线程进程和协程
Posted charliedaifu
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了线程进程和协程相关的知识,希望对你有一定的参考价值。
目录
一、队列(queue)
二、线程(threading)
三、进程(multiprocessing)
四、协程(gevent / greenlet)
一、队列(queue)
1、队列分类
-
queue.Queue 先进先出队列;
-
q = queue.LifoQueue #后进先出队列,继承Queue;
-
q = queue.PriorityQueue #优先级队列,继承Queue;
- 注意:这些队列都是在Python内存中创建的,Python进程结束,队列就自动清空;
#需要添加一个元组(级别,内容),先取出级别小的内容 q = queue.PriorityQueue() q.put((4,"a")) q.put((2,"a")) q.put((3,"a")) print(q.get()) print(q.get()) print(q.get()) # (2, ‘a‘) # (3, ‘a‘) # (4, ‘a‘)
- q =collections.deque #双向队列,支持从任意一端增加删除元素。deque是线程安全的,内存高效的队列,它被设计为从两端追加和弹出都非常快。
from collections import deque d = deque() d.append(11) d.append(22) d.appendleft(33)#从左边加数据 #数据顺序33,11,22 print(d.pop())#取数据 print(d.popleft())#从左边取数据
2、queue.Queue 先进先出队列
-
put(数据内容,block,timeout):放数据,block为False,不阻塞,默认阻塞,timeout设置等待时间,超时报错,默认一直等待
-
get(数据内容,block,timeout):取数据,block为False,不阻塞,默认阻塞,timeout设置等待时间,超时报错,默认一直等待
import queue q = queue.Queue(5)#队列最大长度为2,默认可以无限个 q.put(11) q.put(22) # q.put(33,block=False)#直接报错 # q.put(33,timeout=2)#等待2秒后报错 print(q.qsize())#队列长度 print(q.get()) q.task_done() print(q.get()) q.task_done()#每执行一次取的任务,就执行一次,表示本次任务结束 print(q.empty())#检查队列是否为空 print(q.full())#检查队列是否已满 q.join() #如果每次没有设置task_done,程序就不会结束,一直等待
3、队列和线程应用实例
#生产者和消费者队列、线程结合应用实例 import queue import threading import time q = queue.Queue(20)#创建一个队列,存放三个厨师生产的包子 def productor(arg): ‘‘‘生产者‘‘‘ while True: q.put(str(arg) + " - 包子") def consumer(arg): ‘‘‘消费者‘‘‘ while True: print(arg,q.get()) time.sleep(2) for i in range(3): ‘‘‘三个厨师‘‘‘ t = threading.Thread(target=productor,args=(i,)) t.start() for n in range(100): ‘‘‘100个消费者‘‘‘ t = threading.Thread(target=consumer,args=(n,)) t.start()
二、线程(threading)
1、创建线程有两种方法:第一种利用系统自带的类threading创建,尽量用系统自带的类创建;
import threading import time def show(arg): time.sleep(1) print ‘thread‘+str(arg) for i in range(10): t = threading.Thread(target=show, args=(i,)) t.start() print ‘main thread stop‘
上述代码创建了10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。
2、第二种方法:自定义threading类
#自定义一个继承threading的类和一个run方法 import threading import time class MyThread(threading.Thread): def __init__(self, func,args): self.func = func self.args = args super(MyThread,self).__init__() def run(self): # 定义每个线程要运行的函数 self.func(self.args) time.sleep(2) def f(arg): print(arg) t1 = MyThread(f,123) t2 = MyThread(f,123) t1.start()#123 t2.start()#123
3、threading类的基本方法
-
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);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;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
import threading def f(x): print(x) t = threading.Thread(target=f,args=(100,)) t.setDaemon(True) #True表示主线程不等该子线程 t.start() #不代表当前线程会被立即执行 print(‘end‘)
-
join(n) 逐个执行每个线程,执行完毕后继续往下执行,n表示最多等几秒,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
4、总结
-
一个应用程序可以有多进程、多线程;默认是单进程、单线程;
-
每一个进程有一个全局解释器锁(GIL),每一次CPU调用只能调用一条线程;
-
如果是IO操作,不占用CPU,单进程,多线程可以提高并发;
-
如果是计算型操作,占用CPU,多进程提高并发;
- Threading用于提供线程相关的操作,线程是应用程序中工作的最小单元。
5、线程锁(Lock、RLock)
-
由于线程之间是进行随机调度,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 - 同一时刻只允许一个线程执行操作。
import threading import time NUM = 10 lock1 = threading.Lock()#单次锁,不能重复使用 def f1(): global NUM lock1.acquire()#上锁 NUM -= 1 time.sleep(2) print(NUM) lock1.release()#解锁 for i in range(10): t = threading.Thread(target=f1) t.start() lock2 = threading.RLock()#连环锁,可以递归使用 def f2(): global NUM lock2.acquire()#上锁 NUM -= 1 lock2.acquire() time.sleep(2) lock2.release() print(NUM) lock2.release()#解锁 for i in range(10): t = threading.Thread(target=f2) t.start()
6、信号量(Semaphore)
- 同时允许一定数量的线程更改数据
import threading, time # 最多允许5个线程同时运行,相当于一个线程锁 semaphore = threading.BoundedSemaphore(5) def run(n): semaphore.acquire() time.sleep(3) print(n +1) semaphore.release() for i in range(20): t = threading.Thread(target=run, args=(i,)) t.start()
7、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 方法便不再阻塞。
- clear:将“Flag”设置为False
- set:将“Flag”设置为True
import threading event = threading.Event() def func(i): print(str(i) + "- wait") event.wait()#检测是什么灯,默认是红灯 print(str(i) + " - start") for i in range(5): t = threading.Thread(target=func,args=(i,)) t.start() event.clear()#主动设置成红灯,可以不写 inp = input(" >>>:") if inp == "1": event.set()#设置为绿灯
8、条件(Condition)
- 使得线程等待,只有满足某条件时,才释放n个线程,下面详细说明实现的两种方法:
#notify(n)n代表释放几个线程 import threading def run(n): con.acquire() con.wait() print(n+10) 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))#传入几就释放几个线程 con.release()
#wait_for(func)等待函数的返回结果,如果为True,就释放一个 imoort threading def func(): ret = False inp = input(‘>>>‘) if inp == ‘1‘: ret = True return ret def run(n): con.acquire() con.wait_for(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()
9、Timer
- 定时器,指定n秒后执行某操作
#1秒后释放 from threading import Timer def hello(): print("hello, world") t = Timer(1, hello) t.start()
10、自定义线程池
#第一种方法,比较low import threading import queue import time class ThreadingPool: def __init__(self,maxsize): self.maxsize = maxsize#线程池的最大个数 self.q = queue.Queue(maxsize) for i in range(maxsize): #将线程池加满 self.q.put(threading.Thread) def get_thread(self): #从线程池取线程 return self.q.get() def add_thread(self): #往线程池加线程 self.q.put(threading.Thread) pool = ThreadingPool(5) def func(arg,p): print(arg) time.sleep(2) #每取一次就添加一个线程 p.add_thread() for i in range(100): thread = pool.get_thread()#获取线程池里的类 t = thread(target=func,args=(i,pool,)) t.start()
import queue import threading import contextlib import time StopEvent = object() class ThreadPool(object): def __init__(self, max_num, max_task_num = None): if max_task_num: self.q = queue.Queue(max_task_num) else: self.q = queue.Queue() self.max_num = max_num self.cancel = False self.terminal = False self.generate_list = [] self.free_list = [] def run(self, func, args, callback=None): """ 线程池执行一个任务 :param func: 任务函数 :param args: 任务函数所需参数 :param callback: 任务执行失败或成功后执行的回调函数,回调函数有两个参数1、任务函数执行状态;2、任务函数返回值(默认为None,即:不执行回调函数) :return: 如果线程池已经终止,则返回True否则None """ if self.cancel: return if len(self.free_list) == 0 and len(self.generate_list) < self.max_num: self.generate_thread() w = (func, args, callback,) self.q.put(w) def generate_thread(self): """ 创建一个线程 """ t = threading.Thread(target=self.call) t.start() def call(self): """ 循环去获取任务函数并执行任务函数 """ current_thread = threading.currentThread() self.generate_list.append(current_thread) event = self.q.get() while event != StopEvent: func, arguments, callback = event try: result = func(*arguments) success = True except Exception as e: success = False result = None if callback is not None: try: callback(success, result) except Exception as e: pass with self.worker_state(self.free_list, current_thread): if self.terminal: event = StopEvent else: event = self.q.get() else: self.generate_list.remove(current_thread) def close(self): """ 执行完所有的任务后,所有线程停止 """ self.cancel = True full_size = len(self.generate_list) while full_size: self.q.put(StopEvent) full_size -= 1 def terminate(self): """ 无论是否还有任务,终止线程 """ self.terminal = True while self.generate_list: self.q.put(StopEvent) self.q.queue.clear() @contextlib.contextmanager def worker_state(self, state_list, worker_thread): """ 用于记录线程中正在等待的线程数 """ state_list.append(worker_thread) try: yield finally: state_list.remove(worker_thread) # How to use pool = ThreadPool(5) def callback(status, result): # status, execute action status # result, execute action return value pass def action(i): print(i) for i in range(30): ret = pool.run(action, (i,), callback) time.sleep(5) print(len(pool.generate_list), len(pool.free_list)) print(len(pool.generate_list), len(pool.free_list)) # pool.close() # pool.terminate()
三、进程(multiprocessing)
1、创建进程: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
from multiprocessing import Process def foo(i): print(‘hi‘, i) #在Windows中不能运行,只能加这句用来调试进程,正式项目不能用 if __name__ == ‘__main__‘: for i in range(10): p = Process(target=foo, args=(i,)) p.start()
2、进程数据共享
# 方法一,Array from multiprocessing import Process, Array def Foo(i,arg): arg[i] = 100 + i for item in arg: print(i, ‘---->‘, item) print("========") if __name__ == ‘__main__‘: temp = Array(‘i‘, 5)#数组必须指定类型和大小 for i in range(5): p = Process(target=Foo, args=(i,temp,)) p.start() #方法二:manage.dict()共享数据 from multiprocessing import Process, Manager def Foo(i,arg): arg[i] = 100 + i print(arg.values()) if __name__ == ‘__main__‘: manage = Manager() dic = manage.dict() for i in range(5): p = Process(target=Foo, args=(i,dic,)) p.start() # 一定要加上,否则主进程执行完毕就断开连接,子进程执行完毕后找不到连接了 p.join()
#Array类型对应表 # ‘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
3、进程锁
#进程里的单程锁,连环锁,事件,信号量,和线程里的用法一样 from multiprocessing import Lock,RLock,Event,BoundedSemaphore
4、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()
from multiprocessing import Pool import time def Foo(i): time.sleep(1) print(i+1) if __name__ == "__main__": pool = Pool(5) for i in range(30): #pool.apply(Foo,(i,))#所有进程串行执行,一个接一个 pool.apply_async(func=Foo, args=(i,))#异步执行 #pool.terminate()#无论当前进程是否执行完毕,直接关闭 pool.close()# 所有进程执行完毕后再关闭 pool.join() #进程池的join前面必须加上close和terminate其中一个
5、总结:IO密集型使用多线程,因为不调用CPU;计算密集型使用多进程,需要调用CPU;
四、协程(gevent / greenlet)
1、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。
2、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。
3、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;
4、greenlet是python的一个C扩展,来源于Stackless python,旨在提供可自行调度的‘微线程’, 即协程;greenlet用switch来表示协程的切换,从一个协程切换到另一个协程需要显式指定。
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() #12,56,34,78
5、gevent是第三方库,通过greenlet实现协程,其基本思想是:
-
greenlet可以实现协程,不过每一次都要人为的去指向下一个该执行的协程,显得太过麻烦。python还有一个比greenlet更强大的并且能够自动切换任务的模块gevent
-
当一个greenlet遇到IO操作时,比如访问网络,就自动切换到其他的greenlet,等到IO操作完成,再在适当的时候切换回来继续执行。由于IO操作非常耗时,经常使程序处于等待状态,有了gevent为我们自动切换协程,就保证总有greenlet在运行,而不是等待IO。
-
由于切换是在IO操作时自动完成,所以gevent需要修改Python自带的一些标准库,这一过程在启动时通过monkey patch完成:
from gevent import monkey;monkey.patch_all() import gevent import requests def f(url): print(‘GET:%s‘%url) response = requests.get(url) data = response.text print("%d bytes received from %s."%(len(data),url)) gevent.joinall([ gevent.spawn(f,"http://www.baidu.com/"), gevent.spawn(f,"http://www.yahoo.com/"), gevent.spawn(f,"http://www.python.org") ]) # GET:http://www.baidu.com/ # GET:http://www.yahoo.com/ # GET:http://www.python.org # 2381 bytes received from http://www.baidu.com/. # 48970 bytes received from http://www.python.org. # 529733 bytes received from http://www.yahoo.com/.
以上是关于线程进程和协程的主要内容,如果未能解决你的问题,请参考以下文章