（Cover image（c）Tai Kedzierski）
最近我要重写上一份工作中所做的事情，因为我想保留自己获得的知识。
在那个工作中，我们有一个硬件系统，它具有几个数据流，我们需要确保我们不会丢失任何数据，以及我们需要同时执行的几个硬件控制。我们会在一个流上接收流输入，通过另一个流发送命令，更改硬件状态，然后在流上检查以查看预期效果已经发生的证据。
我认为我从中学到的特定部分是流控制的实现：它们必须始终从至少串行线中读取，并且能够遵循通过SSH连接访问的实时日志。 /p>
，因此螺纹流组件诞生了。
我不会进入如何实现的挑剔 - 您可以在Github上看到源代码。
我在这篇文章中想做的是召集一些我在此过程中学到的东西。
关注的范围
我要谈的第一件事是分开关注的范围的重要性：多线程足以自行管理，而无需给您的呼叫和您的心理模型带来额外的行李。
螺纹流的设计是提供用于访问IO流的螺纹安全机制，同时能够支持不同类型的运输层。
一个人可以认为“好的，将您的通用流材料放入一个类中，然后将TCP/serial/ssh的东西放入子类中。”这是一个相当根本的分离，在早期发生 - 但是还有另一层。当您考虑“通用流”内容时，您实际上会错过线程安全部件。如果您将线程安全方面和流读数API置于一个范围内，那么您将负担两个责任范围：成为线程安全和 愉快的使用。这并不是说“线程安全”不需要容易（这是必须的！），但应该是给定的。 nemeness 与“读取线”或“窥视缓冲区”或“读取直到找到条件x”之类的便利性。
因此，继承树实际上是这样的：
Thread
|
+- ThreadedStream
|
+- IOStream
|
+- TCP implementor
+- Serial implementor
+- SSH implementor
IOStream实现了与 streams Easy的Nice-Nicey read_line()和read_until() API； ThreadedStream在基本read()和write()操作上提供了螺纹安全。后者得到了实施者的_raw_read()和_raw_write()方法的支持，这些方法除了其主要和明显的功能，还必须有额外的要求：它们必须是无障碍的。
对于串行，这很容易 - 库是自然的非障碍物。对于TCP，可以设置一种模式，并且需要管理。对于SSH，一些例外需要在不准备的状态下进行管理。如果您检查三个实施者的文件，您会发现，一旦评论被删除，每个都非常简单。他们关心忙碌的bytes的工作 - 不是很友善（IOtream的工作）或知道螺纹（ThreadedStream的Purview）。同样，IOStream有一个简单的时间实现单个read_until方法，read_line方法可以依靠，提供行分隔符的概念以及类似的概念； ThreadedStream可以专注于以安全的方式管理基础缓冲区的半复杂任务。
限制课堂关注的范围是 parmaint 保持理智 - 将来扩展实施。
快速记录可测试性
它还在提供可检验性方面支付。实际的流实施器很容易编写和阅读 - 但是验证线程和高级阅读的逻辑是否正常工作，因为它为整个项目提供了支持。能够从运输实施中尽可能多地移出，这意味着我能够实施基本的“人造”流，该流提供了自己的小内部缓冲区来嘲笑网络线。
因此，在嘲笑实际运输实施的端点本身就是一种练习，而人造运输实施不需要其他设置，并允许快速且轻松地验证实施。
放慢速度会加快您的速度
在通过PYTest进行基本测试时，我发现Pytest本身似乎正在大大减慢库的执行速度 - 在某一时刻，我什至没有停止测试，因为按下Ctrl+C导致打印堆栈跟踪。以每秒为单位，而是每行 秒。当然，pytest不是猪吗？我有一个次要的顿悟，要使用一个单元测试框架来构建集成测试实用程序，并质疑一个whlie，以及对我们的运行时间有害是否有害效果...
但实际上，问题是执行循环。我的执行循环 - 纯净而简单。它是神经质。我只有一段时间才发现，当您无限地通过操作循环时，在每个可用时钟周期中，在插座上都没有毫无意义的强迫症检查处理器是值得的。下层套接字堆栈本身保持一个缓冲区，足以使我们的过程很少查询它 - 我的意思是“很少”，我的意思是“每千循环左右”，在1.7 GHz（对于入门级处理器）仍在每秒10e8至10e9次之间。
这是tick参数进来的地方。它设置为一个缓慢的10E6，它在内部变成了ThreadedStream主循环的每个执行之间的等待时间。亲爱的读者，这就是释放CPU的原因。放慢循环使整个系统的工作速度更快。我喜欢它是一个有效的类比：暂停呼吸和轻松的经常放松，您会更有效地进行操作。
对于所有挂钩，pytest似乎都添加到代码中，从运行时性能的角度来看，它们变得无法检测到。现在处理器的负载尚未达到200％，一切都罚款了。
使用上下文管理的重新输入锁
我想涉及的下一个项目线程安全基础知识。当您拥有简单的用例时，多线程很容易。如果您不仔细考虑哪些执行线程会被调用哪些功能，则可以轻松地将自己编码为难以管理的情况。如果您无法正确管理锁，则会变得特别毛茸茸。
对于后一个问题，Python的上下文管理机制特别有用。如果将尝试访问线程敏感资源的任何代码放置在with self.lock:下方，则可以确保您锁定 will> will> will 一旦完成（只需锁定锁，请非常小心）在循环中）。您甚至可能具有较高的功能，该功能希望在资源上锁定，而低级功能也需要锁定 - 这在IoStream.read_until(...)中显着发生。它希望执行一个统一的动作，该动作包括多个操作，每个操作都为自己的安全而获得锁。通常，这将是一个问题，因为假设read_until()功能具有唯一的锁，并且其孩子将等待依次获得锁。重新输入锁允许相同的线程重新接口相同的锁以打破僵局（双关语），每个人都必须记住释放锁定的警告，哪种上下文管理有助于确保。
但请记住，我们不能让我们的阅读循环本身是神经质的。与其实施此功能的另一个等待tick tick（我最初是这样做的），而是回到一个事实，即我们对重新阅读缓冲区不感兴趣，直到至少有 comentic < /em>要更新。我们为此使用了事件对象，ThreadedStream中的主read()发出了任何等待线程，是的，我可能已经添加了一些东西，来获取。我们的read_until()操作具有Event.wait()-Ed收益，因此也可以背包读者线程。
解决数据丢失
这次我想做的一件事，我无法在原始工作中难过，正在处理错误。有时，您会遇到读取错误，一些例外...也许您尝试read_until()失败了，因为找不到目标项目。但是，也许目标不是真正的必要...您仍然想知道累积的数据在错误之前到底是什么。
好。这感觉就像是垫片，我不确定自己对此有多高兴或羞愧。但这绝对是我需要的用例。我的前身技术是公开缓冲区以直接访问。我的技术是...将缓冲区数据的副本附加到例外：Grimace：
IoStream和ThreadedStream均对其读写操作执行动作，在遇到错误后，捕获它，将输入和输出缓冲区的副本附加到其上（不消耗它们），然后重新启动。这允许调用上下文捕获错误，并决定是否在保释之前处理接收到的数据（IoStream错误是非致命的，并且可以继续使用该流 - ThreadedStream错误是致命的，将杀死线程）。
这样，保留了错误控制流，同时也试图确保最大数据保留。
多处理很容易
不，不是。至少不一定是。但是，分开您的疑虑，确保您的抽象可以测试，并正确管理锁和事件，可以将问题解散。我认为。
完成另一个项目的游戏循环后，我会与您联系。