并发编程基础总结

Python并发编程基础主要包括以下几个方面：

1. 多线程（threading）
2. 多进程（multiprocessing）
3. 协程（asyncio）
4. 线程池和进程池
5. 同步与异步
6. 锁（Lock）和信号量（Semaphore）
7. 条件变量（Condition）
8. 队列（Queue）

首先要知道的概念：串行（可以理解为在X轴，随着时间在运行代码，一段代码结束，下一段代码继续运行），并行（可以理解为在Y轴，同一时间，多段代码同时运行，运行数量少于cpu核数），并发（XY周同时运行，指的是任务数多余 cpu 核数，通过操作系统的各种任务调度算法，实现用多个任 务“一起”执行）

多线程（threading）

import threading

def worker():
    """线程工作函数"""
    print("线程执行中...")

# 创建两个线程
t1 = threading.Thread(target=worker)
t2 = threading.Thread(target=worker)

# 启动线程
t1.start()
t2.start()

# 等待线程执行完毕
t1.join()
t2.join()

print("所有线程执行完毕")

多进程

import multiprocessing

def worker():
    """进程工作函数"""
    print("进程执行中...")

# 创建两个进程
p1 = multiprocessing.Process(target=worker)
p2 = multiprocessing.Process(target=worker)

# 启动进程
p1.start()
p2.start()

# 等待进程执行完毕
p1.join()
p2.join()

print("所有进程执行完毕")

 协程（asyncio）

import asyncio

async def worker():
    """协程工作函数"""
    print("协程执行中...")
    await asyncio.sleep(1)

# 创建事件循环
loop = asyncio.get_event_loop()

# 创建任务列表
tasks = [worker(), worker()]

# 执行任务
loop.run_until_complete(asyncio.wait(tasks))

# 关闭事件循环
loop.close()

print("所有协程执行完毕")

线程池和进程池

from concurrent.futures import ThreadPoolExecutor, ProcessPoolExecutor

def worker():
    """工作函数"""
    print("工作执行中...")

# 创建线程池
with ThreadPoolExecutor(max_workers=2) as executor:
    # 提交任务
    futures = [executor.submit(worker) for _ in range(2)]
    # 等待任务完成
    for future in futures:
        future.result()

print("所有线程池任务执行完毕")

# 创建进程池
with ProcessPoolExecutor(max_workers=2) as executor:
    # 提交任务
    futures = [executor.submit(worker) for _ in range(2)]
    # 等待任务完成
    for future in futures:
        future.result()

print("所有进程池任务执行完毕")

写在最后：

进程：拥有自己独立的堆和栈，既不共享堆，也不共享栈，进程由操作系统调度；进程切 换需要的资源很最大，效率很低 线程：拥有自己独立的栈和共享的堆，共享堆，不共享栈，标准线程由操作系统调度；线 程切换需要的资源一般，效率一般（当然了在不考虑 GIL 的情况下）

协程：拥有自己独立的栈和共享的堆，共享堆，不共享栈，协程由程序员在协程的代码里 显示调度；协程切换任务资源很小，效率高

多进程、多线程根据 cpu 核数不一样可能是并行的，但是协程是在一个线程中 所以是并 发 选择技术考虑的因素：切换的效率、数据共享的问题、 数据安全、是否需要并发