python eventlet-何时使用tpool VS Greenpool

我的理解是，tpool为您提供了一个本机线程池，而Greenpool为您提供了一个绿色线程池（基本上所有绿色线程都在一个本机线程中）

• tpool

  def my_func(start_ident):
      print "start_ident:%s" % start_ident
      print "running in new thread: %s %s" % (start_ident != thread.get_ident(), 
                                          thread.get_ident())
  
  tpool.execute(my_func, thread.get_ident()
  

  结果：不同的本机线程

  start_ident:140735259603328
  running in new thread: True 4616945664
  

• 绿池

  def worker(line):
      print "worker in thread %s" % thread.get_ident()
      return line
  
  pool = GreenPool()
  for result in pool.imap(worker, open("test.txt", 'r')):
      print result
  

  结果：绿色线程在同一个本机线程中运行

  worker in thread 140735259603328
  worker in thread 140735259603328
  worker in thread 140735259603328
  worker in thread 140735259603328
  .......
  

---

有人能告诉我什么时候使用一个游泳池和另一个游泳池吗。

在完美世界[3]，你只需要

GreenPool

。但当您调用某些不可避免的阻塞代码时：

• 打开

  文件[1]
• 具有大量CPU工作的C扩展，如

  lxml

  或

  numpy

• 使用阻塞套接字的C扩展，如

  mysqldb

它阻塞的时间正成为一个问题[2]，然后您可以尝试tpool将这些阻塞任务卸载到单独的线程。CPython为此付出了巨大的代价，所以它并不总是有帮助的，再次衡量一切。例如，

open（'/dev/null'，rb'）

在大多数情况下会更便宜；打开（'/mnt/nfs/file'，rb'）时连接远程服务器可能需要一段时间

[1] 处理文件既有异步选项，也有非阻塞选项。不幸的是，对于Linux，除了

tpool

之外，我不知道还有什么解决方案可以真正替代

open

[2] 这只有通过检测、测量和观察指标才能知道。在这个领域里，有很多糟糕的软件和很棒的软件，你至少应该用一些东西来知道确切的数字。“感觉很慢”不是一个信息。“上次发布后平均响应时间下降了20%”更有用

[3] 完美世界的例子：Erlang、Go、Haskell