multiprocessing python_Python中的多进程与多线程：新手简介

什么是线程?你为什么想要它?

Python是一种线性语言。但是，当您需要更多的处理能力时，线程模块就派上用场了。

Python中的线程不能用于并行CPU计算。但是它非常适合于I/O操作，比如web抓取，因为处理器处于空闲状态，等待数据。

线程化改变了游戏规则，因为许多与网络/数据 I/O相关的脚本将大部分时间花费在等待来自远程数据源上。有时候，下载可能没有链接(例如，如果您正在抓取不同的网站)，处理器可以并行地从不同的数据源下载并在最后合并结果。

线程包含在标准库中:

import threadingfrom queue import Queueimport time

您可以使用target作为可调用的对象，args将参数传递给函数，并开始启动线程：

def testThread(num):    print numif __name__ == '__main__':    for i in range(5):        t = threading.Thread(target=testThread, arg=(i,))        t.start()

锁(lock)

您通常希望您的线程能够使用或修改线程之间的公共变量。要做到这一点，你必须使用一种叫做锁(lock)的东西。

每当一个函数想要修改一个变量时，它就会锁定该变量。当另一个函数想要使用一个变量时，它必须等待，直到该变量被解锁。

假设有两个函数都对一个变量进行了1次迭代。锁允许您确保一个函数可以访问变量、执行计算并在另一个函数访问相同的变量之前写回该变量。

您可以使用打印锁来确保一次只能打印一个线程。这可以防止文本在打印时变得混乱(并导致数据损坏)。

在下面的代码中，我们有10个我们想要完成的工作和5个将要工作的工人:

print_lock = threading.Lock()def threadTest():    # when this exits, the print_lock is released    with print_lock:        print(worker)def threader():  while True:    # get the job from the front of the queue    threadTest(q.get())    q.task_done()q = Queue()for x in range(5):    thread = threading.Thread(target = threader)    # this ensures the thread will die when the main thread dies    # can set t.daemon to False if you want it to keep running    t.daemon = True    t.start()for job in range(10):    q.put(job)

多线程并不总是完美的解决方案

我们发现许多教程都倾向于忽略使用他们刚教过你的工具的缺点。理解使用所有这些工具的利弊是很重要的。

例如:

1. 管理线程需要时间，因此它适用于基本任务(如示例)
2. 线程化增加了程序的复杂性，从而增加了调试的难度

多进程是什么?它与线程有什么不同?

在没有多进程(multiprocessing)的情况下，由于GIL(全局解释器锁 Global Interpreter Lock)，Python程序很难最大化系统的规格。Python的设计并没有考虑到个人计算机可能有多个核心。因此GIL是必要的，因为Python不是线程安全的，而且在访问Python对象时存在一个全局强制锁。虽然不完美，但它是一种非常有效的内存管理机制。

多进程允许您创建可以并发运行的程序(绕过GIL)并使用整个CPU内核。尽管它与线程库有本质的不同，但是语法非常相似。多进程库为每个进程提供了自己的Python解释器，以及各自的GIL。

因此，与线程相关的常见问题(如数据损坏和死锁)不再是问题。因为进程不共享内存，所以它们不能并发地修改相同的内存。

让我们开始代码演示：

import multiprocessingdef spawn():  print('test!')if __name__ == '__main__':  for i in range(5):    p = multiprocessing.Process(target=spawn)    p.start()

如果您有一个共享数据库，您希望确保在启动新数据库之前，正在等待相关进程完成。

for i in range(5):  p = multiprocessing.Process(target=spawn)  p.start()  p.join() # this line allows you to wait for processes

如果希望将参数传递给进程，可以使用args实现这一点：

import multiprocessingdef spawn(num):  print(num)if __name__ == '__main__':  for i in range(25):    ## right here    p = multiprocessing.Process(target=spawn, args=(i,))    p.start()

这是一个简单的例子，因为正如您所注意到的，数字的排列顺序与您所期望的不一致(没有p.join())。

与线程一样，多进程仍然有缺点……你必须选择其中一个坏处:

1. 在进程之间转移数据会带来I/O开销
2. 整个内存被复制到每个子进程中，对于更重要的程序来说，这会带来很大的开销

我们该用哪个

如果你的代码有很多I/O或网络使用:

多线程是您的最佳选择，因为它的开销很低

如果你有一个图形用户界面

多线程是您的最佳选择，这样你的UI线程就不会被锁定

如果你的代码是CPU限制:

您应该使用多进程(如果您的机器有多个核心)

参考​：https://timber.io/blog/multiprocessing-vs-multithreading-in-python-what-you-need-to-know/