python(33)多进程和多线程的区别

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(33)多进程和多线程的区别相关的知识,希望对你有一定的参考价值。

多线程可以共享全局变量,多进程不能。多线程中,所有子线程的进程号相同;多进程中,不同的子进程进程号不同。

#!/usr/bin/python
# -*- coding:utf-8 -*-
import os
import threading
import multiprocessing
count_thread = 0
count_process = 0
 
# worker function
def worker1(sign, lock):
    global count_thread
    lock.acquire()
    count_thread += 1
    print(sign, os.getpid())
    lock.release()
 
def worker2(sign, lock):
    global count_process
    lock.acquire()
    count_process += 1
    print(sign, os.getpid())
    lock.release()
# Main
print(Main:,os.getpid())
 
# Multi-thread
record = []
lock  = threading.Lock()
for i in range(5):
    thread = threading.Thread(target=worker1,args=(thread,lock))
    thread.start()
    record.append(thread)
 
for thread in record:
    thread.join()
 
# Multi-process
record = []
lock = multiprocessing.Lock()
for i in range(5):
    process = multiprocessing.Process(target=worker2,args=(process,lock))
    process.start()
    record.append(process)
 
for process in record:
    process.join()
 
 
print count_thread
print count_process

 

运行结果

(‘Main:‘, 3142)
(‘thread‘, 3142)
(‘thread‘, 3142)
(‘thread‘, 3142)
(‘thread‘, 3142)
(‘thread‘, 3142)
(‘process‘, 3148)
(‘process‘, 3149)
(‘process‘, 3150)
(‘process‘, 3151)
(‘process‘, 3152)
5
0

应该尽量避免多进程共享资源。多进程共享资源必然会带来进程间相互竞争。而这种竞争又会造成race condition,我们的结果有可能被竞争的不确定性所影响。但如果需要,我们依然可以通过共享内存和Manager对象这么做。

1) 共享内存

用Python实现的例子:

import multiprocessing
 
def f(n, a):
    n.value   = 3.14
    a[0]      = 5
 
num   = multiprocessing.Value(d, 0.0)
arr   = multiprocessing.Array(i, range(10))
 
p = multiprocessing.Process(target=f, args=(num, arr))
p.start()
p.join()
 
print num.value
print arr[:]

 

这里我们实际上只有主进程和Process对象代表的进程。我们在主进程的内存空间中创建共享的内存,也就是Value和Array两个对象。对象Value被设置成为双精度数(d), 并初始化为0.0。而Array则类似于C中的数组,有固定的类型(i, 也就是整数)。在Process进程中,我们修改了Value和Array对象。回到主程序,打印出结果,主程序也看到了两个对象的改变,说明资源确实在两个进程之间共享。

2)Manager

Manager对象类似于服务器与客户之间的通信 (server-client),与我们在Internet上的活动很类似。我们用一个进程作为服务器,建立Manager来真正存放资源。其它的进程可以通过参数传递或者根据地址来访问Manager,建立连接后,操作服务器上的资源。在防火墙允许的情况下,我们完全可以将Manager运用于多计算机,从而模仿了一个真实的网络情境。下面的例子中,我们对Manager的使用类似于shared memory,但可以共享更丰富的对象类型。

import multiprocessing
 
def f(x, arr, l):
    x.value = 3.14
    arr[0] = 5
    l.append(Hello)
 
server = multiprocessing.Manager()
x    = server.Value(d, 0.0)
arr  = server.Array(i, range(10))
l    = server.list()
 
proc = multiprocessing.Process(target=f, args=(x, arr, l))
proc.start()
proc.join()
 
print(x.value)
print(arr)
print(l)

 

Manager利用list()方法提供了表的共享方式。实际上你可以利用dict()来共享词典,Lock()来共享threading.Lock(注意,我们共享的是threading.Lock,而不是进程的mutiprocessing.Lock。后者本身已经实现了进程共享)等。 这样Manager就允许我们共享更多样的对象。

参考资料:

http://blog.csdn.net/zhaozhi406/article/details/8137670

http://www.xuebuyuan.com/1968817.html













以上是关于python(33)多进程和多线程的区别的主要内容,如果未能解决你的问题,请参考以下文章

python多进程和多线程的区别

python中的多线程和多进程编程

python中多进程和多线程的区别

python 多进程和多线程配合

多个请求是多线程吗

多进程和多线程有啥区别?