这是grpc服务器实例化的一般方式。但是在这个运行中，如果我试图运行超过10个客户机实例，这需要服务器流，那么第11个实例就不起作用了（我正在运行10个客户端实例，它连接到这个服务器并获取流）
这是正常行为吗？因为即使我将max_workers更改为None，它创建的max也是40个线程（根据文档，8个内核x 5个线程），因此在这种情况下，最多可以同时为40个客户端提供服务。在
即使我将max_workers更改为None，它创建的max也是40个线程（根据文档，8个核心x 5个），因此在这种情况下，最多可以同时为40个客户机提供服务。这是正常行为吗？在
要复制它，只需运行route_guide_服务器.py在一个max_workers=4的窗口中，然后尝试在不同的窗口中运行4-5个不同的客户端。第四个客户端必须等到其中一个客户端完成。（要获得更好的视图，请添加一个时间。睡觉收益率）
在使用python grpc服务器时server = grpc.server(futures.ThreadPoolExecutor(max_workers=10))这是grpc服务器实例化的一般方式。但是在这个运行中，如果我试图运行超过10个客户机实例，这需要服务器流，那么第11个实例就不起作用了（我正在运行10个客户端实例，它连接到这个服务器并获取流）这是正常行为吗？因为即使我将max_work...
In
gRPC
a client application can directly call methods on a server application on a different machine as if it was a local object, making it easier for you to create distributed applications and services. As in many RPC systems,
gRPC
is based around the idea of defining a service, specifying the methods that can be called remotely with their parameters and return types. On the server side, the server implements this interface and runs a
gRPC
server to handle client calls. On the client side, the client has a stub that provides exactly the same methods as the server.
max
_
worker
s = (os.cpu_count() or 1) * 5 解释
os.cpu_count()
Return the number of CPUs in the system; return None if indeterminable.
print(os.cpu_count())
print(
max
_
worker
s)
# 输出因个人电脑而异
gRPC
一开始由 google 开发，是一款语言中立、平台中立、开源的远程过程调用(RPC)系统。
RPC(remote procedure call 远程过程调用)框架实际是提供了一套机制，使得应用程序之间可以进行通信，而且也遵从server/client模型。 与许多 RPC 系统类似，
gRPC
也是基于以下理念：定义一个服务，指定其能够被远程调用的方法（包含参数和返回类型）。在服务端实现这个接口，并运行一个
gRPC
服务器来处理客户端调用。在客户端拥有一个存根能够像服务端一样的方法。
Python
中实现
并发
编程的三种方案：多线程、多
进程
和异步I/O。
并发
编程的好处在于可以提升程序的执行效率以及改善用户体验；坏处在于
并发
的程序不容易开发和调试，同时对其他程序来说它并不友好。
1. 提升执行性能 - 让程序中没有因果关系的部分可以
并发
的执行
2. 改善用户体验 - 让耗时间的操作不会造成程序的假死
进程
- 操作系统分配内存的基本单位 - 一个
进程
可以包含一个或多个线程
线程 ...
人类的
GRPC
from
grpc
_requests import Client
client = Client . get_by_endpoint ( "localhost:50051" )
assert client . service_names == [ "helloworld.Greeter" ]
request_data = { "name" : 'sinsky' }
result = client . request ( "helloworld.Greeter" , "SayHello" , request_data )
print ( result ) # {"message":"Hellow sinsky"}
使用反射或存根连接服务器
不需要存根类请求
grpc
（如果需要）
支持所有一元和流方法
支持tls和压缩连接
支持AsyncIO API
max
_
worker
_processes(integer)
设置系统支持的最大后台
进程
数，默认值为8，如果有备库，备库上此参数必须大于或于主库上的此参数配置值，此参数调整后需重启数据库生效。
max
_parallel_
worker
s (integer)
设置系统支持的并行查询
进程
数，默认值为8,此参数受
max
_
worker
_processes 参数 制，设置此参数的值比
max
_
worker
_ processes值高将无效。
当调整这个参数时建议
concurrent.futures
Python
3.2带来的新版功能。是
Python
并发
执行的标准库。
这个模块具有线程池和
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。
concurrent.futures 是两个文件放在一起作为这个模块，因为concurrent文件夹下只有futures这个文件夹，而futures下有两个主要文件thread.py和proces...
由于
Python
的GIL全局解释器锁存在，多线程未必是CPU密集型程序的好的选择。
多
进程
可以完全独立的
进程
环境中运行程序，可以较充分地利用多处理器。
但是
进程
本身的隔离带来的数据不共享也是一个问题。而且线程比
进程
轻量级。
multiprocessing
Process类
Process 类遵循了hread 类的API, 减少了学习难度
先看一个例子,前面介绍了单线程,多线程比较的例子的多...
