Python之线程与进程

Posted

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了Python之线程与进程相关的知识,希望对你有一定的参考价值。

1.程序

程序指的是指令的集合;程序不能单独的运行,必须将程序装载在内存中,系统给它分配资源才可以运行。

程序是进程动态运行的静态描述文本

2.进程

进程指的是程序在数据集中一次动态运行的过程;

3.线程

线程进程的最小执行单位,真正在CPU运行的是线程

4.进程与线程的关系

一个线程只能在一个进程里面,一个进程可以包含多个线程; 进程是资源管理单位(容器)  线程是最小执行单位

5.并行与并发

并行:指的是同时处理多个任务(多个线程被不同的CPU执行)

并发:指的是交替处理多个任务(多个线程被一个CPU执行)

6.同步与异步

同步:请求数据的时候,如果被请求方没有返回数据,那么程序就会一直等下去,不会执行下面的操作,直到接收到返回的数据。(单线程)

异步:不会等下去,而是直接执行下面的操作,如果有数据返回,那么系统会通知进程去处理(多线程)

 

这些知识概念的性的知识,现在开始了解下线程和进程吧!

线程:threading模块

import time
import threading

def f1():
    print(11)

def f2(a1,a2):
    time.sleep(10)
    print(a1,a2)
    f1()

t=threading.Thread(target=f2,args=(22,33))
t.start()

t=threading.Thread(target=f2,args=(44,55))
t.start()

t=threading.Thread(target=f2,args=(66,77))
t.start()

上面代码创建了3个前台线程,然后控制器就交给了CPU,CPU根据指定算法进行调度,分片执行指令。

更多方法:

    • start            线程准备就绪,等待CPU调度
    • setName      为线程设置名称
    • getName      获取线程名称
    • setDaemon   设置为后台线程或前台线程(默认为False)
                         如果是后台线程,主线程执行过程中,后台线程也在进行,主线程执行完毕后,后台线程不论成功与否,均停止(设置为True)
                          如果是前台线程,主线程执行过程中,前台线程也在进行,主线程执行完毕后,等待前台线程也执行完成后,程序停止
    • join              逐个执行每个线程,执行完毕后继续往下执行,该方法使得多线程变得无意义
    • run              线程被cpu调度后自动执行线程对象的run方法
技术分享
import threading
import time
 
 
class MyThread(threading.Thread):
    def __init__(self,num):
        threading.Thread.__init__(self)
        self.num = num
 
    def run(self):#定义每个线程要运行的函数
 
        print("running on number:%s" %self.num)
 
        time.sleep(3)
 
if __name__ == __main__:
 
    t1 = MyThread(1)
    t2 = MyThread(2)
    t1.start()
    t2.start()
自定义线程类

 

线程锁(Lock、RLock)

由于线程之间是进行随机调度,并且每个线程可能只执行n条执行之后,当多个线程同时修改同一条数据时可能会出现脏数据,所以,出现了线程锁 - 同一时刻允许一个线程执行操作。

技术分享
import threading
import time

gl_num = 0

def show(arg):
    global gl_num
    time.sleep(1)
    gl_num +=1
    print gl_num

for i in range(10):
    t = threading.Thread(target=show, args=(i,))
    t.start()

print main thread stop
未使用锁
import threading
import time
   
gl_num = 0
   
lock = threading.RLock()
   
def Func():
    lock.acquire()
    global gl_num
    gl_num +=1
    time.sleep(1)
    print gl_num
    lock.release()
       
for i in range(10):
    t = threading.Thread(target=Func)
    t.start()

 

信号量(Semaphore)

互斥锁 同时只允许一个线程更改数据,而Semaphore是同时允许一定数量的线程更改数据 ,比如厕所有3个坑,那最多只允许3个人上厕所,后面的人只能等里面有人出来了才能再进去。

import threading,time
 
def run(n):
    semaphore.acquire()
    time.sleep(1)
    print("run the thread: %s" %n)
    semaphore.release()
 
if __name__ == __main__:
 
    num= 0
    semaphore  = threading.BoundedSemaphore(5) #最多允许5个线程同时运行
    for i in range(20):
        t = threading.Thread(target=run,args=(i,))
        t.start()

 

事件(event)

python线程的事件用于主线程控制其他线程的执行,事件主要提供了三个方法 set、wait、clear。

事件处理的机制:全局定义了一个“Flag”,如果“Flag”值为 False,那么当程序执行 event.wait 方法时就会阻塞,如果“Flag”值为True,那么event.wait 方法时便不再阻塞。

  • clear:将“Flag”设置为False
  • set:将“Flag”设置为True
import threading
 
def run(n):
    con.acquire()
    con.wait()
    print("run the thread: %s" %n)
    con.release()
 
if __name__ == __main__:
 
    con = threading.Condition()
    for i in range(10):
        t = threading.Thread(target=run, args=(i,))
        t.start()
 
    while True:
        inp = input(>>>)
        if inp == q:
            break
        con.acquire()
        con.notify(int(inp))
        con.release()

 

 
def condition_func():

    ret = False
    inp = input(>>>)
    if inp == 1:
        ret = True

    return ret


def run(n):
    con.acquire()
    con.wait_for(condition_func)
    print("run the thread: %s" %n)
    con.release()

if __name__ == __main__:

    con = threading.Condition()
    for i in range(10):
        t = threading.Thread(target=run, args=(i,))
        t.start()

Timer

定时器,指定n秒后执行某操作

from threading import Timer
 
 
def hello():
    print("hello, world")
 
t = Timer(1, hello)
t.start()  # after 1 seconds, "hello, world" will be printed

 

 进程

from multiprocessing import Process
import threading
import time
  
def foo(i):
    print say hi,i
  
for i in range(10):
    p = Process(target=foo,args=(i,))
    p.start()

注意:由于进程之间的数据需要各自持有一份,所以创建进程需要的非常大的开销。

 

进程数据共享

进程各自持有一份数据,默认无法共享数据

技术分享
#!/usr/bin/env python
#coding:utf-8
 
from multiprocessing import Process
from multiprocessing import Manager
 
import time
 
li = []
 
def foo(i):
    li.append(i)
    print say hi,li
  
for i in range(10):
    p = Process(target=foo,args=(i,))
    p.start()
     
print ending,li
进程间默认无法数据共享
#方法一,Array
from multiprocessing import Process,Array
temp = Array(i, [11,22,33,44])
 
def Foo(i):
    temp[i] = 100+i
    for item in temp:
        print i,----->,item
 
for i in range(2):
    p = Process(target=Foo,args=(i,))
    p.start()
 
#方法二:manage.dict()共享数据
from multiprocessing import Process,Manager
 
manage = Manager()
dic = manage.dict()
 
def Foo(i):
    dic[i] = 100+i
    print dic.values()
 
for i in range(2):
    p = Process(target=Foo,args=(i,))
    p.start()
    p.join()
技术分享
复制代码

    c: ctypes.c_char,  u: ctypes.c_wchar,
    b: ctypes.c_byte,  B: ctypes.c_ubyte,
    h: ctypes.c_short, H: ctypes.c_ushort,
    i: ctypes.c_int,   I: ctypes.c_uint,
    l: ctypes.c_long,  L: ctypes.c_ulong,
    f: ctypes.c_float, d: ctypes.c_double

复制代码
类型对应表
技术分享
from multiprocessing import Process, Queue

def f(i,q):
    print(i,q.get())

if __name__ == __main__:
    q = Queue()

    q.put("h1")
    q.put("h2")
    q.put("h3")

    for i in range(10):
        p = Process(target=f, args=(i,q,))
        p.start()
View Code

当创建进程时(非使用时),共享数据会被拿到子进程中,当进程中执行完毕后,再赋值给原值。

技术分享
from multiprocessing import Process, Array, RLock

def Foo(lock,temp,i):
    """
    将第0个数加100
    """
    lock.acquire()
    temp[0] = 100+i
    for item in temp:
        print i,----->,item
    lock.release()

lock = RLock()
temp = Array(i, [11, 22, 33, 44])

for i in range(20):
    p = Process(target=Foo,args=(lock,temp,i,))
    p.start()
进程锁实例

进程池

进程池内部维护一个进程序列,当使用时,则去进程池中获取一个进程,如果进程池序列中没有可供使用的进进程,那么程序就会等待,直到进程池中有可用进程为止。

进程池中有两个方法:

  • apply
  • apply_async
技术分享
from  multiprocessing import Process,Pool
import time
  
def Foo(i):
    time.sleep(2)
    return i+100
  
def Bar(arg):
    print arg
  
pool = Pool(5)
#print pool.apply(Foo,(1,))
#print pool.apply_async(func =Foo, args=(1,)).get()
  
for i in range(10):
    pool.apply_async(func=Foo, args=(i,),callback=Bar)
  
print end
pool.close()
pool.join()#进程池中进程执行完毕后再关闭,如果注释,那么程序直接关闭。
View Code

 

协程

线程和进程的操作是由程序触发系统接口,最后的执行者是系统;协程的操作则是程序员。

协程存在的意义:对于多线程应用,CPU通过切片的方式来切换线程间的执行,线程切换时需要耗时(保存状态,下次继续)。协程,则只使用一个线程,在一个线程中规定某个代码块执行顺序。

协程的适用场景:当程序中存在大量不需要CPU的操作时(IO),适用于协程;

greenlet

from greenlet import greenlet
 
 
def test1():
    print 12
    gr2.switch()
    print 34
    gr2.switch()
 
 
def test2():
    print 56
    gr1.switch()
    print 78
 
gr1 = greenlet(test1)
gr2 = greenlet(test2)
gr1.switch()

 

gevent

import gevent
 
def foo():
    print(Running in foo)
    gevent.sleep(0)
    print(Explicit context switch to foo again)
 
def bar():
    print(Explicit context to bar)
    gevent.sleep(0)
    print(Implicit context switch back to bar)
 
gevent.joinall([
    gevent.spawn(foo),
    gevent.spawn(bar),
])

遇到IO操作自动切换:

from gevent import monkey; monkey.patch_all()
import gevent
import urllib2

def f(url):
    print(GET: %s % url)
    resp = urllib2.urlopen(url)
    data = resp.read()
    print(%d bytes received from %s. % (len(data), url))

gevent.joinall([
        gevent.spawn(f, https://www.python.org/),
        gevent.spawn(f, https://www.yahoo.com/),
        gevent.spawn(f, https://github.com/),
])

 



以上是关于Python之线程与进程的主要内容,如果未能解决你的问题,请参考以下文章

Python-网络编程之线程与进程

Python3 异步编程之进程与线程-1

Python 基础之 线程与进程

6Python全栈之路系列之线程与进程

python之网络编程-多线程

Python网络编程之线程与进程