gevent原理与性能深度解析
gevent 通过 greenlet 协程、monkey patch 动态替换标准库阻塞调用,以及基于 libev/libuv 的事件循环,巧妙地在单线程中实现协作式高并发——开发者只需用直观的同步风格编写代码,底层便自动完成 I/O 挂起、协程切换与事件唤醒,极大简化了异步编程复杂度;它特别适合爬虫、API 网关、实时消息服务等 I/O 密集型场景,但需注意 CPU 密集任务的调度陷阱和 monkey patch 带来的潜在兼容风险。

gevent 是一个基于协程的 Python 网络库,它使用 greenlet 和 libev(或 libuv)事件循环来实现高并发的异步编程。它的核心原理是:在单线程中通过协作式多任务(cooperative multitasking)模拟出“并发”效果,让开发者可以用同步写法写出异步程序。
1. Greenlet:轻量级协程
gevent 的基础是 greenlet,它是 C 实现的轻量级协程,可以看作是用户态的微线程。
- 每个 greenlet 都有自己的栈和执行上下文,可以在运行时主动切换到另一个 greenlet。
- 切换由程序控制,不是操作系统调度,开销极小。
- greenlet 本身不提供 I/O 调度能力,gevent 在其基础上封装了自动切换机制。
例如:
// 创建两个 greenlet 并手动切换 from greenlet import greenletdef test1(): print(1) gr2.switch() print(2)
def test2(): print(3) gr1.switch() print(4)
gr1 = greenlet(test1) gr2 = greenlet(test2) gr1.switch() // 输出: 1 3 2
2. Monkey Patch:拦截阻塞调用
Python 标准库中的 socket、time.sleep 等函数是同步阻塞的。gevent 提供了 monkey patch 机制,动态替换这些标准函数为非阻塞版本。
- 调用 gevent.monkey.patch_all() 后,socket.send、socket.recv、time.sleep 等都会被替换成 gevent 内部的协程友好版本。
- 当发生 I/O 操作时,当前 greenlet 会主动让出控制权,事件循环转去执行其他 greenlet。
- I/O 完成后,事件循环再恢复该 greenlet 继续执行。
这样,代码看起来是同步的,实际执行是异步的。
3. 事件循环:驱动协程调度
gevent 使用 libev 或 libuv 作为底层事件循环,监听文件描述符(如 socket)的状态变化。
- 当某个 greenlet 发起网络请求时,gevent 将其挂起,并向事件循环注册回调。
- 事件循环持续监听 I/O 事件,一旦数据可读或可写,就唤醒对应的 greenlet。
- 调度过程完全由 gevent 自动完成,开发者无需手动 yield 或 await。
这使得你可以这样写代码:
import gevent import requestsdef fetch(url): print(f"GET {url}") resp = requests.get(url) // 看似同步,实际是非阻塞 print(f"{url} -> {len(resp.content)}")
并发抓取
gevent.joinall([ gevent.spawn(fetch, 'http://httpbin.org/delay/2'), gevent.spawn(fetch, 'http://httpbin.org/delay/1') ])
虽然没有 async/await,但两个请求是并发执行的。
4. 协作式调度:避免长时间占用 CPU
gevent 是协作式的,意味着只有当 greenlet 主动让出时,其他协程才有机会运行。
- 常见让出时机:sleep、I/O 操作、显式调用 gevent.sleep(0)。
- 如果某段代码纯计算且不触发任何 patch 过的调用,就会阻塞整个事件循环。
- 解决办法:定期插入 gevent.sleep(0) 来主动交出控制权。
例如:
for i in range(1000000): do_something() if i % 1000 == 0: gevent.sleep(0) // 让出执行权基本上就这些。gevent 的魔力在于把复杂的异步逻辑隐藏在底层,让你用最自然的方式写高并发网络程序,特别适合 I/O 密集型场景,比如爬虫、长连接服务等。不过要注意它不适用于 CPU 密集任务,而且由于 monkey patch 是全局替换,可能与其他库产生兼容问题。
以上就是《gevent原理与性能深度解析》的详细内容,更多关于的资料请关注golang学习网公众号!
PHP生成指定范围随机整数技巧
- 上一篇
- PHP生成指定范围随机整数技巧
- 下一篇
- HTML图片水平居中技巧详解
-
- 文章 · python教程 | 3小时前 |
- Python heapq 最大堆 API 怎么避免手动取负数
- 397浏览 收藏
-
- 文章 · python教程 | 9小时前 | python · Python 不可变对象 namedtuple dataclass copy.replace
- Python copy.replace 怎么更新不可变对象字段
- 245浏览 收藏
-
- 文章 · python教程 | 13小时前 | python ·
- Python NamedTemporaryFile 的 delete_on_close 怎么设置
- 311浏览 收藏
-
- 文章 · python教程 | 19小时前 |
- Python itertools.batched strict 参数什么时候会报错
- 306浏览 收藏
-
- 文章 · python教程 | 21小时前 |
- Python ExceptionGroup split 怎么按异常类型拆分
- 311浏览 收藏
-
- 文章 · python教程 | 22小时前 |
- Python dataclass slots 与 weakref_slot 怎么一起用
- 207浏览 收藏
-
- 文章 · python教程 | 1天前 | python · Python tarfile extraction_filter data_filter
- Python tarfile extraction_filter 怎么阻止危险路径
- 232浏览 收藏
-
- 文章 · python教程 | 1天前 |
- Python pathlib.Path.walk 怎么剪枝目录遍历
- 159浏览 收藏
-
- 文章 · python教程 | 1天前 | python · SQLite · Python sqlite3 autocommit isolation_level SQLite事务
- Python sqlite3 autocommit 与 isolation_level 怎么配合
- 378浏览 收藏
-
- 文章 · python教程 | 1天前 | 并发 · 异步编程 · Python教程 · Python 任务调度 asyncio eager_task_factory
- Python asyncio eager task factory 什么时候会改变执行顺序
- 497浏览 收藏
-
- 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
- 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
- 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
- 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
- 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
-
- 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。
- 253次使用
-
- 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。
- 298次使用
-
- 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。
- 270次使用
-
- 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。
- 249次使用
-
- 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。
- 54次使用
-
- Python sqlite3 Connection serialize 怎么导出数据库快照:备份窗口、内存占用与恢复校验
- 2026-08-26 501浏览
-
- Python监控网页状态:requests异常处理实战
- 2026-05-29 501浏览
-
- TensorFlow模型部署为API的TF Serving方法
- 2026-05-26 501浏览
-
- Python字符串编码转换:encode与decode详解
- 2026-05-16 501浏览
-
- TensorFlow裁剪无用算子方法详解
- 2026-05-15 501浏览
