线程进程和协程

Posted 2020-09-05 我的人生只需要一次成功

Python线程

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。

#!/usr/bin/env python
# -*- coding:utf-8 -*-
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。

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）
                     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
• 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

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。

#!/usr/bin/env python
# -*- coding:utf-8 -*-
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

#!/usr/bin/env python
#coding:utf-8
   
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

#!/usr/bin/env python
# -*- coding:utf-8 -*-
 
import threading
 
 
def do(event):
    print \'start\'
    event.wait()
    print \'execute\'
 
 
event_obj = threading.Event()
for i in range(10):
    t = threading.Thread(target=do, args=(event_obj,))
    t.start()
 
event_obj.clear()
inp = raw_input(\'input:\')
if inp == \'true\':
    event_obj.set()

　　

条件（Condition）

使得线程等待，只有满足某条件时，才释放n个线程

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

Python 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

#!/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

#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()

　　

\'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

类型对应表

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()

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。

#!/usr/bin/env python
# -*- coding:utf-8 -*-

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

  #!/usr/bin/env python
  # -*- coding:utf-8 -*-
  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。
  

  　　

  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

  #!/usr/bin/env python
  # -*- coding:utf-8 -*-
   
   
  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/\'),
  ])

  View Code