python 进程与线程的概念,以及联系与区别,以及进程池和多线程的使用
进程可以被称为执行的程序,一个进程拥有完整的数据空间和代码空间,每一个进程的地址空间都是独立的,进程之间不能共享数据。
线程是进程的一部分,也可以称为mini 进程。在同一个进程中的线程共用同一个地址空间,单有自己独立的堆栈和局部变量。所以除了堆栈中的数据,其余所有数据都可以共享。
如果再形象点就引用一哥们的比喻,很形象:
比如一个公司,有很多不同的部门,每个部门不在 同一个城市,而每个部门都有许多的员工。
公司就好比是一个CPU,不同的部门就相当于不同的进程,他们是你干你的,我干我的,所利用的空间不同。想共享些什么数据,需要email与传真;而一个部门的每个员工,相当于不同的线程,共在同一个部门,所有东西都可以共享。假如说一个人在用打印机,也就 是数据进入堆栈了,我再用打印机,你就用不了了,得等。
联系:
进程包括线程,可以有一个或者多个
区别:
1.进程有独立的地址空间,多进程较稳定,因为其中一个出现状况不影响另外一个;同一个进程的多个线程,共用地址空间,多线程相比于多进程,稳定性要差,因为一个线程出现问题会严重影响其他线程。
2.进程之间需要共享数据,要利用进程间通讯;同一个进程中的线程不需要。
3.进程只是资源分配的最小单位;线程是执行的最小单位,也就是说实际执行的是线程。
进程池:
from multiprocessing import Pool
import time
import random
import os
def processing(p):
print("Current Prcess name is {}, pid is {}".format(p, os.getpid()))
t = random.random()
time.sleep(t)
print("Current Prcess is sleep{}, name is {}".format(t,p))
if __name__ == "__main__":
print("Main process pid is {}".format(os.getpid()))
# processing("test")
# 声明进程池
p = Pool(4)
for i in range(7):
#将需要执行的动作添加进进程池
p.apply_async(processing,args=("test"+str(i),))
print("Add sub processing in Pool")
# 进程池关闭
p.close()
# 主进程阻塞
p.join()
print("sub process end")
print("Main process is end")
多线程:一个进程里可以包含多个线程,线程之前是可以共享资源的,所以假如不加线程锁会导致两个线程同时修改一个值的状框,例如设置一个变量,默认值为0,使用多线程,不加线程锁,循环修改值,最后得到的值,可能会是18888
import threading
import os
balance = 0
def change(number):
global balance
balance = balance + number
balance = balance - number
def change_account(number):
for i in range(2000000):
change(number)
t = threading.Thread(target=change_account, args=(5,))
t2 = threading.Thread(target=change_account, args=(18,))
t.start()
t2.start()
t.join()
t2.join()
print("balance:" , balance)
加线程锁,目的是为了给这个线程上锁,我在修改这个变量的时候,其他线程无法进行操作,等我修改 完了在进行释放,其他线程才可以对它进行操作。如此上面的结果是20000
import threading
# balance = 0
# # 线程锁
# lock = threading.Lock()
#
#
# def change_it(n):
# # 先存后取,结果应该为0:
# global balance
# balance = balance + n
# balance = balance - n
#
#
# def run_thread(n):
# for i in range(2000000):
# # change_it(n)
# lock.acquire()
# try:
# change_it(n)
# finally:
# lock.release()
#
#
# t1 = threading.Thread(target=run_thread, args=(5,))
# t2 = threading.Thread(target=run_thread, args=(8,))
# t1.start()
# t2.start()
# t1.join()
# t2.join()
# print(balance)