Einführung in das Python-Tutorial zum Auswählen des Moduls
Einführung
Das Select-Modul in Python konzentriert sich auf das E/A-Multiplexing und bietet drei Methoden: Select Poll und Epoll (die beiden letzteren sind unter Linux verfügbar, und Windows unterstützt nur Select). Methode (FreeBSD-System)
select-Methode
wird ebenfalls bereitgestellt. Der Prozess gibt an, auf welche Dateideskriptoren der Kernel wartet (bis zu 1024 fds) und welche Ereignisse, wenn keine Dateideskriptorereignisse auftreten. , wird der Prozess blockiert; wenn ein oder mehrere Dateideskriptorereignisse auftreten, wird der Prozess aktiviert.
Wenn wir select() aufrufen:
1. Kontextwechsel zum Kernel-Status
2. Kopieren Sie fd vom Benutzerbereich in den Kernelbereich
3. Der Kernel durchläuft alle fds, um zu sehen, ob das entsprechende Ereignis auftritt
4. Wenn es nicht auftritt, wird der Prozess blockiert. Wenn der Gerätetreiber einen Interrupt generiert oder eine Zeitüberschreitung auftritt, wird der Prozess aktiviert und erneut durchlaufen
5. Geben Sie den durchlaufenen fd zurück
6. Kopieren Sie fd vom Kernel-Space in den User-Space
fd:file descriptor file descriptor
fd_r_list, fd_w_list, fd_e_list = select.select(rlist, wlist, xlist, [timeout])
Parameter: Akzeptiert vier Parameter (die ersten drei sind erforderlich)
rlist: warten, bis zum Lesen bereit ist
wlist: warten, bis zum Schreiben bereit ist
xlist: auf eine „Ausnahmebedingung“ warten
Timeout: Timeout-Zeit
Rückgabewert: drei Listen
Die Select-Methode wird zum Überwachen von Dateideskriptoren verwendet (wenn die Dateideskriptorbedingungen nicht erfüllt sind, wird Select blockiert. Wenn sich der Status eines Dateideskriptors ändert, werden drei Listen zurückgegeben
1. Wenn der fd Wenn die Parameter-1-Sequenz die Bedingung „lesbar“ erfüllt, erhalten Sie das geänderte fd und fügen Sie es der fd_r_list hinzu
2. Wenn die Parameter-2-Sequenz fd enthält, werden alle fd in der Sequenz hinzugefügt zu fd_w_list
3. Wenn im fd in der Reihenfolge von Parameter 3 ein Fehler auftritt, wird der fd mit dem Fehler zu fd_e_list hinzugefügt
4. Wenn das Timeout leer ist, dann auswählen blockiert, bis sich das überwachte Handle ändert.
Wenn das Timeout = n (positive Ganzzahl) ist und sich das überwachte Handle nicht ändert, wird select für n Sekunden blockiert und gibt dann eine Liste mit drei Nullen zurück, wenn das überwachte Handle vorliegt Wenn Sie Änderungen verarbeiten, wird diese direkt ausgeführt.
Beispiel:
Verwenden Sie select, um einen gleichzeitigen Server zu implementieren
import socket import select s = socket.socket() s.bind(('127.0.0.1',8888)) s.listen(5) r_list = [s,] num = 0 while True: rl, wl, error = select.select(r_list,[],[],10) num+=1 print('counts is %s'%num) print("rl's length is %s"%len(rl)) for fd in rl: if fd == s: conn, addr = fd.accept() r_list.append(conn) msg = conn.recv(200) conn.sendall(('first----%s'%conn.fileno()).encode()) else: try: msg = fd.recv(200) fd.sendall('second'.encode()) except ConnectionAbortedError: r_list.remove(fd) s.close()
import socket flag = 1 s = socket.socket() s.connect(('127.0.0.1',8888)) while flag: input_msg = input('input>>>') if input_msg == '0': break s.sendall(input_msg.encode()) msg = s.recv(1024) print(msg.decode()) s.close()
Auf der Serverseite können wir sehen, dass wir select kontinuierlich aufrufen müssen. Das bedeutet :
1 Wenn zu viele Dateideskriptoren vorhanden sind, ist es sehr zeitaufwändig, die Dateideskriptoren zwischen Benutzerbereich und Kernelbereich zu kopieren
2 Wenn zu viele Dateideskriptoren vorhanden sind, wird die Kernel wird Das Durchlaufen von Dateideskriptoren ist ebenfalls Zeitverschwendung
3 Select unterstützt nur maximal 1024 Dateideskriptoren
Umfrage unterscheidet sich nicht wesentlich von Select und wird in diesem Artikel nicht vorgestellt
Epoll-Methode:
Epoll hat die Auswahl sehr gut verbessert:
1. Die Lösung von Epoll liegt in der Funktion epoll_ctl. Jedes Mal, wenn ein neues Ereignis im Epoll-Handle registriert wird, werden alle FDS in den Kernel kopiert, anstatt während epoll_wait wiederholte Kopien durchzuführen. epoll stellt sicher, dass jedes fd während des gesamten Prozesses nur einmal kopiert wird.
2. epoll durchläuft den angegebenen fd während epoll_ctl (diese Zeit ist wichtig) und gibt für jeden fd eine Rückruffunktion an. Wenn das Gerät bereit ist und die Kellner in der Warteschlange weckt, wird diese Rückruffunktion ausgeführt aufgerufen werden, und diese Rückruffunktion fügt das fertige fd zu einer fertig verknüpften Liste hinzu. Die Aufgabe von epoll_wait besteht eigentlich darin, zu prüfen, ob in dieser Bereitschaftsliste ein bereiter fd vorhanden ist
3. epoll hat keine zusätzlichen Einschränkungen für Dateideskriptoren
select.epoll(sizehint=-1, flags = 0) Epoll-Objekt erstellen
epoll.close()
Schließen Sie den Steuerdateideskriptor des Epoll-Objekts
epoll.closed
True, wenn das Epoll-Objekt geschlossen ist.
epoll.fileno().
Gibt die Dateideskriptornummer des Kontroll-FD zurück. Gibt den Dateideskriptor des Epoll-Objekts zurück.
epoll.fromfd(fd)
Erstellen Sie ein epoll-Objekt aus einem bestimmten Dateideskriptor. Erstellen Sie ein epoll-Objekt basierend auf dem angegebenen fd
epoll.register(fd[, eventmask])
Registrieren Sie einen fd-Deskriptor mit das Epoll-Objekt. Registrieren Sie fd und entsprechende Ereignisse in
epoll.modify(fd, eventmask)
Ändern Sie die Ereignisse von fd
epoll.unregister(fd)
Entfernen Sie einen registrierten Dateideskriptor aus dem Epoll-Objekt
epoll. poll(timeout=-1, maxevents=-1)
Warten Sie auf Ereignis-Timeout in Sekunden (Float)-Blöcken, bis das registrierte fd-Ereignis auftritt, und ein Diktat wird im Format zurückgegeben: {(fd1, event1), (fd2, event2) ,...(fdn,eventn)}
Ereignis:
EPOLLIN Verfügbar zum Lesen. Das lesbare Statussymbol ist 1
EPOLLOUT Verfügbar für schreiben Das beschreibbare Statussymbol ist 4
EPOLPRI Dringende Daten zum Lesen
EPOLLERR Fehlerbedingung ist auf dem Assoc aufgetreten. Das Fehlerstatussymbol ist 8
EPOLHUP Auflegen ist aufgetreten auf dem Assoc. fd Hang-Status
EPOLLET Set Edge Trigger behavior, the default is Level Trigger behavior 默认为水平触发,设置该事件后则边缘触发
EPOLLONESHOT Set one-shot behavior. After one event is pulled out, the fd is internally disabled
EPOLLRDNORM Equivalent to EPOLLIN
EPOLLRDBAND Priority data band can be read.
EPOLLWRNORM Equivalent to EPOLLOUT
EPOLLWRBAND Priority data may be written.
EPOLLMSG Ignored.
水平触发和边缘触发:
Level_triggered(水平触发,有时也称条件触发):当被监控的文件描述符上有可读写事件发生时,epoll.poll()会通知处理程序去读写。如果这次没有把数据一次性全部读写完(如读写缓冲区太小),那么下次调用 epoll.poll()时,它还会通知你在上没读写完的文件描述符上继续读写,当然如果你一直不去读写,它会一直通知你!!!如果系统中有大量你不需要读写的就绪文件描述符,而它们每次都会返回,这样会大大降低处理程序检索自己关心的就绪文件描述符的效率!!! 优点很明显:稳定可靠
Edge_triggered(边缘触发,有时也称状态触发):当被监控的文件描述符上有可读写事件发生时,epoll.poll()会通知处理程序去读写。如果这次没有把数据全部读写完(如读写缓冲区太小),那么下次调用epoll.poll()时,它不会通知你,也就是它只会通知你一次,直到该文件描述符上出现第二次可读写事件才会通知你!!!这种模式比水平触发效率高,系统不会充斥大量你不关心的就绪文件描述符!!!缺点:某些条件下不可靠
epoll实例:
import socket import select s = socket.socket() s.bind(('127.0.0.1',8888)) s.listen(5) epoll_obj = select.epoll() epoll_obj.register(s,select.EPOLLIN) connections = {} while True: events = epoll_obj.poll() for fd, event in events: print(fd,event) if fd == s.fileno(): conn, addr = s.accept() connections[conn.fileno()] = conn epoll_obj.register(conn,select.EPOLLIN) msg = conn.recv(200) conn.sendall('ok'.encode()) else: try: fd_obj = connections[fd] msg = fd_obj.recv(200) fd_obj.sendall('ok'.encode()) except BrokenPipeError: epoll_obj.unregister(fd) connections[fd].close() del connections[fd] s.close() epoll_obj.close()
import socket flag = 1 s = socket.socket() s.connect(('127.0.0.1',8888)) while flag: input_msg = input('input>>>') if input_msg == '0': break s.sendall(input_msg.encode()) msg = s.recv(1024) print(msg.decode()) s.close()
Das obige ist der detaillierte Inhalt vonEinführung in das Python-Tutorial zum Auswählen des Moduls. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

Heiße KI -Werkzeuge

Undresser.AI Undress
KI-gestützte App zum Erstellen realistischer Aktfotos

AI Clothes Remover
Online-KI-Tool zum Entfernen von Kleidung aus Fotos.

Undress AI Tool
Ausziehbilder kostenlos

Clothoff.io
KI-Kleiderentferner

AI Hentai Generator
Erstellen Sie kostenlos Ai Hentai.

Heißer Artikel

Heiße Werkzeuge

Notepad++7.3.1
Einfach zu bedienender und kostenloser Code-Editor

SublimeText3 chinesische Version
Chinesische Version, sehr einfach zu bedienen

Senden Sie Studio 13.0.1
Leistungsstarke integrierte PHP-Entwicklungsumgebung

Dreamweaver CS6
Visuelle Webentwicklungstools

SublimeText3 Mac-Version
Codebearbeitungssoftware auf Gottesniveau (SublimeText3)

Heiße Themen



PHP und Python haben ihre eigenen Vor- und Nachteile, und die Wahl hängt von den Projektbedürfnissen und persönlichen Vorlieben ab. 1.PHP eignet sich für eine schnelle Entwicklung und Wartung großer Webanwendungen. 2. Python dominiert das Gebiet der Datenwissenschaft und des maschinellen Lernens.

Effizientes Training von Pytorch -Modellen auf CentOS -Systemen erfordert Schritte, und dieser Artikel bietet detaillierte Anleitungen. 1.. Es wird empfohlen, YUM oder DNF zu verwenden, um Python 3 und Upgrade PIP zu installieren: Sudoyumupdatepython3 (oder sudodnfupdatepython3), PIP3Install-upgradepip. CUDA und CUDNN (GPU -Beschleunigung): Wenn Sie Nvidiagpu verwenden, müssen Sie Cudatool installieren

Aktivieren Sie die Pytorch -GPU -Beschleunigung am CentOS -System erfordert die Installation von CUDA-, CUDNN- und GPU -Versionen von Pytorch. Die folgenden Schritte führen Sie durch den Prozess: Cuda und Cudnn Installation Bestimmen Sie die CUDA-Version Kompatibilität: Verwenden Sie den Befehl nvidia-smi, um die von Ihrer NVIDIA-Grafikkarte unterstützte CUDA-Version anzuzeigen. Beispielsweise kann Ihre MX450 -Grafikkarte CUDA11.1 oder höher unterstützen. Download und installieren Sie Cudatoolkit: Besuchen Sie die offizielle Website von Nvidiacudatoolkit und laden Sie die entsprechende Version gemäß der höchsten CUDA -Version herunter und installieren Sie sie, die von Ihrer Grafikkarte unterstützt wird. Installieren Sie die Cudnn -Bibliothek:

Python und JavaScript haben ihre eigenen Vor- und Nachteile in Bezug auf Gemeinschaft, Bibliotheken und Ressourcen. 1) Die Python-Community ist freundlich und für Anfänger geeignet, aber die Front-End-Entwicklungsressourcen sind nicht so reich wie JavaScript. 2) Python ist leistungsstark in Bibliotheken für Datenwissenschaft und maschinelles Lernen, während JavaScript in Bibliotheken und Front-End-Entwicklungsbibliotheken und Frameworks besser ist. 3) Beide haben reichhaltige Lernressourcen, aber Python eignet sich zum Beginn der offiziellen Dokumente, während JavaScript mit Mdnwebdocs besser ist. Die Wahl sollte auf Projektbedürfnissen und persönlichen Interessen beruhen.

Docker verwendet Linux -Kernel -Funktionen, um eine effiziente und isolierte Anwendungsumgebung zu bieten. Sein Arbeitsprinzip lautet wie folgt: 1. Der Spiegel wird als schreibgeschützte Vorlage verwendet, die alles enthält, was Sie für die Ausführung der Anwendung benötigen. 2. Das Union File System (UnionFS) stapelt mehrere Dateisysteme, speichert nur die Unterschiede, speichert Platz und beschleunigt. 3. Der Daemon verwaltet die Spiegel und Container, und der Kunde verwendet sie für die Interaktion. 4. Namespaces und CGroups implementieren Container -Isolation und Ressourcenbeschränkungen; 5. Mehrere Netzwerkmodi unterstützen die Containerverbindung. Nur wenn Sie diese Kernkonzepte verstehen, können Sie Docker besser nutzen.

Bei der Auswahl einer Pytorch -Version unter CentOS müssen die folgenden Schlüsselfaktoren berücksichtigt werden: 1. Cuda -Version Kompatibilität GPU -Unterstützung: Wenn Sie NVIDIA -GPU haben und die GPU -Beschleunigung verwenden möchten, müssen Sie Pytorch auswählen, der die entsprechende CUDA -Version unterstützt. Sie können die CUDA-Version anzeigen, die unterstützt wird, indem Sie den Befehl nvidia-smi ausführen. CPU -Version: Wenn Sie keine GPU haben oder keine GPU verwenden möchten, können Sie eine CPU -Version von Pytorch auswählen. 2. Python Version Pytorch

Pytorch Distributed Training on CentOS -System erfordert die folgenden Schritte: Pytorch -Installation: Die Prämisse ist, dass Python und PIP im CentOS -System installiert sind. Nehmen Sie abhängig von Ihrer CUDA -Version den entsprechenden Installationsbefehl von der offiziellen Pytorch -Website ab. Für CPU-Schulungen können Sie den folgenden Befehl verwenden: PipinstallTorChTorChVisionTorChaudio Wenn Sie GPU-Unterstützung benötigen, stellen Sie sicher, dass die entsprechende Version von CUDA und CUDNN installiert ist und die entsprechende Pytorch-Version für die Installation verwenden. Konfiguration der verteilten Umgebung: Verteiltes Training erfordert in der Regel mehrere Maschinen oder mehrere Maschinen-Mehrfach-GPUs. Ort

Die Installation von CentOS-Installationen erfordert die folgenden Schritte: Installieren von Abhängigkeiten wie Entwicklungstools, PCRE-Devel und OpenSSL-Devel. Laden Sie das Nginx -Quellcode -Paket herunter, entpacken Sie es, kompilieren Sie es und installieren Sie es und geben Sie den Installationspfad als/usr/local/nginx an. Erstellen Sie NGINX -Benutzer und Benutzergruppen und setzen Sie Berechtigungen. Ändern Sie die Konfigurationsdatei nginx.conf und konfigurieren Sie den Hörport und den Domänennamen/die IP -Adresse. Starten Sie den Nginx -Dienst. Häufige Fehler müssen beachtet werden, z. B. Abhängigkeitsprobleme, Portkonflikte und Konfigurationsdateifehler. Die Leistungsoptimierung muss entsprechend der spezifischen Situation angepasst werden, z. B. das Einschalten des Cache und die Anpassung der Anzahl der Arbeitsprozesse.
