1.使用Flask的做服务器框架，可以以python code.py的方式运行，但这种方式不能用于生产环境，不稳定，比如说:  有一定概率遇到连接超时无返回的情况

1，通过设置app.run()的参数，来达到多进程的效果。看一下app.run的具体参数：

注意： threaded与processes不能同时打开，如果同时设置的话，将会出现以下的错误：

2.使用gevent做协程，从而解决高并发的问题：

# 携程的第三方包-这里选择gevent, 当然你也可以选择eventlet

  pip install gevent

# 具体的代码如下：

from flask import Flask

from gevent.pywsgi import WSGIServer

from gevent import monkey

# 将python标准的io方法，都替换成gevent中同名的方法，遇到io阻塞gevent自动进行协程切换

monkey.patch_all()

# 1.创建项目应用对象app

app = Flask(__name__)

# 初始化服务器

WSGIServer(("127.0.0.1", 5000), app).serve_forever()

# 来启动服务---这样就是以协程的方式运行项目，提高并发能力

 python code.py

3.通过Gunicorn(with gevent)的形式对app进行包装，从而来启动服务【推荐】

安装遵循了WSGI协议的gunicorn服务器--俗称：绿色独角兽

  pip install gunicorn

查看命令行选项： 安装gunicorn成功后，通过命令行的方式可以查看gunicorn的使用信息。

$gunicorn -h

指定进程和端口号： -w: 表示进程（worker） --bind：表示绑定ip地址和端口号（bind） —threads 多线程  -k  异步方案

# 使用gevent做异步（默认worker是同步的）

gunicorn -w 8 --bind 0.0.0.0:8000 -k 'gevent' 运行文件名称:Flask程序实例名

运行方案2： 将运行的信息加载到配置文件中

使用gunicorn + gevent 开启高并发

import multiprocessing

"""gunicorn+gevent 的配置文件"""

# 预加载资源

preload_app = True

# 绑定

bind = "0.0.0.0:5000"

# 进程数

workers = multiprocessing.cpu_count() * 2 + 1

# 线程数

threads = multiprocessing.cpu_count() * 2

# 等待队列最大长度,超过这个长度的链接将被拒绝连接

backlog = 2048

# 工作模式

# worker_class = "egg:meinheld#gunicorn_worker"

worker_class = "gevent"

# 最大客户客户端并发数量,对使用线程和协程的worker的工作有影响

worker_connections = 1200

# 进程名称

proc_name = 'gunicorn.pid'

# 进程pid记录文件

pidfile = 'app_run.log'

# 日志等级

loglevel = 'debug'

# 日志文件名

logfile = 'debug.log'

# 访问记录

accesslog = 'access.log'

# 访问记录格式

access_log_format = '%(h)s %(t)s %(U)s %(q)s'

# 运行方式 命令行

gunicorn -c gunicorn_config.py flask_server:app

使用 meinheld + gunicorn + flask 开启高并发神器

前提在虚拟环境中安装meinheld:

  pip install meinheld

import multiprocessing

"""gunicorn+meinheld 的配置文件"""

# 预加载资源

preload_app = True

# 绑定

bind = "0.0.0.0:5000"

# 进程数: cup数量 * 2 + 1

workers = multiprocessing.cpu_count() * 2 + 1

# 线程数 cup数量 * 2

threads = multiprocessing.cpu_count() * 2

# 等待队列最大长度,超过这个长度的链接将被拒绝连接

backlog = 2048

# 工作模式

worker_class = "egg:meinheld#gunicorn_worker"

# 最大客户客户端并发数量,对使用线程和协程的worker的工作有影响

worker_connections = 1200

# 进程名称

proc_name = 'gunicorn.pid'

# 进程pid记录文件

pidfile = 'app_run.log'

# 日志等级

loglevel = 'debug'

# 日志文件名

logfile = 'debug.log'

# 访问记录

accesslog = 'access.log'

# 访问记录格式

access_log_format = '%(h)s %(t)s %(U)s %(q)s'

# 运行方式 命令行

gunicorn -c gunicorn_config.py flask_server:app

拓展

概念：协程就是协同工作的程序，不是进程也不是线程 理解成--不带返回值的函数调用。

Coroutine：协程，又称微线程，纤程。 

协程的这种“挂起”和“唤醒”机制实质上是将一个过程切分成了若干个子过程，给了我们一种以扁平的方式来使用事件回调模型。优点：共享进程的上下文，一个进程可以创建百万，千万的coroutine。

python中的yield和第三方库greenlet，都可以实现协程。 

greenlet 提供了在协程中直接切换控制权的方式，比生成器(yield)更加灵活、简洁。

历史遗留问题—GIL锁

1.线程安全是在多线程的环境下，线程安全能够保证多个线程同时执行时程序依旧运行正确，而且要保证对于共享的数据，可以由多个线程存取，但是同一时刻只能有一个线程进行存取。每一个interpreter进程，只能同时仅有一个线程来执行，获得相关的锁，存取相关的资源。那么很容易就会发现，如果一个interpreter进程只能有一个线程来执行，多线程的并发则成为不可能，即使这几个线程之间不存在资源的竞争。

2.所以虽然 CPython的线程库直接封装操作系统的原生线程，但CPython进程做为一个整体同一时间只会有一个获得了GIL的线程在跑，其它的线程都处于等待状态等着 GIL的释放。所以只能使用cpu单核。这也是python多线程被人诟病的原因。

解决方案：python的高并发更加推荐多进程+协程

io多路复用

IO多路复用是指内核一旦发现进程指定的一个或者多个IO条件准备读取，它就通知该进程。 

1. select（线程不安全）：它通过一个select()系统调用来监视多个文件描述符的数组，当select()返回后，该数组中就绪的文件描述符便会被内核修改标志位，使得进程可以获得这些文件描述符从而进行后续的读写操作。 

2. poll（线程不安全）：它和select在本质上没有多大差别，但是poll没有最大文件描述符数量的限制 

3. epoll（线程安全）：epoll可以同时支持水平触发和边缘触发（Edge Triggered，只告诉进程哪些文件描述符刚刚变为就绪状态，它只说一遍，如果我们没有采取行动，那么它将不会再次告知，这种方式称为边缘触发），理论上边缘触发的性能要更高一些，但是代码实现相当复杂。

python异步实现

多进程 + 协程 + callback（io多路复用做事件驱动）

协程 第三方封装库:

• gevent  = greenlet + python.monkey（底层使用 libevent   时间复杂度： O(N * logN)）

• meinheld = greenlet + picoev    (时间复杂度： O(N) )

• eventlet

picoev和libevent

meinheld和gevent都能实现异步，但是测评中meinheld比gevent的性能好很多，不过因为meinheld支持的比较少，一般都是配合gunicorn使用的。下面分析一下meinheld和gevent性能差距主要原因，分别使用的是picoev和lievent。

# libevent

主要实现：使用堆（优先队列）作为timer事件的算法（nlogn）,IO和信号的实现均使用了双向队列（用链表实现）。

时间复杂度： O(N * logN)

# picoev

picoev：根据作者简介，主要优化有两点。 

1. 主要是考虑是fd（file descriptors）在unix中是用比较小的正整数表示的，那么把fd的相关信息，全部存储在一个array中，这样使得查找快速，在操作socket状态时会更加的快。 

2. 第二点是对于timer事件的算法优化，通过环形缓冲区(128)和bit vector实现查看部分源码可以看出，主要实现是每个时间点对应的是缓冲区的一个位置，每个缓存区使用bit vector 表示fd的数值，相当于一种hash映射所以时间复杂度为(o(n))，n为那个缓存区所存的fd数量。

时间复杂度： O(N)

性能： picoev > libevent

理解----协程&线程&进程

2.思考：协程之前切换的场景?

程序发送阻塞的时候切换

• 读磁盘

• 读写文件

• 网络io操作

• 收发http请求