stacklesspython教程_python开发环境有哪些

A. 好学编程：好用的python解释器有哪些这几款值得下载

Python作为一门广受欢迎的编程语言，其执行依赖于解释器。本文将介绍几种好用的Python解释器，帮助你找到适合下载的版本。

Python解释器详解

Python代码首先由解释器读取，经过词法分析、解析、编译和解释等步骤，最终转化为CPU可执行的指令。理解不同解释器的作用对于优化程序性能至关重要。

1. CPython

作为Python的官方实现，CPython是用C语言编写的，支持C扩展，适合跨平台使用，但更注重优化而非速度。

2. Pyston

Pyston是CPython的一个性能优化版本，旨在提高大型应用的运行速度，但需要重新编译。

3. PyPy

PyPy是基于RPython的即时编译器，能生成CPU直接执行的机器码，适合长时间运行的程序，但C扩展支持有限。

4. RustPython

RustPython用Rust编写，支持WebAssembly，可在浏览器中运行，且有JIT编译器选项。

5. Stackless Python

Stackless Python增强了CPython，支持微线程和通道，适用于需要并行任务的场景。

6. Micro Python

MicroPython适合嵌入式设备，内存和存储需求极低，但标准库较简。

性能评估

不同解释器在性能上有所差异，适合的解释器取决于任务需求。你可以通过像http://pybenchmarks.org这样的网站进行对比。还有Nuitka这样的工具能将Python代码编译成机器码。

结论

Python因其易学性和实用性广受欢迎。尝试不同解释器，尤其是对性能有高要求或特定平台使用时，将有助于提升开发效率。好学编程将持续分享更多编程知识，期待你的关注。

B. 如何看待Java绿色线程的相关应用效果

Java绿色线程到底是一个怎么回事呢？这些问题需要我们从本质中看问题。下面我们就来看看Java绿色线程（Green Thread）是一个相对于操作系统线程（Native Thread）的概念。

操作系统线程（Native Thread）的意思就是，程序里面的线程会真正映射到操作系统的线程，线程的运行和调度都是由操作系统控制的

Java绿色线程（Green Thread）的意思是，程序里面的线程不会真正映射到操作系统的线程，而是由语言运行平台自身来调度。

当前版本的Python语言的线程就可以映射到操作系统线程。当前版本的Ruby语言的线程就属于绿色线程，无法映射到操作系统的线程，因此Ruby语言的线程的运行速度比较慢。

Java线程同步如何才能排除阻塞
Java线程函数关键代码详细讲述
Java线程同步引用基本代码介绍
Java线程控制权源代码的深入探讨
Java线程同步问题在实践中寻找答案

难道说，Java绿色线程要比操作系统线程要慢吗？当然不是这样。事实上，情况可能正好相反。Ruby是一个特殊的例子。线程调度器并不是很成熟。

目前，线程的流行实现模型就是Java绿色线程。比如，stackless Python，就引入了更加轻量的绿色线程概念。在线程并发编程方面，无论是运行速度还是并发负载上，都优于Python 。

另一个更着名的例子就是ErLang（爱立信公司开发的一种开源语言）。

ErLang的Java绿色线程概念非常彻底。ErLang的线程不叫Thread，而是叫做Process 。这很容易和进程混淆起来。这里要注意区分一下。

ErLang Process之间根本就不需要同步。因为ErLang语言的所有变量都是final的，不允许变量的值发生任何变化。因此根本就不需要同步。

final变量的另一个好处就是，对象之间不可能出现交叉引用，不可能构成一种环状的关联，对象之间的关联都是单向的，树状的。因此，内存垃圾回收的算法效率也非常高。这就让ErLang能够达到Soft
Real Time（软实时）的效果。这对于一门支持内存垃圾回收的语言来说，可不是一件容易的事情。

C. python开发环境有哪些

PythonIDE工具是每个Python工程师必须使用的开发工具，选择正确的编辑器对Python编程效率的影响是非常大的，因此选择合适的Python开发工具十分重要，以下是通过长期实践发掘的好用的Python IDE，它们功能丰富，性能先进，能够帮助开发人员快速的进行应用程序开发。

1. Pydev + Eclipse – 最好的免费python IDEPydev的是Python IDE中使用最普遍的，原因很简单，它是免费的，同时还提供很多强大的功能来支持高效的Python编程。Pydev是一个运行在eclipse上的开源插件，它把python带进了eclipse的王国，如果你本来就是是一个eclipse的用户那么Pydev将给你家里一样的感觉。Pydev能高居榜首，得益于这些关键功能，包括Django集成、自动代码补全、多语言支持、集成的Python调试、代码分析、代码模板、智能缩进、括号匹配、错误标记、源代码控制集成、代码折叠、UML编辑和查看和单元测试整合等。虽然Pydev是最好的开源python IDE，但是它也和另一个名为Liclipse的产品一起打包，Liclipse是一个商业产品，同样也构建在eclipse上，提供了易用性改进和额外的主题选项。除了python，Pydev也支持Jython and IronPython。2. PyCharm – 最好的商业python IDEPyCharm是专业的python集成开发环境，有两个版本。一个是免费的社区版本，另一个是面向企业开发者的更先进的专业版本。大部分的功能在免费版本中都是可用的，包括智能代码补全、直观的项目导航、错误检查和修复、遵循PEP8规范的代码质量检查、智能重构，图形化的调试器和运行器。它还能与IPythonnotebook进行集成，并支持Anaconda及其他的科学计算包，比如matplotlib和NumPy。PyCharm专业版本支持更多高级的功能，比如远程开发功能、数据库支持以及对web开发框架的支持等。

3. VIM

VIM是一个很先进的文本编辑器，在python开发者社区中很受欢迎。它是一个开源软件并遵循GPL协议，所以你可以免费的使用它。

虽然VIM是最好的文本编辑器，但是它提供的功能不亚于此，经过正确的配置后它可以成为一个全功能的Python开发环境。此外VIM还是一个轻量级的、模块化、快速响应的工具，非常适合那些很牛的程序员——编程从不用鼠标的人。

初始化配置需要花一定时间，因为你需要安装些VIM的插件，并配置让他们正常工作，最后你会发现这一切都是值得努力的。如果你在寻找一个linux系统下的python IDE，那么VIM将是你的不二选择。

4. Wing IDE

WingIDE是另外一个商业的、面向专业开发人员的python集成开发环境，可以运行在windows、OS X和Linux系统上，支持最新版本的python，包括stackless Python（python的增强版）。Wing IDE分三个版本：免费的基础版，个人版，以及更强大的专业版。

调试功能是Wing IDE的一大亮点，包括多线程调试，线程代码调试，自动子进程调试，断点，单步代码调试，代码数据检查等功能，此外还提供了在树莓派上进行远程调试的功能。

在代码管理方面，Wing IDE能非常灵活的与Git、subversion、perforce、cvs、Bazaar、Mercurial等工具集成。

此外，Wing IDE也支持其他更多的python框架，比如Maya、MotionBbuilder、Zope、PyQt、PySide、pyGTK、PySide、Django、matplotlib等等。

5. Spyder Python

SpyderPython是一个开源的python集成开发环境，非常适合用来进行科学计算方面的python开发。是一个轻量级的软件，是用python开发的，遵循MIT协议，可免费使用。

Spyderpython的基本功能包括多语言编辑器、交互式控制台、文件查看、variable explorer、文件查找、文件管理等。Spyder IDE也可以运行于windows、Mac 或者 Linux系统之上。

虽然Spyder是一个独立的集成开发环境，能运行在windows、MacOS 、MacOS X、Linux等系统之上。但是它也可以作为PyQT的扩展库，可以嵌入到PyQT的应用中去。

6. Komodo IDE

Komodo是Activestate公司开发的一个跨平台的集成开发环境，支持多种语言包括python。它是商用产品，但是提供了开源的免费版本叫Komodo Edit，能够安装在Mac、Windows 和Linux系统上。

全功能的Komodo对教育机构用户是免费的，老师和教授可以将其应用于实验室及教学中。学生也可以通过较低的费用得到Komodo的授权许可。

D. 下载安装python(x,y)后，点击spyder就跳出一个终端，终端消失后就没反应了

应该是python版本混乱了吧。
如果安装了两个python版本，PATH里只能添加一个，作为默认python使用，另一个只能通过全路径调用。
如果spyder只支持python2，你可以把python2作为默认的python，也就是把python2.7的路径添加到PATH里。而要使用stackless的时候，在cmd中输入完整的python路径，比如：
d://python3/bin/python

E. Python是什么

1、Python 介绍

学习一门新的语言之前，首先简单了解下这门语言的背景。Python 是一种面向对象的解释型计算机程序设计语言，由荷兰人 Guido van Rossum 于 1989 年发明，第一个公开发行版发行于 1991 年。Python 在设计上坚持了清晰划一的风格，这使得 Python 成为一门易读、易维护，并且被大量用户所欢迎的、用途广泛的语言。Python 具有丰富和强大的库。它常被昵称为胶水语言，能够把用其他语言制作的各种模块(尤其是 C/C++)很轻松地联结在一起。

2、Python 技术浪潮

IT行业热门技术，更新换代非常的快，技术的浪潮一波接着一波，最初的浪潮无疑是桌面时代，使用 C# 搭建桌面应用开始崭露头角，MFC 还是计算机科学专业必学会的东西。接着就是以网站搭建为应用的背景，PHP，Ruby 等语言为主的。再到近几年非常火热的以移动开发为应用背景，Java(Android 开发)或者 OC(iOS 开发)语言为主。很明显如今的浪潮就是以大数据和机器学习为应用背景，Python 语言为主。站在风尖浪口，猪都可以飞的起来。抓住这波技术浪潮，对于从事 IT 行业的人员来说有莫大的帮助。

3、Python 学习

学习一项新的技术，起步时最重要的是什么?就是快速入门。学习任何一个学科的知识时，都有一个非常重要的概念：最少必要知识。当需要获得某项技能的时候，一定要想办法在最短的时间里弄清楚都有哪些最少必要知识，然后迅速掌握它们。

对于快速入门 python 来说最少必要知识，有以下几点。

(1) Python 基础语法

找一本浅显易懂，例子比较好的教程，从头到尾看下去。不要看很多本，专注于一本。把里面的例程都手打一遍，搞懂为什么。推荐去看《简明python教程》，非常好的一本 Python 入门书籍。

(2)Python 实际项目

等你对 Python 的语法有了初步的认识，就可以去找些 Python 实际项目来练习。对于任何计算机编程语言来说，以实际项目为出发点，来学习新的技术，是非常高效的学习方式。在练习的过程中你会遇到各种各样的问题：基础的语法问题(关键字不懂的拼写)，代码毫无逻辑，自己的思路无法用代码表达出来等等。这时候针对出现的问题，找到对应解决办法，比如，你可以重新查看书本上的知识(关于基础语法问题)，可以通过谷歌搜索碰到的编译错误(编辑器提示的错误)，学习模仿别人已有的代码(写不出代码)等等。已实际项目来驱动学习，会让你成长非常的快。Python 实际项目网上非常的多，大家可以自己去搜索下。合理利用网络资源，不要意味的只做伸手党。

(3) Python 的学习规划

当你把上面两点做好以后，你就已经入门了 Python，接下来就是规划好自己的以后的学习规划。能找到一个已经会 Python 的人。问他一点学习规划的建议，然后在遇到卡壳的地方找他指点。这样会事半功倍。但是，要学会搜索，学会如何更好地提问，没人会愿意回答显而易见的问题。当然如果你身边没有人会 Python，也可以在网上搜索相应的资料。

Python 可以做的事非常的多，比如：Python 可以做日常任务，比如自动备份你的MP3;可以做网站，很多着名的网站像知乎、YouTube 就是 Python 写的;可以做网络游戏的后台，很多在线游戏的后台都是 Python 开发的。每个人都有自己感兴趣的方向，有的对网站开发比较感兴趣，有的对数据处理感兴趣，有的对后台感兴趣。所以你们可以根据自己感兴趣的方向，网上搜索相关资料，加以深入的学习，规划好自己未来的方向。只要坚持，你就能精通 Python，成为未来抢手的人才。

F. python stackless 怎么多线程并发

1 介绍

1.1 为什么要使用Stackless

摘自stackless网站。

Note

Stackless Python 是Python编程语言的一个增强版本，它使程序员从基于线程的编程方式中获得好处，并避免传统线程所带来的性能与复杂度问题。Stackless为 Python带来的微线程扩展，是一种低开销、轻量级的便利工具，如果使用得当，可以获益如下：

改进程序结构
增进代码可读性
提高编程人员生产力

以上是Stackless Python很简明的释义，但其对我们意义何在？——就在于Stackless提供的并发建模工具，比目前其它大多数传统编程语言所提供的，都更加易用：不仅是Python自身，也包括Java、C++，以及其它。尽管还有其他一些语言提供并发特性，可它们要么是主要用于学术研究的（如 Mozart/Oz），要么是罕为使用、或用于特殊目的的专业语言（如Erlang）。而使用stackless，你将会在Python本身的所有优势之上，在一个（但愿）你已经很熟悉的环境中，再获得并发的特性。

这自然引出了个问题：为什么要并发？

1.1.1 现实世界就是并发的

现实世界就是“并发”的，它是由一群事物（或“演员”）所组成，而这些事物以一种对彼此所知有限的、松散耦合的方式相互作用。传说中面向对象编程有一个好处，就是对象能够对现实的世界进行模拟。这在一定程度上是正确的，面向对象编程很好地模拟了对象个体，但对于这些对象个体之间的交互，却无法以一种理想的方式来表现。例如，如下代码实例，有什么问题？

def familyTacoNight():

husband.eat(dinner)

wife.eat(dinner)

son.eat(dinner)

daughter.eat(dinner)

第一印象，没问题。但是，上例中存在一个微妙的安排：所有事件是次序发生的，即：直到丈夫吃完饭，妻子才开始吃；儿子则一直等到母亲吃完才吃；而女儿则是最后一个。在现实世界中，哪怕是丈夫还堵车在路上，妻子、儿子和女儿仍然可以该吃就吃，而要在上例中的话，他们只能饿死了——甚至更糟：永远没有人会知道这件事，因为他们永远不会有机会抛出一个异常来通知这个世界！

1.1.2 并发可能是(仅仅可能是)下一个重要的编程范式

我个人相信，并发将是软件世界里的下一个重要范式。随着程序变得更加复杂和耗费资源，我们已经不能指望摩尔定律来每年给我们提供更快的CPU了，当前，日常使用的个人计算机的性能提升来自于多核与多CPU机。一旦单个CPU的性能达到极限，软件开发者们将不得不转向分布式模型，靠多台计算机的互相协作来建立强大的应用（想想GooglePlex）。为了取得多核机和分布式编程的优势，并发将很快成为做事情的方式的事实标准。

1.2 安装stackless

安装Stackless的细节可以在其网站上找到。现在Linux用户可以通过SubVersion取得源代码并编译；而对于Windows用户，则有一个.zip文件供使用，需要将其解压到现有的Python安装目录中。接下来，本教程假设Stackless Python已经安装好了，可以工作，并且假设你对Python语言本身有基本的了解。

2 stackless起步

本章简要介绍了stackless的基本概念，后面章节将基于这些基础，来展示更加实用的功能。

2.1 微进程(tasklet)

微进程是stackless的基本构成单元，你可以通过提供任一个Python可调用对象（通常为函数或类的方法）来建立它，这将建立一个微进程并将其添加到调度器。这是一个快速演示:

Python 2.4.3 Stackless 3.1b3 060504 (#69, May 3 2006, 19:20:41) [MSC v.1310 32

bit (Intel)] on win32

Type "help", "right", "credits" or "license" for more information.

>>> import stackless

>>> def print_x(x):

... print x

>>> stackless.tasklet(print_x)('one')

<stackless.tasklet object at 0x00A45870>

>>> stackless.tasklet(print_x)('two')

<stackless.tasklet object at 0x00A45A30>

>>> stackless.tasklet(print_x)('three')

<stackless.tasklet object at 0x00A45AB0>

>>> stackless.run()

three

注意，微进程将排起队来，并不运行，直到调用stackless.run()。

2.2 调度器(scheler)

调度器控制各个微进程运行的顺序。如果刚刚建立了一组微进程，它们将按照建立的顺序来执行。在现实中，一般会建立一组可以再次被调度的微进程，好让每个都有轮次机会。一个快速演示:

Python 2.4.3 Stackless 3.1b3 060504 (#69, May 3 2006, 19:20:41) [MSC v.1310 32

bit (Intel)] on win32

Type "help", "right", "credits" or "license" for more information.

>>> import stackless

>>> def print_three_times(x):

... print "1:", x

... stackless.schele()

... print "2:", x

... stackless.schele()

... print "3:", x

... stackless.schele()

>>> stackless.tasklet(print_three_times)('first')

<stackless.tasklet object at 0x00A45870>

>>> stackless.tasklet(print_three_times)('second')

<stackless.tasklet object at 0x00A45A30>

>>> stackless.tasklet(print_three_times)('third')

<stackless.tasklet object at 0x00A45AB0>

>>> stackless.run()

1: first

1: second

1: third

2: first

2: second

2: third

3: first

3: second

3: third

注意：当调用stackless.schele()的时候，当前活动微进程将暂停执行，并将自身重新插入到调度器队列的末尾，好让下一个微进程被执行。一旦在它前面的所有其他微进程都运行过了，它将从上次停止的地方继续开始运行。这个过程会持续，直到所有的活动微进程都完成了运行过程。这就是使用stackless达到合作式多任务的方式。

2.3 通道(channel)

通道使得微进程之间的信息传递成为可能。它做到了两件事：

能够在微进程之间交换信息。
能够控制运行的流程。

又一个快速演示:

C:>c:python24python

Python 2.4.3 Stackless 3.1b3 060504 (#69, May 3 2006, 19:20:41) [MSC v.1310 32

bit (Intel)] on win32

Type "help", "right", "credits" or "license" for more information.

>>> import stackless

>>> channel = stackless.channel()

>>> def receiving_tasklet():

... print "Recieving tasklet started"

... print channel.receive()

... print "Receiving tasklet finished"

>>> def sending_tasklet():

... print "Sending tasklet started"

... channel.send("send from sending_tasklet")

... print "sending tasklet finished"

>>> def another_tasklet():

... print "Just another tasklet in the scheler"

>>> stackless.tasklet(receiving_tasklet)()

<stackless.tasklet object at 0x00A45B30>

>>> stackless.tasklet(sending_tasklet)()

<stackless.tasklet object at 0x00A45B70>

>>> stackless.tasklet(another_tasklet)()

<stackless.tasklet object at 0x00A45BF0>

>>> stackless.run()

Recieving tasklet started

Sending tasklet started

send from sending_tasklet

Receiving tasklet finished

Just another tasklet in the scheler

sending tasklet finished

接收的微进程调用channel.receive()的时候，便阻塞住，这意味着该微进程暂停执行，直到有信息从这个通道送过来。除了往这个通道发送信息以外，没有其他任何方式可以让这个微进程恢复运行。

若有其他微进程向这个通道发送了信息，则不管当前的调度到了哪里，这个接收的微进程都立即恢复执行；而发送信息的微进程则被转移到调度列表的末尾，就像调用了stackless.schele()一样。

同样注意，发送信息的时候，若当时没有微进程正在这个通道上接收，也会使当前微进程阻塞:

>>> stackless.tasklet(sending_tasklet)()

<stackless.tasklet object at 0x00A45B70>

>>> stackless.tasklet(another_tasklet)()

<stackless.tasklet object at 0x00A45BF0>

>>> stackless.run()

Sending tasklet started

Just another tasklet in the scheler

>>> stackless.tasklet(another_tasklet)()

<stackless.tasklet object at 0x00A45B30>

>>> stackless.run()

Just another tasklet in the scheler

>>> #Finally adding the receiving tasklet

>>> stackless.tasklet(receiving_tasklet)()

<stackless.tasklet object at 0x00A45BF0>

>>> stackless.run()

Recieving tasklet started

send from sending_tasklet

Receiving tasklet finished

sending tasklet finished

发送信息的微进程，只有在成功地将数据发送到了另一个微进程之后，才会重新被插入到调度器中。

2.4 总结

以上涵盖了stackless的大部分功能。似乎不多是吧？——我们只使用了少许对象，和大约四五个函数调用，来进行操作。但是，使用这种简单的API作为基本建造单元，我们可以开始做一些真正有趣的事情。

3 协程(coroutine)

3.1 子例程的问题

大多数传统编程语言具有子例程的概念。一个子例程被另一个例程（可能还是其它某个例程的子例程）所调用，或返回一个结果，或不返回结果。从定义上说，一个子例程是从属于其调用者的。

见下例:

def ping():

print "PING"

pong()

def pong():

print "PONG"

ping()

ping()

有经验的编程者会看到这个程序的问题所在：它导致了堆栈溢出。如果运行这个程序，它将显示一大堆讨厌的跟踪信息，来指出堆栈空间已经耗尽。

3.1.1 堆栈

我仔细考虑了，自己对C语言堆栈的细节究竟了解多少，最终还是决定完全不去讲它。似乎，其他人对其所尝试的描述，以及图表，只有本身已经理解了的人才能看得懂。我将试着给出一个最简单的说明，而对其有更多兴趣的读者可以从网上查找更多信息。

每当一个子例程被调用，都有一个“栈帧”被建立，这是用来保存变量，以及其他子例程局部信息的区域。于是，当你调用 ping() ，则有一个栈帧被建立，来保存这次调用相关的信息。简言之，这个帧记载着 ping 被调用了。当再调用 pong() ，则又建立了一个栈帧，记载着 pong 也被调用了。这些栈帧是串联在一起的，每个子例程调用都是其中的一环。就这样，堆栈中显示： ping 被调用所以 pong 接下来被调用。显然，当 pong() 再调用 ping() ，则使堆栈再扩展。下面是个直观的表示：

帧堆栈

1 ping 被调用

2 ping 被调用，所以 pong 被调用

3 ping 被调用，所以 pong 被调用，所以 ping 被调用

4 ping 被调用，所以 pong 被调用，所以 ping 被调用，所以 pong 被调用

5 ping 被调用，所以 pong 被调用，所以 ping 被调用，所以 pong 被调用，所以 ping 被调用

6 ping 被调用，所以 pong 被调用，所以 ping 被调用，所以 pong 被调用，所以 ping 被调用……

现在假设，这个页面的宽度就表示系统为堆栈所分配的全部内存空间，当其顶到页面的边缘的时候，将会发生溢出，系统内存耗尽，即术语“堆栈溢出”。

3.1.2 那么，为什么要使用堆栈？

上例是有意设计的，用来体现堆栈的问题所在。在大多数情况下，当每个子例程返回的时候，其栈帧将被清除掉，就是说堆栈将会自行实现清理过程。这一般来说是件好事，在C语言中，堆栈就是一个不需要编程者来手动进行内存管理的区域。很幸运，Python程序员也不需要直接来担心内存管理与堆栈。但是由于 Python解释器本身也是用C实现的，那些实现者们可是需要担心这个的。使用堆栈是会使事情方便，除非我们开始调用那种从不返回的函数，如上例中的，那时候，堆栈的表现就开始和程序员别扭起来，并耗尽可用的内存。

3.2 走进协程

此时，将堆栈弄溢出是有点愚蠢的。 ping() 和 pong() 本不是真正意义的子例程，因为其中哪个也不从属于另一个，它们是“协程”，处于同等的地位，并可以彼此间进行无缝通信。

帧堆栈

1 ping 被调用

2 pong 被调用

3 ping 被调用

4 pong 被调用

5 ping 被调用

6 pong 被调用

在stackless中，我们使用通道来建立协程。还记得吗，通道所带来的两个好处中的一个，就是能够控制微进程之间运行的流程。使用通道，我们可以在 ping 和 pong 这两个协程之间自由来回，要多少次就多少次，都不会堆栈溢出:

# pingpong_stackless.py

import stackless

ping_channel = stackless.channel()

pong_channel = stackless.channel()

def ping():

while ping_channel.receive(): #在此阻塞

print "PING"

pong_channel.send("from ping")

def pong():

while pong_channel.receive():

print "PONG"

ping_channel.send("from pong")

stackless.tasklet(ping)()

stackless.tasklet(pong)()

# 我们需要发送一个消息来初始化这个游戏的状态

# 否则，两个微进程都会阻塞

stackless.tasklet(ping_channel.send)('startup')

stackless.run()

你可以运行这个程序要多久有多久，它都不会崩溃，且如果你检查其内存使用量（使用Windows的任务管理器或Linux的top命令），将会发现使用量是恒定的。这个程序的协程版本，不管运行一分钟还是一天，使用的内存都是一样的。而如果你检查原先那个递归版本的内存用量，则会发现其迅速增长，直到崩溃。

3.3 总结

是否还记得，先前我提到过，那个代码的递归版本，有经验的程序员会一眼看出毛病。但老实说，这里面并没有什么“计算机科学”方面的原因在阻碍它的正常工作，有些让人坚信的东西，其实只是个与实现细节有关的小问题——只因为大多数传统编程语言都使用堆栈。某种意义上说，有经验的程序员都是被洗了脑，从而相信这是个可以接受的问题。而stackless，则真正察觉了这个问题，并除掉了它。

4 轻量级线程

与当今的操作系统中内建的、和标准Python代码中所支持的普通线程相比，“微线程”要更为轻量级，正如其名称所暗示。它比传统线程占用更少的内存，并且微线程之间的切换，要比传统线程之间的切换更加节省资源。

为了准确说明微线程的效率究竟比传统线程高多少，我们用两者来写同一个程序。

4.1 hackysack模拟

Hackysack是一种游戏，就是一伙脏乎乎的小子围成一个圈，来回踢一个装满了豆粒的沙包，目标是不让这个沙包落地，当传球给别人的时候，可以耍各种把戏。踢沙包只可以用脚。

在我们的简易模拟中，我们假设一旦游戏开始，圈里人数就是恒定的，并且每个人都是如此厉害，以至于如果允许的话，这个游戏可以永远停不下来。

4.2 游戏的传统线程版本

import thread

import random

import sys

import Queue

class hackysacker:

counter = 0

def __init__(self,name,circle):

self.name = name

self.circle = circle

circle.append(self)

self.messageQueue = Queue.Queue()

thread.start_new_thread(self.messageLoop,())

def incrementCounter(self):

hackysacker.counter += 1

if hackysacker.counter >= turns:

while self.circle:

hs = self.circle.pop()

if hs is not self:

hs.messageQueue.put('exit')

sys.exit()

def messageLoop(self):

while 1:

message = self.messageQueue.get()

if message == "exit":

debugPrint("%s is going home" % self.name)

sys.exit()

debugPrint("%s got hackeysack from %s" % (self.name, message.name))

kickTo = self.circle[random.randint(0,len(self.circle)-1)]

debugPrint("%s kicking hackeysack to %s" % (self.name, kickTo.name))

self.incrementCounter()

kickTo.messageQueue.put(self)

def debugPrint(x):

if debug:

print x

debug=1

hackysackers=5

turns = 5

导航:首页 > 编程语言 > stacklesspython教程

stacklesspython教程

Python解释器详解

与stacklesspython教程相关的资料