一个小事件说明下并发,并行,同步,异步,线程,多线程
一个广交会举办向8间公司发起展览邀请，参展公司有8间，场地有80万平方米的展示区域，每个参展商有10万平方米可以用于展出售卖，每个参展公司仅仅配备1个员工，每个货架之间都有距离，员工在销售时需要去到货架前面，每个货架仅能放一种商品。
8间公司的摊位:多进程8间公司都在售卖中:并行第1间公司有1个货架，货架有1个商品：1线程第2间公司有20个货架，每个货架有1个商品：20线程第3间公司有1个货架,货架配置100件商品：单线程并发（异步）第4间公司有没有货架,卖的【按摩服务】。第5间公司与第6间公司是同一个母公司，名为A公司，也就意味着A公司有2个摊位：并行
对应理解
【并发】：广交会举办向8间公司发起展览邀请，分先后，先发邀请函给我之后再发给你......一共发了8个邀请【多进程】：8间公司的都有自己的摊位【并行】：8间公司同时进行着展示任务，每一间公司都有属于自己的摊位，不用和别人轮流共用一个摊位【线程】：货架的数量【计算密集型】：第1间参展公司有1个货架配置1个商品，卖的是大型商品【大核弹头】，需要详细讲解使用方法才能使用的商品。【处理I/O密集型】：第3间公司有1个货架,配置100件商品，卖的是小型商品【纯净水】，直接收钱交货,讲解的内容少。【同步】：第4间公司，卖的是【按摩服务】：需要从头按到脚。【不能更改按摩顺序】【异步】【单线程并发】：第3间公司有1个货架,货架配置100件商品：员工仅需在一个货架前卖该货架上的100件商品，1件1件地卖【并发属于并行的特殊类型】【并发并不意味着并行】：一个货架展示100种商品不等于有两个摊位【第3间公司有1个货架,货架配置100件商品：单线程并发（异步）-----第5间公司与第6间公司是同一个母公司，名为A公司，也就意味着A公司有2个摊位】----【单核CPU是不能够实现并行】【并发并不意味着并行】：第1间公司先参加的的展示，第2间公司还在报名填表中
多核处理器中一般为1个进程对应1个核心
【单核心并发】多进程在单核CPU中运行，即理解为：一个展会场地有10万平方，每间公司的展示都需要10万平方的，但是这里有8间公司，他们不能同时展出，那么他们将在该场地上轮流展出（而且被要求每隔多少秒就要换一间公司）。所以需要更长的时间才能完成本次展出任务。(cpu上是每隔0.00N毫秒快速切换,让你感觉不出它再切换)【单核CPU是不能实现并行】
异步IO，asyncio库是一种并发编程设计，从Python 3.4版本才引入
异步IO适用在哪里？
异步IO （async IO）：一种与语言无关的范例（模型），由多种编程语言实现
async/ await： 用于定义协程的关键字asyncio/异步io库：为运行和管理协程提供了基础和API Python中异步IO的核心:协程（专用的生成器函数）async IO:异步ioasyncio:python中的异步库
需要Python 3.7或更高版才能执行以下操作
升级:
pip install --upgrade pip aiohttp aiofiles或者python3 -m pip install --upgrade pip aiohttp aiofiles
并行：同时执行多个操作多进程：实现并行的一种方法多进程：善于处理计算密集型（CPU-bound）任务：强密集循环和数学计算并发：多个任务重叠方式运行。【并发属于并行的特殊类型】线程：并发执行模型。多个线程轮流执行任务,一个进程可以包含多个线程。线程：善于处理I/O密集型任务。因为I/O需要等待。并发属于并行的特殊类型并发包括多进程和线程————【计算密集】+【I/O密集】多进程是并行的一种表现形式。
Python对【并行】【并发】两种形式都提供了长期的支持
【通过它的标准库包 multiprocessing，threading 和 concurrent.futures】
CPython构建了一个独立的设计：asyncio库。
异步IO，把 asyncio 包添加至标准库。
关键字【async】和【await】。
async IO 不是新发明的概念
async IO 已经存在其他语言及运行时环境中，如 Go，C# 和 Scala 等。
Python文档把 asyncio 包称为【一个编写并发代码的库】。
async IO【异步IO】 不是【线程】与【多进程】。async IO【异步IO】 在单进程中使用单线程运行，是一种单进程、单线程的设计【只是使用协同多任务处理机制】。协程（async IO的核心功能）可以被同时调度，但它本身并不是并发。虽然给人一种并发的感觉。异步的属性：异步例程能够在等待其最终结果时“暂停”，并允许其他的例程同时运行。
concurrency并发【Threading多线程，AsyncIO异步I/O】Parallelism并行【Multiprocessing多进程】
案例对比
异步版本
import asyncioasync def count():print("One")await asyncio.sleep(1)print("Two")async def main():await asyncio.gather(count(), count(), count())if __name__ == "__main__":import times = time.perf_counter()asyncio.run(main())elapsed = time.perf_counter() - sprint(f"{__file__} executed in {elapsed:0.2f} seconds.")
输出结果为:
OneOneOneTwoTwoTwo{文件路径+文件名} executed in 1.00 seconds.
这个输出的顺序是异步IO的核心，
由单一事件循环或协调器负责与每一个 count() 方法调用交流。
当每一个任务执行到 await asyncio.sleep(1))时，
该函数会告知【事件循环】并交出控制权限，
“我要休眠一秒钟，在此期间，继续做其它的事”。
同步版本：
import timedef count():print("One")time.sleep(1)print("Two")def main():for _ in range(3):count()if __name__ == "__main__":s = time.perf_counter()main()elapsed = time.perf_counter() - sprint(f"{__file__} executed in {elapsed:0.2f} seconds.")
在输出顺序和时间上有变化
OneTwoOneTwoOneTwocountsync.py executed in 3.01 seconds.
上面两个案例
使用 time.sleep() 和 asyncio.sleep() 看起来有点简陋，这里一般用来替代标准输入等耗时的操作。
asyncio里面的语法 async def
引入了原生协程或者说异步生成器。
表达式async with和async for
例子：
async def g():r = await f()return r
g()函数里面有一个f()函数
关键字 await 将控制器传递给事件循环。（即挂起当前运行的协程）Python执行时，在 g() 函数内如果遇到表达式 await f()，await 会告诉事件循环，“先暂停 g() 函数，等 f()函数 返回结果，并且在此期间，可以运行其它函数。”
使用 await 与 return 的组合创建协程函数。想要调用一个协程函数，须使用 await 等待返回结果。
案例1
async def f(x):y = await z(x) return y
上面代码可以执行`await`和`return`在协程中允许
案例2
def m(x):y = await z(x)
#上面代码语法错误：这里没有“`async def`”
案例3
async def g(x):yield x
#上面代码可以执行：这是一个异步生成器#但是在 async def 代码块中使用 yield 的不多见
案例4
async def m(x):yield from gen(x)
#语法错误： SyntaxError#在 async def 定义的地方都不用 yield from，这会引发异常 SyntaxError。
展示案例：1成器的方式——2.原生协程
import asyncio#1.基于生成器的方式@asyncio.coroutinedef py34_coro():yield from stuff()#2.原生协程async def py35_coro():await stuff()
Python 3.5中出现了async/await 语法后，async/await 取代了生成器的协程方式。
生成器的协程方式属于过时了。
最好是使用原生协程。
基于生成器的协程将会在Python 3.10版本移除。
注意
使用 async/await 语法（await 不能用于基于生成器的协程），这些规则很大程度上与基于生成器的协程不兼容。
