Greenlets fournir la simultanéité, mais pas parallélisme. La simultanéité est lorsque le code peut s'exécuter indépendamment l'un de l'autre code. Le parallélisme est l'exécution de code simultané simultanément. Le parallélisme est particulièrement utile lorsqu'il y a beaucoup de travail à faire dans l'espace utilisateur, et qui est généralement CPU-lourd. La simultanéité est utile pour séparer des problèmes, permettant aux différentes parties pour être planifiée et gérée plus facilement en parallèle.

Greenlets vraiment briller dans la programmation de réseau où les interactions avec un socket peut se produire indépendamment des interactions avec d'autres supports. C'est un exemple classique de la simultanéité. Parce que chaque greenlet s'exécute dans son propre contexte, vous pouvez continuer à utiliser les Api synchrone sans filetage. C'est bien parce que les fils sont très coûteux en termes de mémoire virtuelle du noyau et des frais généraux, de sorte que la simultanéité vous pouvez atteindre avec des threads de l'est nettement moins. En outre, le filetage en Python est plus cher et plus limité que d'habitude en raison de la GIL. Des Alternatives à la simultanéité sont généralement des projets comme Tordu, libevent, libuv, node.js etc, où tous vos partages de codes le même contexte d'exécution, et d'enregistrer les gestionnaires d'événements.

C'est une excellente idée pour utiliser greenlets (avec les réseaux de soutien comme par gevent) pour la rédaction d'un proxy, comme votre traitement des demandes sont en mesure d'exécuter de manière indépendante et doit être écrit en tant que tel.

Greenlets fournir de simultanéité pour les raisons que j'ai donné plus tôt. La simultanéité n'est pas de parallélisme. En dissimulant l'enregistrement d'un événement et l'exécution de la planification pour vous sur les appels qui seraient normalement bloquer le thread en cours, des projets comme gevent exposer cette simultanéité sans avoir à modifier une API asynchrone, et à un coût nettement moins important pour votre système.

• La simultanéité n'est pas de parallélisme
• Threads vs processus
• Multitraitement vs threads
• GIL vs Disponible

C'est assez intéressant à analyser.
Voici un code pour comparer les performances des greenlets contre le multitraitement piscine versus multi-threading:

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()

voici les résultats:

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

Je pense que greenlet prétend qu'il n'est pas lié par GIL contrairement à la multithreading bibliothèque. En outre, Greenlet doc a dit qu'il est destiné aux opérations de réseau. Pour un réseau intensif de l'opération, le fil de commutation est très bien et vous pouvez voir que l'approche de multithreading est assez rapide.
Aussi il est toujours prefeerable utiliser python officiel de bibliothèques; j'ai essayé d'installer greenlet sur windows et rencontré une dépendance dll problème et j'ai effectué ce test sur une machine virtuelle linux.
Toujours essayer d'écrire un code avec l'espoir qu'il fonctionne sur n'importe quelle machine.