修正了代码中的bug

Author: jackfrued

Day66-75/04.并发下载.md

@@ -2,9 +2,46 @@
 
 ### 多线程和多进程回顾
 
+在前面的[《进程和线程》](../Day01-15/Day13/进程和线程.md)一文中，我们已经对在Python中使用多进程和多线程实现并发编程进行了简明的讲解，在此我们补充几个知识点。
 
+#### threading.local类
 
-### 实例 - 多线程下载“手机搜狐网”所有页面。
+使用线程时最不愿意遇到的情况就是多个线程竞争资源，在这种情况下为了保证资源状态的正确性，我们可能需要对资源进行加锁保护的处理，这一方面会导致程序失去并发性，另外如果多个线程竞争多个资源时，还有可能因为加锁方式的不当导致[死锁](https://zh.wikipedia.org/wiki/%E6%AD%BB%E9%94%81)。要解决多个线程竞争资源的问题，其中一个方案就是让每个线程都持有资源的副本（拷贝），这样每个线程可以操作自己所持有的资源，从而规避对资源的竞争。
+
+要实现将资源和持有资源的线程进行绑定的操作，最简单的做法就是使用threading模块的local类，在网络爬虫开发中，就可以使用local类为每个线程绑定一个MySQL数据库连接或Redis客户端对象，这样通过线程可以直接获得这些资源，既解决了资源竞争的问题，又避免了在函数和方法调用时传递这些资源。具体的请参考本章多线程爬取“手机搜狐网”（Redis版）的实例代码。
+
+#### concurrent.futures模块
+
+Python3.2带来了`concurrent.futures` 模块，这个模块包含了线程池和进程池、管理并行编程任务、处理非确定性的执行流程、进程/线程同步等功能。关于这部分的内容推荐大家阅读[《Python并行编程》](http://python-parallel-programmning-cookbook.readthedocs.io/zh_CN/latest/index.html)。
+
+#### 分布式进程 
+
+使用多进程的时候，可以将进程部署在多个主机节点上，Python的`multiprocessing`模块不但支持多进程，其中`managers`子模块还支持把多进程部署到多个节点上。当然，要部署分布式进程，首先需要一个服务进程作为调度者，进程之间通过网络进行通信来实现对进程的控制和调度，由于`managers`模块已经对这些做出了很好的封装，因此在无需了解网络通信细节的前提下，就可以编写分布式多进程应用。具体的请参照本章分布式多进程爬取“手机搜狐网”的实例代码。
+
+### 协程和异步I/O
+
+#### 协程的概念
+
+协程（coroutine）通常又称之为微线程或纤程，它是相互协作的一组子程序（函数）。所谓相互协作指的是在执行函数A时，可以随时中断去执行函数B，然后又中断继续执行函数A。注意，这一过程并不是函数调用（因为没有调用语句），整个过程看似像多线程，然而协程只有一个线程执行。协程通过`yield`关键字和 `send()`操作来转移执行权，协程之间不是调用者与被调用者的关系。
+
+协程的优势在于以下两点：
+
+1. 执行效率极高，因为子程序（函数）切换不是线程切换，由程序自身控制，没有切换线程的开销。
+2. 不需要多线程的锁机制，因为只有一个线程，也不存在竞争资源的问题，当然也就不需要对资源加锁保护，因此执行效率高很多。
+
+> 说明：协程适合处理的是I/O密集型任务，处理CPU密集型任务并不是它的长处，如果要提升CPU的利用率可以考虑“多进程+协程”的模式。
+
+#### 历史回顾
+
+1. Python 2.2：第一次提出了生成器（最初称之为迭代器）的概念（PEP 255）。
+2. Python 2.5：引入了将对象发送回暂停了的生成器这一特性即生成器的`send()`方法（PEP 342）。
+3. Python 3.3：添加了`yield from`特性，允许从迭代器中返回任何值（注意生成器本身也是迭代器），这样我们就可以串联生成器并且重构出更好的生成器。
+4. Python 3.4：引入`asyncio.coroutine` 装饰器用来标记作为协程的函数，协程函数和`asyncio`及其事件循环一起使用，来实现异步I/O操作。
+5. Python 3.5：引入了`async`和`await`，可以使用`async def`来定义一个协程函数，这个函数中不能包含任何形式的`yield`语句，但是可以使用`return`或`await`从协程中返回值。
+
+
+
+### 实例 - 多线程爬取“手机搜狐网”所有页面。
 
 ```Python
 

Day66-75/code/main_redis.py

@@ -3,7 +3,7 @@
 from enum import Enum, unique
 from hashlib import sha1
 from random import random
-from threading import Thread, current_thread
+from threading import Thread, current_thread, local
 from time import sleep
 from urllib.parse import urlparse
 
@@ -79,13 +79,16 @@ def parse(self, html_page, *, domain='m.sohu.com'):
                 path = parser.path
                 query = '?' + parser.query if parser.query else ''
                 full_url = f'{scheme}://{netloc}{path}{query}'
+                redis_client = thread_local.redis_client
                 if not redis_client.sismember('visited_urls', full_url):
                     redis_client.rpush('m_sohu_task', full_url)
 
     def extract(self, html_page):
         pass
 
     def store(self, data_dict):
+        # redis_client = thread_local.redis_client
+        # mongo_db = thread_local.mongo_db
         pass
 
 
@@ -96,6 +99,10 @@ def __init__(self, name, spider):
         self.spider = spider
 
     def run(self):
+        redis_client = redis.Redis(host='1.2.3.4', port=6379, password='1qaz2wsx')
+        mongo_client = pymongo.MongoClient(host='1.2.3.4', port=27017)
+        thread_local.redis_client = redis_client
+        thread_local.mongo_db = mongo_client.msohu 
         while True:
             current_url = redis_client.lpop('m_sohu_task')
             while not current_url:
@@ -109,6 +116,7 @@ def run(self):
                     hasher = hasher_proto.copy()
                     hasher.update(current_url.encode('utf-8'))
                     doc_id = hasher.hexdigest()
+                    sohu_data_coll = mongo_client.msohu.webpages
                     if not sohu_data_coll.find_one({'_id': doc_id}):
                         sohu_data_coll.insert_one({
                             '_id': doc_id,
@@ -124,17 +132,15 @@ def is_any_alive(spider_threads):
                 for spider_thread in spider_threads])
 
 
-redis_client = redis.Redis(host='1.2.3.4',
-                           port=6379, password='1qaz2wsx')
-mongo_client = pymongo.MongoClient(host='120.77.222.217', port=27017)
-db = mongo_client.msohu
-sohu_data_coll = db.webpages
+thread_local = local()
 hasher_proto = sha1()
 
 
 def main():
+    redis_client = redis.Redis(host='1.2.3.4', port=6379, password='1qaz2wsx')
     if not redis_client.exists('m_sohu_task'):
         redis_client.rpush('m_sohu_task', 'http://m.sohu.com/')
+
     spider_threads = [SpiderThread('thread-%d' % i, Spider())
                       for i in range(10)]
     for spider_thread in spider_threads: