当前位置:首页 > 文章列表 > 文章 > python教程 > Python协程如何用gevent实现?

Python协程如何用gevent实现?

2026-03-08 15:51:56 0浏览 收藏
Python的gevent通过轻量级协程(greenlet)和关键的monkey patching机制,将标准库中的阻塞IO操作无缝转为非阻塞,让开发者以近乎同步的简洁代码风格实现高并发——只需`monkey.patch_all()`打补丁、`gevent.spawn()`启动协程、`gevent.joinall()`等待完成,再配合`Pool`灵活控并发,即可在爬虫、API批量调用等IO密集型场景中大幅提升响应效率,真正兼顾性能与可读性。

如何使用python协程中gevent模块?

Python中的gevent模块是一个基于协程的并发库,它使用greenlet(轻量级协程)实现异步编程,通过monkey patching将标准库中的阻塞操作变为非阻塞,从而实现高效的并发处理。下面介绍如何使用gevent进行常见操作。

安装与基础用法

首先需要安装gevent:

pip install gevent

最简单的gevent程序如下:

import gevent
from gevent import monkey

# 打补丁,让标准库中的阻塞操作变成非阻塞
monkey.patch_all()

def task(name, duration):
    print(f"Task {name} starting")
    gevent.sleep(duration) # 模拟IO等待
    print(f"Task {name} finished")

# 创建多个协程任务
jobs = [
    gevent.spawn(task, "A", 2),
    gevent.spawn(task, "B", 1),
] 

# 等待所有任务完成
gevent.joinall(jobs)

Monkey Patching 的作用

gevent的核心是monkey patching。Python的标准库如socket、time、threading等默认是阻塞的,gevent通过monkey.patch_all()替换这些模块中的阻塞函数为协作式版本。

例如:

from gevent import monkey
monkey.patch_socket() # 只打补丁socket
# 或者更常用:
monkey.patch_all()

注意:必须在导入其他模块之前调用patch,否则无效。通常放在文件最开始。

实际应用:并发请求网络资源

使用gevent可以轻松实现高并发HTTP请求:

import gevent
from gevent import monkey
monkey.patch_all() # 打补丁,支持requests等库

import requests

def fetch(url):
    print(f"Fetching {url}")
    response = requests.get(url)
    print(f"{url} -> {response.status_code}")

urls = [
    "https://httpbin.org/delay/1",
    "https://httpbin.org/delay/2",
    "https://httpbin.org/get"
]

# 并发执行
gevent.joinall([gevent.spawn(fetch, url) for url in urls])

原本串行需要几秒的操作,现在几乎同时发起,总耗时由最长的那个决定。

控制并发数量:使用Pool

当任务过多时,可以用gevent.pool.Pool限制并发数:

from gevent.pool import Pool

def worker(url):
    response = requests.get(url)
    return f"{url}: {response.status_code}"

pool = Pool(5) # 最多5个并发
results = pool.map(worker, urls)

for result in results:
    print(result)

Pool也支持异步方式:pool.spawn() + gevent.joinall()。

基本上就这些。gevent的优势在于写法接近同步代码,逻辑清晰,适合IO密集型任务,比如爬虫、API调用、长轮询服务等。掌握patch机制和spawn/joinall模式,就能高效利用gevent实现并发。

以上就是本文的全部内容了,是否有顺利帮助你解决问题?若是能给你带来学习上的帮助,请大家多多支持golang学习网!更多关于文章的相关知识,也可关注golang学习网公众号。

盘搜搜镜像入口及旧版网页版指南盘搜搜镜像入口及旧版网页版指南
上一篇
盘搜搜镜像入口及旧版网页版指南
多闪官方下载|无广告版本推荐
下一篇
多闪官方下载|无广告版本推荐
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    344次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    406次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    405次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    367次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    188次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码