目錄
- 進(jìn)程和線程
- Python的多進(jìn)程
- 進(jìn)程池
- 多進(jìn)程間的數(shù)據(jù)通信與共享
- Python的多線程
- 多線程間的數(shù)據(jù)共享
- 使用queue隊(duì)列通信-經(jīng)典的生產(chǎn)者和消費(fèi)者模型
進(jìn)程和線程
進(jìn)程是系統(tǒng)進(jìn)行資源分配的最小單位，線程是系統(tǒng)進(jìn)行調(diào)度執(zhí)行的最小單位；
一個應(yīng)用程序至少包含一個進(jìn)程，一個進(jìn)程至少包含一個線程；
每個進(jìn)程在執(zhí)行過程中擁有獨(dú)立的內(nèi)存空間，而一個進(jìn)程中的線程之間是共享該進(jìn)程的內(nèi)存空間的；
- 計(jì)算機(jī)的核心是CPU，它承擔(dān)了所有的計(jì)算任務(wù)。它就像一座工廠，時刻在運(yùn)行。
- 假定工廠的電力有限，一次只能供給一個車間使用。也就是說，一個車間開工的時候，其他車間都必須停工。背后的含義就是，單個CPU一次只能運(yùn)行一個任務(wù)。編者注: 多核的CPU就像有了多個發(fā)電廠，使多工廠(多進(jìn)程)實(shí)現(xiàn)可能。
- 進(jìn)程就好比工廠的車間，它代表CPU所能處理的單個任務(wù)。任一時刻，CPU總是運(yùn)行一個進(jìn)程，其他進(jìn)程處于非運(yùn)行狀態(tài)。
- 一個車間里，可以有很多工人。他們協(xié)同完成一個任務(wù)。
- 線程就好比車間里的工人。一個進(jìn)程可以包括多個線程。
- 車間的空間是工人們共享的，比如許多房間是每個工人都可以進(jìn)出的。這象征一個進(jìn)程的內(nèi)存空間是共享的，每個線程都可以使用這些共享內(nèi)存。
- 可是，每間房間的大小不同，有些房間最多只能容納一個人，比如廁所。里面有人的時候，其他人就不能進(jìn)去了。這代表一個線程使用某些共享內(nèi)存時，其他線程必須等它結(jié)束，才能使用這一塊內(nèi)存。
- 一個防止他人進(jìn)入的簡單方法，就是門口加一把鎖。先到的人鎖上門，后到的人看到上鎖，就在門口排隊(duì)，等鎖打開再進(jìn)去。這就叫"互斥鎖"（Mutual exclusion，縮寫 Mutex），防止多個線程同時讀寫某一塊內(nèi)存區(qū)域。
- 還有些房間，可以同時容納n個人，比如廚房。也就是說，如果人數(shù)大于n，多出來的人只能在外面等著。這好比某些內(nèi)存區(qū)域，只能供給固定數(shù)目的線程使用。
- 這時的解決方法，就是在門口掛n把鑰匙。進(jìn)去的人就取一把鑰匙，出來時再把鑰匙掛回原處。后到的人發(fā)現(xiàn)鑰匙架空了，就知道必須在門口排隊(duì)等著了。這種做法叫做"信號量"（Semaphore），用來保證多個線程不會互相沖突。
- 不難看出，mutex是semaphore的一種特殊情況（n=1時）。也就是說，完全可以用后者替代前者。但是，因?yàn)閙utex較為簡單，且效率高，所以在必須保證資源獨(dú)占的情況下，還是采用這種設(shè)計(jì)。
Python的多進(jìn)程
Python的多進(jìn)程依賴于multiprocess模塊；使用多進(jìn)程可以利用多個CPU進(jìn)行并行計(jì)算；
實(shí)例：
from multiprocessing import Process
import os
import time
def long_time_task(i):
print('子進(jìn)程: {} - 任務(wù){(diào)}'.format(os.getpid(), i))
time.sleep(2)
print("結(jié)果: {}".format(8 ** 20))
if __name__=='__main__':
print('當(dāng)前母進(jìn)程: {}'.format(os.getpid()))
start = time.time()
p1 = Process(target=long_time_task, args=(1,))
p2 = Process(target=long_time_task, args=(2,))
print('等待所有子進(jìn)程完成。')
p1.start()
p2.start()
p1.join()
p2.join()
end = time.time()
print("總共用時{}秒".format((end - start)))
新創(chuàng)建進(jìn)程和進(jìn)程間切換是需要消耗資源的，所以應(yīng)該控制進(jìn)程數(shù)量；
同時可運(yùn)行的進(jìn)程數(shù)量收到CPU核數(shù)限制；
進(jìn)程池
使用進(jìn)程池pool創(chuàng)建進(jìn)程：
使用進(jìn)程池可以避免手工進(jìn)行進(jìn)程的創(chuàng)建的麻煩，默認(rèn)數(shù)量是CPU核數(shù)；
Pool類可以提供指定數(shù)量的進(jìn)程供用戶使用，當(dāng)有新的請求被提交到Pool中的時候，如果進(jìn)程池還沒有滿，就會創(chuàng)建一個新的進(jìn)程來執(zhí)行請求；如果池已經(jīng)滿了，請求就會等待，等到有空閑進(jìn)程可以使用時，才會執(zhí)行請求；
幾個方法：
1.apply_async
作用是向進(jìn)程池提交需要執(zhí)行的函數(shù)和參數(shù)，各個進(jìn)程采用非阻塞的異步方式調(diào)用，每個進(jìn)程只管自己運(yùn)行，是默認(rèn)方式；
2.map
會阻塞進(jìn)程直到返回結(jié)果；
3.map_sunc
非阻塞進(jìn)程；
4.close
關(guān)閉進(jìn)程池，不再接受任務(wù)；
5.terminate
結(jié)束進(jìn)程；
6.join
主進(jìn)程阻塞，直到子進(jìn)程執(zhí)行結(jié)束；
實(shí)例：
from multiprocessing import Pool, cpu_count
import os
import time
def long_time_task(i):
print('子進(jìn)程: {} - 任務(wù){(diào)}'.format(os.getpid(), i))
time.sleep(2)
print("結(jié)果: {}".format(8 ** 20))
if __name__=='__main__':
print("CPU內(nèi)核數(shù):{}".format(cpu_count()))
print('當(dāng)前母進(jìn)程: {}'.format(os.getpid()))
start = time.time()
p = Pool(4)
for i in range(5):
p.apply_async(long_time_task, args=(i,))
print('等待所有子進(jìn)程完成。')
p.close()
p.join()
end = time.time()
print("總共用時{}秒".format((end - start)))
在join之前，必須使用close或者terminate，讓進(jìn)程池不再接受任務(wù)；
多進(jìn)程間的數(shù)據(jù)通信與共享
通常，進(jìn)程之間是相互獨(dú)立的，每個進(jìn)程都有獨(dú)立的內(nèi)存。通過共享內(nèi)存(nmap模塊)，進(jìn)程之間可以共享對象，使多個進(jìn)程可以訪問同一個變量(地址相同，變量名可能不同)。多進(jìn)程共享資源必然會導(dǎo)致進(jìn)程間相互競爭，所以應(yīng)該盡最大可能防止使用共享狀態(tài)。還有一種方式就是使用隊(duì)列queue來實(shí)現(xiàn)不同進(jìn)程間的通信或數(shù)據(jù)共享，這一點(diǎn)和多線程編程類似。
下例這段代碼中中創(chuàng)建了2個獨(dú)立進(jìn)程，一個負(fù)責(zé)寫(pw), 一個負(fù)責(zé)讀(pr), 實(shí)現(xiàn)了共享一個隊(duì)列queue。
from multiprocessing import Process, Queue
import os, time, random
# 寫數(shù)據(jù)進(jìn)程執(zhí)行的代碼:
def write(q):
print('Process to write: {}'.format(os.getpid()))
for value in ['A', 'B', 'C']:
print('Put %s to queue...' % value)
q.put(value)
time.sleep(random.random())
# 讀數(shù)據(jù)進(jìn)程執(zhí)行的代碼:
def read(q):
print('Process to read:{}'.format(os.getpid()))
while True:
value = q.get(True)
print('Get %s from queue.' % value)
if __name__=='__main__':
# 父進(jìn)程創(chuàng)建Queue，并傳給各個子進(jìn)程：
q = Queue()
pw = Process(target=write, args=(q,))
pr = Process(target=read, args=(q,))
# 啟動子進(jìn)程pw，寫入:
pw.start()
# 啟動子進(jìn)程pr，讀取:
pr.start()
# 等待pw結(jié)束:
pw.join()
# pr進(jìn)程里是死循環(huán)，無法等待其結(jié)束，只能強(qiáng)行終止:
pr.terminate()
Python的多線程
python 3中的多進(jìn)程編程主要依靠threading模塊。創(chuàng)建新線程與創(chuàng)建新進(jìn)程的方法非常類似。threading.Thread方法可以接收兩個參數(shù), 第一個是target，一般指向函數(shù)名，第二個時args，需要向函數(shù)傳遞的參數(shù)。對于創(chuàng)建的新線程，調(diào)用start()方法即可讓其開始。我們還可以使用current_thread().name打印出當(dāng)前線程的名字。
import threading
import time
def long_time_task(i):
print('當(dāng)前子線程: {} 任務(wù){(diào)}'.format(threading.current_thread().name, i))
time.sleep(2)
print("結(jié)果: {}".format(8 ** 20))
if __name__=='__main__':
start = time.time()
print('這是主線程：{}'.format(threading.current_thread().name))
thread_list = []
for i in range(1, 3):
t = threading.Thread(target=long_time_task, args=(i, ))
thread_list.append(t)
for t in thread_list:
t.start()
for t in thread_list:
t.join()
end = time.time()
print("總共用時{}秒".format((end - start)))
多線程間的數(shù)據(jù)共享
一個進(jìn)程所含的不同線程間共享內(nèi)存，這就意味著任何一個變量都可以被任何一個線程修改，因此線程之間共享數(shù)據(jù)最大的危險在于多個線程同時改一個變量，把內(nèi)容給改亂了。如果不同線程間有共享的變量，其中一個方法就是在修改前給其上一把鎖lock，確保一次只有一個線程能修改它。threading.lock()方法可以輕易實(shí)現(xiàn)對一個共享變量的鎖定，修改完后release供其它線程使用。
import threading
class Account:
def __init__(self):
self.balance = 0
def add(self, lock):
# 獲得鎖
lock.acquire()
for i in range(0, 100000):
self.balance += 1
# 釋放鎖
lock.release()
def delete(self, lock):
# 獲得鎖
lock.acquire()
for i in range(0, 100000):
self.balance -= 1
# 釋放鎖
lock.release()
if __name__ == "__main__":
account = Account()
lock = threading.Lock()
# 創(chuàng)建線程
thread_add = threading.Thread(target=account.add, args=(lock,), name='Add')
thread_delete = threading.Thread(target=account.delete, args=(lock,), name='Delete')
# 啟動線程
thread_add.start()
thread_delete.start()
# 等待線程結(jié)束
thread_add.join()
thread_delete.join()
print('The final balance is: {}'.format(account.balance))
使用queue隊(duì)列通信-經(jīng)典的生產(chǎn)者和消費(fèi)者模型
from queue import Queue
import random, threading, time
# 生產(chǎn)者類
class Producer(threading.Thread):
def __init__(self, name, queue):
threading.Thread.__init__(self, name=name)
self.queue = queue
def run(self):
for i in range(1, 5):
print("{} is producing {} to the queue!".format(self.getName(), i))
self.queue.put(i)
time.sleep(random.randrange(10) / 5)
print("%s finished!" % self.getName())
# 消費(fèi)者類
class Consumer(threading.Thread):
def __init__(self, name, queue):
threading.Thread.__init__(self, name=name)
self.queue = queue
def run(self):
for i in range(1, 5):
val = self.queue.get()
print("{} is consuming {} in the queue.".format(self.getName(), val))
time.sleep(random.randrange(10))
print("%s finished!" % self.getName())
def main():
queue = Queue()
producer = Producer('Producer', queue)
consumer = Consumer('Consumer', queue)
producer.start()
consumer.start()
producer.join()
consumer.join()
print('All threads finished!')
if __name__ == '__main__':
main()
- 對CPU密集型代碼(比如循環(huán)計(jì)算) - 多進(jìn)程效率更高
- 對IO密集型代碼(比如文件操作，網(wǎng)絡(luò)爬蟲) - 多線程效率更高。
對于IO密集型操作，大部分消耗時間其實(shí)是等待時間，在等待時間中CPU是不需要工作的，那你在此期間提供雙CPU資源也是利用不上的，相反對于CPU密集型代碼，2個CPU干活肯定比一個CPU快很多。那么為什么多線程會對IO密集型代碼有用呢？這時因?yàn)閜ython碰到等待會釋放GIL供新的線程使用，實(shí)現(xiàn)了線程間的切換。
以上就是python 多進(jìn)程和多線程使用詳解的詳細(xì)內(nèi)容，更多關(guān)于python 多進(jìn)程和多線程的資料請關(guān)注腳本之家其它相關(guān)文章！
您可能感興趣的文章:- Python多進(jìn)程的使用詳情
- Python多線程與多進(jìn)程相關(guān)知識總結(jié)
- python實(shí)現(xiàn)多進(jìn)程并發(fā)控制Semaphore與互斥鎖LOCK
- python 實(shí)現(xiàn)多進(jìn)程日志輪轉(zhuǎn)ConcurrentLogHandler
- Python 多進(jìn)程原理及實(shí)現(xiàn)
- python多進(jìn)程基礎(chǔ)詳解
