Python 多进程&多线程

最新推荐文章于 2024-08-28 16:14:15 发布

Scabbards_

最新推荐文章于 2024-08-28 16:14:15 发布

阅读量179

点赞数

文章标签： python 网络

本文链接：https://blog.csdn.net/Scabbards_/article/details/134351957

版权

本文详细介绍了Python中的多任务处理，包括并发和并行的区别，进程和线程的概念、创建与管理，以及线程安全、GIL锁、Lock锁、线程池、死锁和单例模式的应用。同时，对比了线程和进程的优缺点及适用场景。

摘要由CSDN通过智能技术生成

多任务

并发：在一段时间内交替执行多个任务

并行：在一段时间内同事一起执行多个任务

进程 Process

进程：一个程序运行在系统之上，便称这个程序喂一个运行进程，并分配进程ID方便系统管理。操作系统进行资源分配和调度运行的基本单位

单进程 vs 多进程

+/ 如果程序向利用计算机的多核优势，让CPU同时处理一些任务，适合用多进程开发

先挖个坑后面学

线程 thread

线程是属于进程的，一个进程可以开启多个线程，执行不同工作，是进程实际工作最小单位

同属一个进程的多个线程共享进程所拥有的全部资源

性质

执行顺序

无序，通过CPU调度决定某个线程先执行

结束顺序

主线程会等待所有子线程执行结束后再结束

基本使用

创建线程对象

thread_obj = thread.Thread(target=func)

启动线程执行

thread_obj.start()

import threading
import time

def thread1():
    while True:
        print('thread 1')
        time.sleep(1)

def thread2():
    while True:
        print('thread 2')
        time.sleep(1)

if __name__ == '__main__':
    # create thread
    t1 = threading.Thread(target=thread1)
    t2 = threading.Thread(target=thread2)
    # start thread
    t1.start()
    t2.start()

等待当前线程任务执行完毕后再向下继续执行

thread_obj.join()

执行带有参数的任务

args：以元组方式进行传参 *参数顺序保持一致

kwargs：以字典的方式给任务传参 *字典key和参数名保持一致

守护线程

主线程不等待子线程执行完成，主线程执行完毕后，子线程也自动关闭

me，thod1

threading.Thread(target = work, daemon = True)

method2

线程对象.setDaemon(True)

获取线程信息

current_thread = threading.current_thread()

print(current_thread)

设置/获取名称

name = 线程对象.current_thread().getName()

线程对象.setName()

自定义线程

class Mythread(threading.Thread):

        def run(self):

                print('执行此线程', self.args)


t = Mythread(args = (100, ))
t.start()

线程安全

多个线程操作可能会出现数据混乱的情况

*有些数据类型（如列表）是线程安全的

GIL锁

全局解释器锁（Global Interpreter Lock），让一个进程中同一个时刻只能有一个线程可以被CPU调用

Lock 同步锁

创建锁

lock_object = threading.RLock()

加锁

线程对象.acquire()

释放锁

线程对象.release()

e.g

import  threading

lock_object = threading.Lock()

loop = 1000
number = 0

def _add(count):
    lock_object.acquire() #加锁
    global number
    for i in range(count):
        number += 1
        print("t1")
    lock_object.release() #解锁

def _sub(count):
    lock_object.acquire() #申请锁
    global number
    for i in range(count):
        number -= 1
        print("t2")
    lock_object.release() #解锁

t1 = threading.Thread(target=_add,args=(loop,))
t2 = threading.Thread(target=_sub,args=(loop,))
t1.start()
t2.start()

t1.join()
t2.join()

print(number)

RLock 递归锁

Lock不支持锁的嵌套，RLock支持，就是可以加多次锁

Dead Lock 死锁

由于资源竞争或者彼此通信造成阻塞

线程池

线程不是开的越多越好，开的多了可能导致系统性能降低（线程中的上下文切换），因此不建议无限制的创建线程，建议使用线程池

创建

from concurrent.futures import ThreadPoolExecutor
pool = ThreadPoolExecutor(100) #100个线程的线程池

提交任务

pool.submit(task, sug)

等待线程池执行完毕

pool.shutdown(True)

空闲线程处理额外任务

线程池中提交一个任务，如果有空闲线程，则分配一个线程去执行，执行完毕后再将线程交还给线程池，如果没有空闲线程，则等待

future =pool.submit(task,url)

future.add_done_callback(done)

单例模式

import threading
import time

class Singleton:
    instance = None
    lock = threading.RLock()

    def __init__(self,name):
        self.name = name

    def __new__(cls, *args, **kwargs):  #*args,**kwargs 代表任意多个参数
        # 这两行提高效率，可要可不要
        if cls.instance:
            return cls.instance

        with cls.lock:
            if cls.instance:
                return cls.instance
            cls.instance = object.__new__(cls)
            return cls.instance

def task():
    obj = Singleton('x')
    print(obj)

for i in range(10):
    t = threading.Thread(target=task)
    t.start()