线程，最小的执行单元；进程，最小的资源分配单元，至少由一个线程组成；
文章目录
1. 多进程
Unix/Linux 操作系统的 fork() 可以把当前进程（父进程）复制一份（子进程），然后分别在父子进程内返回，其中子进程返回的是 0，父进程返回的是子进程 ID，子进程通过 getppid() 获取父进程 ID；
os 模块封装的系统调用包含 fork；
import os
print(f'Process {
os.getpid()} start...')
pid = os.fork()
if pid = 0:
print(f'child process {
os.getpid()}, parent is {
os.getppid()}')
else:
print(f'process {
os.getpid()} created a child process {
pid}')
Process 1798 start...
child process 1799, parent is 1798
process 1798 created a child process 1799
multiprocessing
跨平台的多进程模板；
from multiprocessing import Process
import os
import time
def proc(name):
# time.sleep(5)
print(f'run child process {
name} ({
os.getpid()})')
if __name__ == "__main__":
print(f'parent process {
os.getpid()}')
# 创建 Process 实例
p = Process(target=proc, args=('test', ))
print('child process will start.')
# 启动 p 子进程
p.start()
# 阻塞，等待 p 子进程结束后才继续往下执行
p.join()
print('child process end.')
parent process 4872
child process will start.
run child process test (14360)
child process end.
子进程结束后主进程才会退出；
Pool
进程池，用于批量启动子进程；
from multiprocessing import Pool
import os, time, random
def proc(name):
print(f'run task {
name} ({
os.getpid()})')
start = time.time()
time.sleep(random.random() * 3)
end = time.time()
print(f'task {
name} runs: {
end-start}')
if __name__ == "__main__":
print(f'parent process {
os.getpid()}')
# 正在运行的子进程个数
p = Pool(4)
for i in range(5):
p.apply_async(proc, args=(i, ))
print('waiting for all subprocesses done...')
# close 后不能继续添加新的 process
p.close()
# 等待所有子进程执行完毕，必须在 close 后调用
p.join()
print('all subprocess done.')
parent process 14360
waiting for all subprocesses done...
run task 0 (10800)
run task 1 (7996)
run task 2 (4084)
run task 3 (3492)
task 0 runs: 1.7698190212249756
run task 4 (10800)
task 1 runs: 1.9010038375854492
task 2 runs: 2.1044681072235107
task 3 runs: 2.431309700012207
task 4 runs: 2.9220056533813477
all subprocess done.
subprocess
创建外部进程，并控制其输入输出，如调用命令nslookup，并与之交互；
# 调用 snlookup 子进程
p = subprocess.call(['nslookup', 'www.python.org'])
# 启动 nslookup 子进程，并设置其输入输出流
p = subprocess.Popen(['nslookup'], stdin=subprocess.PIPE, stdout=subprocess.PIPE, stderr=subprocess.PIPE)
# 向 p 子进程输入命令，并接收输出
output, err = p.communicate(b'set q=mx\npython.org\nexit\n')
# 打印输出
print(output.decode('gbk'))
进程间通行
Python 的multiprocessing模块提供了Queue、Pipes等交换数据的方式；
from multiprocessing import Process, Queue
import os, time, random
def write(q):
print(f'process to write: {
os.getpid()}')
for value in ['A', 'B', 'C']:
print(f'put {
value} to queue...')
q.put(value)
time.sleep(random.random())
def read(q):
print(f'process to read: {
os.getpid()}')
while True:
value = q.get(True)
print(f'get {
value} from queue.')
if __name__ == "__main__":
q = Queue()
pw = Process(target=write, args=(q, ))
pr = Process(target=read, args=(q, ))
pw.start()
pr.start()
pw.join()
# 写完即可关闭读进程
pr.terminate()
process to write: 9472
put A to queue...
process to read: 10084
get A from queue.
put B to queue...
get B from queue.
put C to queue...
get C from queue.
2. 多线程
threading
Python 标准库提供了两个线程模块：_thread(低级模块)、threading(高级模块，_thread的封装)；
import time, threading
def loop():
print(f'thread {
threading.current_thread().name} is running...')
n = 0
while n < 5:
n = n + 1
print(f'thread {
threading.current_thread().name} >>> {
n}')
time.sleep(1)
print(f'thread {
threading.current_thread().name} ended.')
print(f'thread {
threading.current_thread().name} is running...')
# 传入一个函数以创建 Thread 实例
t = threading.Thread(target=loop, name='LoopThread')
# 启动子线程
t.start()
# 阻塞等待子线程执行结束
t.join()
print(f'thread {
threading.current_thread().name} ended.')
thread MainThread is running...
thread LoopThread is running...
thread LoopThread >>> 1
thread LoopThread >>> 2
thread LoopThread >>> 3
thread LoopThread >>> 4
thread LoopThread >>> 5
thread LoopThread ended.
thread MainThread ended.
Lock
多进程中，同一个变量会被拷贝到每个进程中，互不影响；
多线程中，所有变量由所有线程共享；
高级语言的一条语句在 CPU 执行时可能是若干条语句，当多个线程同时操作同一个变量时，变量在缓存状态下可能已被修改，此时执行结果无法满足"一致性"（类比事务的一致性）；
import threading
balance = 0
lock = threading.Lock()
def run_thread(n):
for i in range(10000):
# 获取锁
lock.acquire()
try:
change_it(n)
finally:
# 释放锁
lock.release()
锁，可以避免上述问题，同一时刻最多只有一个线程持有同一个锁，只有成功获得锁，才能继续执行代码，其他尝试获取该锁的线程会被阻塞，知道获得锁的线程释放该锁；
坏处
阻止多线程的并发执行；
死锁
存在多个锁，多个线程试图获取对方持有的锁，会导致多个线程同时挂起，只能靠操作系统强制终止；
GIL
Global Interpreter Lock 全局解释器锁，任何 Python 线程在执行前必须先获得GIL，每执行 100 条字节码自动释放GIL，这导致多线程在同一时间实际永远不能利用多核 CPU，只能交替执行；
Python 中多线程并发不能利用多核 CPU；
3. ThreadLocal
多线程环境下，全局变量必须加锁，相较使用局部变量会更好；
局部变量需要在函数调用建以参数传递，十分麻烦，此时可引入ThreadLocal变量；
ThreadLocal，变量虽是全局变量，但每个线程只能读取自己线程独立副本，互不干扰；
import threading
# 创建全局ThreadLocal对象:
local_school = threading.local()
def process_student():
# 获取当前线程关联的student:
std = local_school.student
print('Hello, %s (in %s)' % (std, threading.current_thread().name))
def process_thread(name):
# 绑定ThreadLocal的student:
local_school.student = name
process_student()
t1 = threading.Thread(target=process_thread, args=('Alice', ), name='Thread-A')
t2 = threading.Thread(target=process_thread, args=('Bob', ), name='Thread-B')
t1.start()
t2.start()
t1.join()
t2.join()
4. 进程 vs. 线程
多进程
- 优点：稳定性好，子进程挂掉不影响其他；
- 缺点：创建，切换等操作开销巨大；
子线程
- 优点：开销稍小；
- 缺点：所有线程共享其所在进程的内存，一个线程挂掉，整个进程崩溃；
线程切换
多线程的并行实际是单核快速在多线程间切换的效果，当线程多到一定程度，线程切换会消耗系统大量资源，使效率急剧下降；
计算密集型 vs. IO 密集型
计算密集型
消耗都在 CPU，最高效率利用 CPU，同时进行的任务数应等于 CPU 核数；
Python 的运行效率较低，不适合计算型程序，最好使用 C 语言；
IO 密集型
消耗在等待 IO 上，CPU 消耗少，任务越多，CPU 效率越高；
Python 与 C 语言在 IO 密集型程序上的运行效率表现相差不大，Python 开发效率往往更高；
异步 IO
操作系统提供的异步 IO 支持，事件驱动模型；
Python 中单线程的异步编程模型称为协程；
5. 分布式进程
Process 可以分布到多台机器上（分布式），Thread 最多只能分布在同一机器的多个 CPU；
Python 的multiprocessing模块的子模块managers对分布式做了支持；
# task_master.py
import random, queue
from multiprocessing.managers import BaseManager
# 发送任务的队列:
task_queue = queue.Queue()
# 接收结果的队列:
result_queue = queue.Queue()
def get_task_queue():
return task_queue
def get_result_queue():
return result_queue
# 从BaseManager继承的QueueManager:
class QueueManager(BaseManager):
pass
if __name__ == "__main__":
# 把两个Queue都注册到网络上, callable参数关联了Queue对象:
QueueManager.register('get_task_queue', callable=get_task_queue)
QueueManager.register('get_result_queue', callable=get_result_queue)
# 绑定端口5000, 设置验证码'abc':
manager = QueueManager(address=('127.0.0.1', 5000), authkey=b'abc')
# 启动Queue:
manager.start()
# 获得通过网络访问的Queue对象:
task = manager.get_task_queue()
result = manager.get_result_queue()
# 放几个任务进去:
for i in range(10):
n = random.randint(0, 10000)
print('Put task %d...' % n)
task.put(n)
# 从result队列读取结果:
print('Try get results...')
for i in range(10):
r = result.get(timeout=100)
print('Result: %s' % r)
# 关闭:
manager.shutdown()
print('master exit.')
import time, queue
from multiprocessing.managers import BaseManager
# 创建类似的QueueManager:
class QueueManager(BaseManager):
pass
if __name__ == "__main__":
# 由于这个QueueManager只从网络上获取Queue，所以注册时只提供名字:
QueueManager.register('get_task_queue')
QueueManager.register('get_result_queue')
# 连接到服务器，也就是运行task_master.py的机器:
server_addr = '127.0.0.1'
print('Connect to server %s...' % server_addr)
# 端口和验证码注意保持与task_master.py设置的完全一致:
manager = QueueManager(address=(server_addr, 5000), authkey=b'abc')
# 从网络连接:
manager.connect()
# 获取Queue的对象:
task = manager.get_task_queue()
result = manager.get_result_queue()
# 从task队列取任务,并把结果写入result队列:
for i in range(10):
try:
n = task.get(timeout=1)
print('run task %d * %d...' % (n, n))
r = '%d * %d = %d' % (n, n, n * n)
time.sleep(1)
result.put(r)
except queue.Queue.Empty:
print('task queue is empty.')
# 处理结束:
print('worker exit.')
通过managers模块把Queue暴露到网络以便其他机器的进程访问，worker中并没有保存Queue，Queue存储在master中；
Queue是用来传递任务和接收结果的，任务的描述数据要尽量小，如果要传输体量较大的数据，可通过共享磁盘等，让worker自行读取；
PS：感谢每一位志同道合者的阅读，欢迎关注、评论、赞！