本文章基于苹果树病虫害预测模型，自定义应用层通信逻辑，设计服务器与客户机。客户机向服务器发送图像数据，服务器回送预测结果。为增强服务器的可靠性与可扩展性，服务器端采用线程池工作模式。为了增强客户机的可操作性，客户机采用PyQt5完成图形化界面设计。
01、客户机/服务器通信逻辑
客户机与服务器通信逻辑如图1所示。
■图1 智能桌面App的客户机/服务器通信逻辑
02、数据交换协议
客户机与服务器之间一次信息往返的协议会话过程，定义为图2所示的逻辑时序。
■ 图2 应用层通信协议
协议会话逻辑解析：
（1）消息交换基于消息头机制。消息头中包含消息类型和消息长度。消息类型包含图像消息与下线消息。
（2）用Json格式的数据表示消息头。图像数据用base64编码与解码。
（3）发送数据分两个步骤完成，首先发送消息头，然后发送消息内容。
（4）接收数据分两个步骤完成，首先接收消息头，然后接收消息内容。
消息头的结构设计如图3所示，消息头的固定长度为128字节，包含消息类型（msg_type）与消息内容长度（msg_len）两个字段。
■图3 消息头的结构
消息类型包括：
（1）CLIENT_IMAGE：表示收到来自客户机的图像数据。
（2）CLIENT_MESSAGE：表示收到来自客户机的下线消息。
消息内容长度用消息包含的字符数表示。对于图像数据而言，因为采用base64编码，其传输的数据也是字符消息。
消息头的长度在服务器与客户机两端均约定为128字节，用常量MSG_HEADER_LEN定义。发送消息头之前，需要检查消息的长度，如果不足128字节，其左侧用字节型空格字符填充。
03、服务器主体逻辑
根据图1描述的服务器逻辑，完成服务器的主体逻辑设计，如程序段P7.1所示。
第32~39行定义服务器端的主循环，处理客户机连接，采用的是一客户一线程模式。服务器会话线程定义为handle_client模块，主线程向会话线程传递三个参数：
（1）client_socket: 会话套接字
（2）client_addr: 客户机地址
（3）model: 用于预测的智能模型
运行服务器程序，观察输出结果，此时服务器虽然处于侦听连接的状态，但是由于handle_client模块还没有实现，故无法处理来自客户机的各种消息。
04、服务器会话线程
服务器会话线程包括接收数据与发送数据两个模块，对应图1中的内循环。服务器完成数据接收后，需要回送预测结果或者确认消息给客户机，所以将接收数据与发送数据的逻辑定义在同一函数模块handle_client中，收发数据的逻辑流程如图4所示。
■图4 服务器收发数据会话线程逻辑
会话线程的主逻辑是一个循环，循环条件为远程客户机是否结束会话，逻辑流程解析如下：
（1）如果客户机断开了与服务器的连接，会话线程结束。
（2）在连接正常的情况下，服务器首先接收来自客户机的消息头，解析消息头，根据消息类型，分为一般消息与图像消息。
（3）如果是图像消息，则通过一个循环，根据图像的大小完成数据接收，然后经过base64解码、图像变换（调整颜色模式、归一化、缩放）、模型预测、重构预测结果、定义消息头、回送消息头、回送预测结果。回到步骤（1）。
（4）如果是一般消息，则继续判断是否为下线消息。
（5）如果是下线消息，则更新连接数量，定义下线消息（原消息加上时间戳），定义消息头，回送消息头，回送消息内容，会话线程结束。
（6）如果不是下线消息，则做其他消息处理，为简化设计，其他消息处理模块暂不编程，留作扩展。回到步骤（1）。
会话线程handle_client的逻辑实现如程序段P7.2所示。
第46行–第51行定义的循环结构，根据图像数据的长度msg_len完成数据接收工作。
运行服务器程序，输出结果为：
服务器开始在('192.168.0.102', 5050)侦听...
待客户机程序完成后，再做联合测试。
05、客户机主体逻辑
新建主程序MyClient.py。根据图1描述的客户机逻辑，完成客户机的主体逻辑设计，其主要模块如图5所示。
模块send_image_data发送图像数据，模块send_down_msg发送下线消息，模块recv_message是用于接收服务器消息的会话线程，类模块GUI(QMainWindow)负责构建客户机图形化界面。主程序完成主控逻辑设计。
■图5 客户机程序模块结构
客户机的消息结构定义如图3所示，与服务器保持一致。消息的收发逻辑，如图2所示，亦与服务器保持一致。
客户机主体逻辑如程序段P7.3所示。
首先运行服务器程序，然后运行测试客户机程序。目前客户机还做不了具体工作，输入字符Q退出客户机主循环。
06、客户机发送数据
客户机向服务器发送的数据有两种类型，一是图像数据，一是下线消息。发送图像数据的流程如图6所示。
■图6 发送图像数据流程
程序段P7.4描述了发送图像数据模块send_image_data的完整逻辑。
07、客户机接收数据
客户机定义了线程函数recv_message，用于接收两类数据，一是普通消息(下线消息等)，二是预测消息（预测结果）。消息处理流程如图7所示，分步描述如下。
（1）进入消息循环，接收消息头。
（2）如果消息头为空，转到步骤（1）。
（3）如果消息头非空，则解析消息头，获取消息类型与消息长度。
（4）如果是普通消息，则接收消息内容，进一步判断是否为下线消息。
（5）如果是下线消息，则跳出消息循环，转到步骤（9）。
（6）如果非下线消息，则转到步骤（1）。
（7）如果不是普通消息，则判断是否为预测消息，如果不是预测消息，则转到步骤（1）。
（8）如果是预测消息，则接收消息内容，解析消息内容，将预测结果存入队列中，显示预测结果。转到步骤（1）。
（9）显示下线消息，消息接收线程结束。
■图7 客户机接收消息逻辑流程
程序段P7.6描述了接收消息线程函数recv_message的完整逻辑。
将\dataset\images目录下的图像文件Test_0.jpg、Test_7.jpg拷贝到根目录下。
运行服务器程序，然后运行客户机程序，做联合测试。
客户机输入待遇测的图像文件名称Test_0.jpg，回车后发送图像数据，服务器返回预测结果。客户机输入字符Q，结束客户机。完成此次客户机与服务器的通信后，服务器与客户机的状态信息如图8所示。
■图8 客户机与服务器联合测试
此时服务器工作于一客户一线程模式，启动多个客户端，可做联合测试。
08、客户机界面设计
为了增强客户机的可操作性，基于PyQt5框架为客户机设计图形化界面，界面布局及其控件名称如图9所示。
■图9 客户机图形化界面布局
定义图形化界面类GUI(QMainWindow)封装图9所示的控件及其事件函数。
运行服务器，然后运行客户机，从chapter7的根目录中加载图像Test_0.jpg，观察图像特点。然后单击“预测”按钮，观察服务器反馈的预测结果，如图10所示。
■图10 客户机图形化界面测试结果
09、线程池
服务器现有的工作模式为一客户一线程，即为每一个连接到服务器的客户机创建独立的会话线程，当客户机并发量较大时，服务器往往面临资源枯竭的挑战。
线程池模式可以有效平衡服务器负载能力，与一客户一线程模式相比，其主要优点有：
（1）通过重用已存在的线程，降低线程创建和销毁造成的额外消耗。
（2）提高系统响应速度，当有新任务到达时，通过复用已存在的线程便能立即执行，无需等待新线程的创建。
（3）控制资源消耗，将并发线程数量限制在合理的区间。
（4）针对工作线程提供了更多的控制能力，例如线程延时、定时等。
Python的线程池定义在concurrent.futures包中，使用ThreadPoolExecutor类创建线程池。线程池调度任务过程如图11所示。
■图11 线程池调度任务示意图
将一客户一线程模式修改为线程池模式，只需做以下改动：
（1）导入线程池类ThreadPoolExecutor。在服务器端添加语句：
from concurrent.futures import ThreadPoolExecutor # 线程池类
（2）在服务器主线程的while循环前面添加创建线程池的语句：
pool = ThreadPoolExecutor(max_workers=5) # 创建线程池，指定工作线程数量为5
此处如果省略参数max_workers，则线程池默认工作线程数量是CPU数量的5倍。考虑到线程池往往应用于需要大量I/O交换的场景，而不是CPU计算密集型的场景，故工作线程的数量应该超过CPU的数量。
（3）用线程池调度语句替换原有的线程创建语句。
# 建立与客户机会话的线程，一客户一线程 client_thread = threading.Thread(target=handle_client, args=(new_socket, new_addr, model)) client_thread.start()
替换为：
pool.submit(handle_client,new_socket, new_addr, model) # 创建线程任务，提交到线程池
（4）在主程序末尾，while循环外部，添加关闭线程池的语句，释放资源：
pool.shutdown(wait=True) # 关闭线程池
执行shutdown后，线程池将不再接受新任务。参数wait默认为True，表示关闭线程池之前需要等待所有工作线程结束。
10、联合测试
为便于观察，将服务器线程池的工作线程数量调整为2。启动服务器，然后启动四个客户机，标识为客户机1、客户机2、客户机3、客户机4。
四个客户机从dataset\images目录中选择四幅不同的测试图片，
假定客户机1选择的图片是Test_17.jpg，客户机2选择的是Test_152.jpg，客户机3选择的是Test_190.jpg，客户机4选择的是Test_1572.jpg，然后依次点击客户机1、客户机2、客户机3、客户机4的“预测”按钮，观察预测结果。
可以看到，只有客户机1、客户机2立即反馈了预测结果，而客户机3、客户机4虽然已经连接到服务器，却并没有立即得到预测结果，原因是服务器线程池大小为2，客户机3、客户机4需要在任务队列等待。
客户机1显示结果如图12所示。
■图12 客户机1的预测结果
客户机2显示结果图13所示。
■图13 客户机2的预测结果
客户机3显示结果如图14所示。由于服务器线程池大小为2，所以客户机1与客户机2占用工作线程后，客户机3只能进入任务队列等待。
■图14 客户机3处于等待中
客户机4显示结果如图15所示。同样，客户机4也只能进入服务器的任务队列等待。
■图15 客户机4处于等待中
关闭客户机1，则会自动释放客户机1占用的工作线程，此时排队中的客户机3会立即得到相应，其结果如图16所示。
■图16 客户机3得到服务器响应
此时只有客户机4仍处于等待中。如果继续关闭客户机2，则客户机4会得到立即响应，其预测结果如图17所示。
■图17 客户机4得到服务器响应
关闭客户机3、关闭客户机4。整个会话期间，服务器状态监控界面的信息提示如下：
仔细阅读服务器的状态提示信息，与客户机的操作相对照，可以更精准地把握客户机与服务器的全程会话逻辑。
11、小结
本文基于Socket通信方法，自定义数据交换协议，围绕苹果树病虫害识别需求，迭代构建了客户机/服务器模式的智能桌面App。图像数据的发送采用base64编码方式，消息头、消息内容采用Json数据格式。服务器端采用一客户一线程和线程池技术支持并发访问，客户机采用基于PyQt5的图像化界面技术提高其可操作性。基于Socket技术的网络编程，在客户机与服务器两端提供了更多的设计灵活性。
到此这篇关于Python实现线程池工作模式的文章就介绍到这了,更多相关Python线程池工作模式内容请搜索Devmax以前的文章或继续浏览下面的相关文章希望大家以后多多支持Devmax！