Python学习笔记-简单案例实现多进程与多线程

渊Y

于 2024-04-21 09:00:28 发布

阅读量383

点赞数 3

分类专栏：程序员文章标签： python 学习笔记

本文链接：https://blog.csdn.net/2401_84010865/article/details/138022164

版权

程序员专栏收录该内容

233 篇文章 1 订阅

订阅专栏

import os
import time
import multiprocessing as m


def sing(num, name):
    print('子进程id', os.getpid())
    print('子进程的父id', os.getppid())
    for i in range(num):
        print('%s唱歌...%d次' % (name, i + 1))
        time.sleep(0.5)


def dance(num, name):
    for i in range(num):
        print(f'{name}跳舞...')
        time.sleep(0.5)


if __name__ == '__main__':
    """
    target:指定执行函数名
    args:使用元组传参
    kwargs:使用字典传参
    """
    print('主进程id', os.getppid())
    p = m.Process(target=sing, args=(3, '小明'))
    # 设置守护主进程,主进程结束,子进程不再执行
    p.daemon = True
    p2 = m.Process(target=dance, kwargs={'num': 2, 'name': '小红'})
    p.start()
    p2.start()

多线程（Multithreading）

概念：

多线程是指在同一个进程中并发执行多个线程，共享进程的内存空间和系统资源。

特点：

共享性：线程间共享进程的内存空间和系统资源。
开销小：创建和切换线程的开销通常比进程小。
全局解释器锁（GIL）：在 CPython 解释器中，由于全局解释器锁（GIL）的存在，多线程在 CPU 密集型任务中并不能实现真正的并行执行，只能实现并发。但在 I/O 密集型任务中，多线程可以有效提高程序的响应速度。
数据同步：多线程间共享数据可能导致数据不一致，因此需要使用锁、条件变量等同步机制来确保数据的正确性。

适用场景：

I/O 密集型任务，如网络请求、文件读写等，多线程可以提高程序的响应速度和吞吐量。
需要共享数据的场景，多线程可以方便地访问和修改共享数据。

代码实现:

1.导包

2.创建线程对象

3.启动线程执行任务

源码:

import threading
import time


def sing(num):
    for i in range(num):
        print('唱歌...')
        time.sleep(0.2)
def dance(num):
    for i in range(num):
        print('跳舞...')
        time.sleep(0.2)


if __name__ == '__main__':
    t1 = threading.Thread(target=sing,args=(3,),daemon=True)
    t2 = threading.Thread(target=dance,kwargs={'num':5})
    t1.start()
    t2.start()