python爬虫进程和线程的区别_【Python学习】进程和线程

一、什么是线程(thread)

线程是操作系统能够进行运算调度的最小单位。它被包含在进程之中，是进程中的实际运作单位。一个线程指的是进程中一个单一顺序的控制流，一个进程中可以包含多个线程，每条线程并行执行不同的任务。下面，我们来举一个例子来说明线程的工作模式：

假设你正在读一本书，你现在想休息一下，但是你想在回来继续阅读的时候从刚刚停止阅读的地方继续读。实现这一点的一种方法是记下页码、行号和字号。阅读一本书的执行环境是这三个数字。

如果你有一个室友，她也在用同样的方法阅读这本书，她可以在你不用的时候拿起书，从她停下来的地方继续读。然后你可以把它拿回去，从你标记停下的地方继续阅读。

线程以相同的方式工作。CPU给你的错觉是它在同一时间做多个计算。它通过在每次计算上花费一点时间来实现这一点。它可以这样做，因为它对每个计算都有一个执行上下文。就像您可以与朋友共享一本书一样，许多任务也可以共享一个CPU。当然，真正地同时执行多线程需要多核CPU才可能实现。

多线程多用于处理IO密集型任务频繁写入读出，cpu负责调度，消耗的是磁盘空间。

二、什么是进程(process)

程序的执行实例称为进程。对于操作系统来说，一个任务就是一个进程(Process)，比如打开一个浏览器就是启动一个浏览器进程，打开一个记事本就启动了一个记事本进程，打开两个记事本就启动了两个记事本进程，打开一个Word就启动了一个Word进程。进程是很多资源的集合。

每个进程提供执行程序所需的资源。进程具有虚拟地址空间、可执行代码、对系统对象的打开句柄、安全上下文、进程惟一标识符、环境变量、优先级类、最小和最大工作集大小，以及至少一个执行线程。每个进程都是从一个线程(通常称为主线程)开始的，但是可以从它的任何线程中创建其他线程。大部分进程都不止同时干一件事，比如Word，它可以同时进行打字、拼写检查、打印等事情。在一个进程内部，要同时干多件事，就需要同时运行多个“子任务”，我们把进程内的这些“子任务”称为线程(Thread)。

多进程多用于CPU密集型任务，例如：排序、计算，都是消耗CPU的。

三、进程与线程的区别

线程是操作系统能够进行运算调度的最小单位，而进程是一组与计算相关的资源。一个进程可以包含一个或多个线程。

地址空间和其它资源(如打开文件)：进程间相互独立，同一进程下的各线程间共享。某进程内的线程在其它进程不可见。

通信：进程间通信IPC，线程间可以直接读写进程数据段(如全局变量)来进行通信——需要进程同步和互斥手段的辅助，以保证数据的一致性。

调度和切换：线程上下文切换比进程上下文切换要快得多。

创建线程比进程开销小(开一个进程，里面就有空间了，而线程在进程里面，就没必要在开一个空间了)

四、全局解释器锁GIL(Global Interpreter Lock)

我们想运行的速度快一点的话，就得使用多线程或者多进程。在Python里面，多线程被很多人诟病，为什么呢，因为Python的解释器(CPython)使用了一个叫GIL的全局解释器锁，它不能利用多核CPU，只能运行在一个CPU上面，但是你在运行程序的时候，看起来好像还是在一起运行的，是因为操作系统轮流让各个任务交替执行，任务1执行0.01秒，切换到任务2，任务2执行0.01秒，再切换到任务3，执行0.01秒……这样反复执行下去。表面上看，每个任务都是交替执行的，但是，由于CPU的执行速度实在是太快了，我们感觉就像所有任务都在同时执行一样，这个叫做上下文切换。

在CPython中，由于全局解释器锁，在同一时刻只能有一个线程进入解释器，只能有一个线程执行Python代码(即使某些面向性能的库可能会克服这个限制)。如果希望应用程序更好地利用多核计算机的计算资源，建议使用多进程。但是，如果您希望同时运行多个I/O密集型的任务，线程仍然是一个合适的选择。

五、threading模块

1、直接调用

Python中的多线程使用threading模块，运行多线程使用threading.Thread(target=方法,args=(参数,))，如下：

1 import threading,time

2 def run(): # 定义每个线程需要运行的函数

3 time.sleep(3)

4 print('呵呵呵')

5

6 # 串行

7 for i in range(5): # 串行，需要运行15秒

8 run()

9

10 # 多线程：

11 for j in range(5): # 并行：运行3秒

12 t = threading.Thread(target=run) # 实例化了一个线程

13 t.start()

2、使用类继承式调用

自己写一个类继承 threading.Thread类，在子类中重写 run()方法，如下：

1 import threading,time

2

3 class MyThread(threading.Thread):

4 def __init__(self, num):

5 threading.Thread.__init__(self)

6 self.num = num

7

8 def run(self): # 定义每个线程要运行的函数

9 print("running on number:%s" % self.num)

10 time.sleep(3)

11

12 if __name__ == '__main__':

13 t1 = MyThread(1)

14 t2 = MyThread(2)

15 t1.start()

16 t2.start()

threading模块的常用方法

1 # threading 模块提供的常用方法：

2 # threading.currentThread(): 返回当前的线程变量。

3 # threading.enumerate(): 返回一个包含正在运行的线程的list。正在运行指线程启动后、结束前，不包括启动前和终止后的线程。

4 # threading.activeCount(): 返回正在运行的线程数量，与len(threading.enumerate())有相同的结果。

5 # 除了使用方法外，线程模块同样提供了Thread类来处理线程，Thread类提供了以下方法:

6 # run(): 用以表示线程活动的方法。

7 # start():启动线程活动。

8 # join([time]): 等待至线程中止。这阻塞调用线程直至线程的join() 方法被调用中止-正常退出或者抛出未处理的异常-或者是可选的超时发生。

9 # isAlive(): 返回线程是否活动的。

10 # getName(): 返回线程名。

11 # setName(): 设置线程名。

3、多线程运行速度测试

下面再举一个例子来对比单线程和多线程的运行速度：

1 import requests,time,threading

2 # 定义需要下载的网页字典

3 urls = {

4 'besttest':'http://www.besttest.cn',

5 'niuniu':'http://www.nnzhp.cn',

6 'dsx':'http://www.imdsx.cn',

7 'cc':'http://www.cc-na.cn',

8 'alin':'http://www.limlhome.cn'

9 }

10 # 下载网页并保存成html文件

11 # 子线程运行的函数，如果里面有返回值的话，是不能获取到的

12 # 只能在函数外面定义一个list或者字典来存每次处理的结果

13 data = {}

14 def down_html(file_name,url):

15 start_time = time.time()

16 res = requests.get(url).content # content就是返回的二进制文件内容

17 open(file_name+'.html','wb').write(res)

18 end_time = time.time()

19 run_time = end_time - start_time

20 data[url] = run_time

21

22 # 串行

23 start_time = time.time() # 记录开始执行时间

24 for k,v in urls.items():

25 down_html(k,v)

26 end_time = time.time() # 记录执行结束时间

27 run_time = end_time - start_time

28 print(data)

29 print('串行下载总共花了%s秒'%run_time)

30

31 # 并行

32 start_time = time.time()

33 for k,v in urls.items():

34 t = threading.Thread(target=down_html,args=(k,v)) # 多线程的函数如果传参的话，必须得用args

35 t.start()

36 end_time = time.time()

37 run_time = end_time-start_time

38 print(data)

39 print('并行下载总共花了%s秒'%run_time)

串行运行结果：

并行运行结果：

从以上运行结果可以看出，并行下载的时间远短于串行。但是仔细观察会发现：并行运行时，打印出运行时间后，程序并没有结束运行，而是等待了一段时间后才结束运行。实际上并行运行时，打印的是主线程运行的时间，主线程只是负责调起5个子线程去执行下载网页内容，调起子线程以后主线程就运行完成了，所以执行时间才特别短，主线程结束后子线程并没有结束。所以0.015s这个时间是主线程运行的时间，而不是并行下载的时间。如果想看到并行下载的时间，就需要引入线程等待。

4、线程等待(t.join())

1 import requests,time,threading

2 # 定义需要下载的网页字典

3 urls = {

4 'besttest':'http://www.besttest.cn',

5 'niuniu':'http://www.nnzhp.cn',

6 'dsx':'http://www.imdsx.cn',

7 'cc':'http://www.cc-na.cn',

8 'alin':'http://www.limlhome.cn'

9 }

10 # 下载网页并保存成html文件

11 # 子线程运行的函数，如果里面有返回值的话，是不能获取到的

12 # 只能在函数外面定义一个list或者字典来存每次处理的结果

13 data = {}

14 def down_html(file_name,url):

15 start_time = time.time()

16 res = requests.get(url).content # content就是返回的二进制文件内容

17 open(file_name+'.html','wb').write(res)

18 end_time = time.time()

19 run_time = end_time - start_time

20 data[url] = run_time

21

22 # 串行

23 start_time = time.time() # 记录开始执行时间

24 for k,v in urls.items():

25 down_html(k,v)

26 end_time = time.time() # 记录执行结束时间

27 run_time = end_time - start_time

28 print(data)

29 print('串行下载总共花了%s秒'%run_time)

30

31 # 多线程

32 start_time = time.time()

33 threads = [] # 存放启动的5个子线程

34 for k,v in urls.items():

35 # 多线程的函数如果传参的话，必须得用args

36 t = threading.Thread(target=down_html,args=(k,v))

37 t.start()

38 threads.append(t)

39 for t in threads: # 主线程循环等待5个子线程执行结束

40 t.join() # 循环等待

41 print(data) # 通过函数前面定义的data字典获取每个线程执行的时间

42 end_time = time.time()

43 run_time = end_time - start_time

44 print('并行下载总共花了%s秒'%run_time)

多线程运行结果：

从执行结果来看，总运行时间只是稍稍大于最大的下载网页的时间(主线程调起子线程也需要一点时间)，符合多线程的目的。有了线程等待，主线程就会等到子线程全部执行结束后再结束，这样统计出的才是真正的并行下载时间。

看到这里，我们还需要回答一个问题：为什么Python的多线程不能利用多核CPU，但是在写代码的时候，多线程的确在并发，而且还比单线程快

电脑cpu有几核，那么只能同时运行几个线程。但是python的多线程，只能利用一个cpu的核心。因为Python的解释器使用了GIL的一个叫全局解释器锁，它不能利用多核CPU，只能运行在一个cpu上面，但是运行程序的时候，看起来好像还是在一起运行的，是因为操作系统轮流让各个任务交替执行，任务1执行0.01秒，切换到任务2，任务2执行0.01秒，再切换到任务3，执行0.01秒……这样反复执行下去。表面上看，每个任务都是交替执行的，但是，由于CPU的执行速度实在是太快了，我们感觉就像所有任务都在同时执行一样。这个叫做上下文切换。

Python只有一个GIL，运行python时，就要拿到这个锁才能执行，在遇到I/O 操作时会释放这把锁。如果是纯计算的程序，没有 I/O 操作，解释器会每隔100次操作就释放这把锁，让别的线程有机会 执行(这个次数可以通sys.setcheckinterval来调整)同一时间只会有一个获得GIL线程在跑，其他线程都处于等待状态。

1、如果是CPU密集型代码(循环、计算等)，由于计算工作量多和大，计算很快就会达到100，然后触发GIL的释放与在竞争，多个线程来回切换损耗资源，所以在多线程遇到CPU密集型代码时，单线程会比较快；

2、如果是I\O密集型代码(文件处理、网络爬虫)，开启多线程实际上是并发(不是并行)，IO操作会进行IO等待，线程A等待时，自动切换到线程B，这样就提升了效率。

5、守护线程(setDaemon(True))

所谓守护线程的意思就是：只要主线程结束，那么子线程立即结束，不管子线程有没有运行完成。

1 import threading

2 def run():

3 time.sleep(3)

4 print('哈哈哈')

5

6 for i in range(50):

7 t = threading.Thread(target=run)

8 t.setDaemon(True) # 把子线程设置成为守护线程

9 t.start()

10 print('Done，运行完成')

11 time.sleep(3)

6、同步锁

多个线程同时修改一个数据的时候，可能会把数据覆盖，所以需要加线程锁(threading.lock())。我们先来看看下面两段代码

代码一：

1 import threading

2

3 def addNum():

4 global num #在每个线程中都获取这个全局变量

5 num-=1

6

7 num = 100 #设定一个全局变量

8 thread_list = []

9 for i in range(100):

10 t = threading.Thread(target=addNum)

11 t.start()

12 thread_list.append(t)

13

14 for t in thread_list: #等待所有线程执行完毕

15 t.join()

16

17 print('final num:', num ) # 运行结果为0

代码二：

1 import threading,time

2

3 def addNum():

4 global num #在每个线程中都获取这个全局变量

5

6 temp=num

7 # print('--get num:',num )

8 time.sleep(0.1)

9 num =temp-1 #对此公共变量进行减1操作

10

11 num = 100 #设定一个共享变量

12 thread_list = []

13 for i in range(100):

14 t = threading.Thread(target=addNum)

15 t.start()

16 thread_list.append(t)

17

18 for t in thread_list: #等待所有线程执行完毕

19 t.join()

20

21 print('final num:', num ) # 运行结果是99

从逻辑上看，以上两端代码是一样的，只不过第二段代码的实现过程是将num赋值给一个中间变量temp，由这个中间变量完成计算然后再把结果赋值给回num。同时，在这个过程中加了一个等待时间0.1s。为什么执行结果却不一样呢？就是因为这个0.1s的等待时间，第一个线程拿到的num值是100，在它准备计算前有一个等待时间0.1s，所以CPU切换到了第二个线程，它拿到的num的值还是100(因为第一个线程并未完成计算，num值未变).......，直到CPU切换第100个线程，它拿到的num的值还是100，100个线程每一个都没有执行完就进行了切换。等待这0.1s的时间过去以后，所有的线程一个个开始计算，最后的结果都是99。

那为什么第一段代码没有问题呢？因为CPU的计算太快了，CPU还没来得及切换计算已经完成了。

那我们如何来解决这个问题呢？可能大家想到了可以用join让所有的线程编程串行的，这样就不存在同时修改数据的可能了。但是，这样的话任务内的所有代码都是串行执行的，而我们现在只想让修改共享数据这部分串行执行，而其他部分还是并行执行。

这时，我们就可以通过同步锁来解决这种问题，代码如下：

1 import threading,time

2

3 def addNum():

4 global num #在每个线程中都获取这个全局变量

5 lock.acquire() # 加锁

6 temp=num

7 print('--get num:',num )

8 time.sleep(0.1)

9 num =temp-1 #对此公共变量进行减1操作

10 lock.release() # 解锁

11

12 lock = threading.Lock() # 实例化一把锁

13 num = 100 #设定一个共享变量

14 thread_list = []

15 for i in range(100):

16 t = threading.Thread(target=addNum)

17 t.start()

18 thread_list.append(t)

19

20 for t in thread_list: #等待所有线程执行完毕

21 t.join()

22

23 print('final num:', num ) # 运行结果是0

问题解决了，但是我们还有个疑问，这个同步锁和全局解释器锁(GIL)有什么关系呢？

Python的线程在GIL的控制之下，线程之间，对整个Python解释器，对Python提供的C API的访问都是互斥的，这可以看作是Python内核级的互斥机制。但是这种互斥是我们不能控制的，我们还需要另外一种可控的互斥机制——用户级互斥。内核级通过互斥保护了内核的共享资源，同样，用户级互斥保护了用户程序中的共享资源。

GIL 的作用是：对于一个解释器，只能有一个线程在执行bytecode。所以每时每刻只有一条bytecode在被一个线程执行。GIL保证了bytecode 这层面上是线程是安全的。但是如果有个操作比如 x += 1，这个操作需要多个bytecodes操作，在执行这个操作的多条bytecodes期间的时候可能中途就切换线程了，这样就出现了数据竞争的情况了。

那我的同步锁也是保证同一时刻只有一个线程被执行，是不是没有GIL也可以？是的，那要GIL有什么用？好像真的是没用！！

7、死锁和递归锁

在线程间共享多个资源的时候，如果两个线程分别占有一部分资源并且同时等待对方的资源，就会造成死锁，因为系统判断这部分资源都正在使用，所以这两个线程在无外力作用下将一直等待下去。我们来看下面这段代码：

1 import threading,time

2

3 class myThread(threading.Thread):

4 def doA(self):

5 lockA.acquire()

6 print(self.name,"gotlockA",time.ctime())

7 time.sleep(3)

8 lockB.acquire()

9 print(self.name,"gotlockB",time.ctime())

10 lockB.release()

11 lockA.release()

12

13 def doB(self):

14 lockB.acquire()

15 print(self.name,"gotlockB",time.ctime())

16 time.sleep(2)

17 lockA.acquire()

18 print(self.name,"gotlockA",time.ctime())

19 lockA.release()

20 lockB.release()

21 def run(self):

22 self.doA()

23 self.doB()

24 if __name__=="__main__":

25

26 lockA=threading.Lock()

27 lockB=threading.Lock()

28 threads=[]

29 for i in range(5):

30 threads.append(myThread())

31 for t in threads:

32 t.start()

33 for t in threads:

34 t.join()

执行结果如下：

第一个线程执行完doA，再执行doB时，拿到了lockB，再想拿lockA时，发现lockA已经被第二个线程拿到了，第一个线程拿不到lockA了。同样，第二个线程拿到了lockA，再想拿lockB时，发现此时lockB还在第一个线程手里没有释放，所以第二个线程同样也拿不到lockB。这样就造成了一个现象：第一个线程在等待第二个线程释放lockA，第二个线程在等第一个线程释放lockB，这样一直等下去造成了死锁。解决的办法就是使用递归锁，如下：

1 import threading,time

2

3 class myThread(threading.Thread):

4 def doA(self):

5 lock.acquire()

6 print(self.name,"gotlockA",time.ctime())

7 time.sleep(3)

8 lock.acquire()

9 print(self.name,"gotlockB",time.ctime())

10 lock.release()

11 lock.release()

12

13 def doB(self):

14 lock.acquire()

15 print(self.name,"gotlockB",time.ctime())

16 time.sleep(2)

17 lock.acquire()

18 print(self.name,"gotlockA",time.ctime())

19 lock.release()

20 lock.release()

21 def run(self):

22 self.doA()

23 self.doB()

24 if __name__=="__main__":

25

26 lock = threading.RLock() # 递归锁

27 threads=[]

28 for i in range(5):

29 threads.append(myThread())

30 for t in threads:

31 t.start()

32 for t in threads:

33 t.join()

递归锁就是将lockA=threading.Lock()和lockB=threading.Lock()改为了lock = threading.RLock()，运行结果如下：

8、信号量

信号量是用来控制线程并发数的，BoundedSemaphore或Semaphore管理一个内置的计数器，每当调用acquire()时减1，调用release()时加1；

计数器不能小于0，当计数器为0时，acquire()将阻塞线程至同步锁定状态，直到其他线程调用release()。(类似于停车位的概念)；

BoundedSemaphore与Semaphore的唯一区别在于前者将在调用release()时检查计数器的值是否超过了计数器的初始值，如果超过了将抛出一个异常；

信号量实质上也是一把锁；

实例：

1 import threading,time

2 class myThread(threading.Thread):

3 def run(self):

4 if semaphore.acquire():

5 print(self.name)

6 time.sleep(1)

7 semaphore.release()

8

9 if __name__=="__main__":

10 semaphore=threading.BoundedSemaphore(5)

11 thrs=[]

12 for i in range(100):

13 thrs.append(myThread())

14 for t in thrs:

15 t.start()

9、条件变量同步(Condition)

有一类线程需要满足条件之后才能够继续执行，Python提供了threading.Condition 对象用于条件变量线程的支持，它除了能提供RLock()或Lock()的方法外，还提供了 wait()、notify()、notifyAll()方法；

lock_con=threading.Condition([Lock/Rlock])：参数填写创建锁的类型，不是必填项，不传参数默认创建的是Rlock锁；

wait()：条件不满足时调用，线程会释放锁并进入等待阻塞；

notify()：条件创造后调用，通知等待池激活一个线程；

notifyAll()：条件创造后调用，通知等待池激活所有线程

实例：

import threading,time

from random import randint

class Producer(threading.Thread):

def run(self):

global L

while True:

val=randint(0,100)

print('生产者',self.name,":Append"+str(val),L)

if lock_con.acquire():

L.append(val)

lock_con.notify()

lock_con.release()

time.sleep(3)

class Consumer(threading.Thread):

def run(self):

global L

while True:

lock_con.acquire()

if len(L)==0:

lock_con.wait()

print('消费者',self.name,":Delete"+str(L[0]),L)

del L[0]

lock_con.release()

time.sleep(1)

if __name__=="__main__":

L=[]

lock_con=threading.Condition()

threads=[]

for i in range(5):

threads.append(Producer())

threads.append(Consumer())

for t in threads:

t.start()

for t in threads:

t.join()

10、同步条件(Event)

同步条件和条件变量同步差不多意思，只是少了锁功能，因为同步条件设计于不访问共享资源的条件环境；

event=threading.Event()：条件环境对象，初始值 为False；

实例：

1 import threading,time

2 class Boss(threading.Thread):

3 def run(self):

4 print("BOSS：今晚大家都要加班到22:00。")

5 event.isSet() or event.set()

6 time.sleep(3)

7 print("BOSS：<22:00>可以下班了。")

8 event.isSet() or event.set()

9

10 class Worker(threading.Thread):

11 def run(self):

12 event.wait()

13 print("Worker：哎……命苦啊！")

14 time.sleep(1)

15 event.clear()

16 event.wait()

17 print("Worker：Oh，Yeah!！")

18

19 if __name__=="__main__":

20 event=threading.Event()

21 threads=[]

22 for i in range(5):

23 threads.append(Worker())

24 threads.append(Boss())

25 for t in threads:

26 t.start()

27 for t in threads:

28 t.join()

11、线程队列(queue)

queue is especially useful in threaded programming when information must be exchanged safely between multiple threads.

当信息必须在多个线程之间安全地交换时，队列在线程编程中特别有用；

queue队列类的方法：

1 # 创建一个“队列”对象

2 import queue

3 q = queue.Queue(maxsize = 10)

4 # queue.Queue类即是一个队列的同步实现。队列长度可为无限或者有限。可通过Queue的构造函数的可选参数maxsize来设定队列长度。如果maxsize小于1就表示队列长度无限。

5

6 # 将一个值放入队列中

7 q.put(10)

8 # 调用队列对象的put()方法在队尾插入一个项目。put()有两个参数，第一个item为必需的，为插入项目的值；第二个block为可选参数，默认为:1。如果队列当前为空且block为1，put()方法就使调用线程暂停,直到空出一个数据单元。如果block为0，put方法将引发Full异常。

9

10 # 将一个值从队列中取出

11 q.get()

12 # 调用队列对象的get()方法从队头删除并返回一个项目。可选参数为block，默认为True。如果队列为空且block为True，get()就使调用线程暂停，直至有项目可用。如果队列为空且block为False，队列将引发Empty异常。

13

14 # Python Queue模块有三种队列及构造函数:

15 queue.Queue(maxsize=10) # Python Queue模块的FIFO队列先进先出。

16 queue.LifoQueue(maxsize=10) # LIFO类似于堆，即先进后出。

17 queue.PriorityQueue(maxsize=10) # 还有一种是优先级队列级别越低越先出来。

18

19 # 此包中的常用方法(q = queue.Queue()):

20 # q.qsize() 返回队列的大小

21 # q.empty() 如果队列为空，返回True,反之False

22 # q.full() 如果队列满了，返回True,反之False

23 # q.full 与 maxsize 大小对应

24 # q.get([block[, timeout]]) 获取队列，timeout等待时间

25 # q.get_nowait() 相当q.get(False)

26 # 非阻塞 q.put(item) 写入队列，timeout等待时间

27 # q.put_nowait(item) 相当q.put(item, False)

28 # q.task_done() 在完成一项工作之后，q.task_done() 函数向任务已经完成的队列发送一个信号

29 # q.join() 实际上意味着等到队列为空，再执行别的操作

实例：

1 import threading,queue

2 from time import sleep

3 from random import randint

4 class Production(threading.Thread):

5 def run(self):

6 while True:

7 r=randint(0,100)

8 q.put(r)

9 print("生产出来%s号包子"%r)

10 sleep(1)

11 class Proces(threading.Thread):

12 def run(self):

13 while True:

14 re=q.get()

15 print("吃掉%s号包子"%re)

16 if __name__=="__main__":

17 q=queue.Queue(10)

18 threads=[Production(),Production(),Production(),Proces()]

19 for t in threads:

20 t.start()

21 for t in threads:

22 t.join()

六、multiprocessing模块

1、直接调用

Python中的多进程使用multiprocessing模块，运行多进程使用multiprocessing.Process(target=方法,args=(参数,))，如下：

实例一

1 import multiprocessing,time

2

3 def f(name):

4 time.sleep(1)

5 print('Hello!!',name,time.ctime())

6

7 if __name__ == '__main__':

8 p_list = []

9 for i in range(3):

10 p = multiprocessing.Process(target=f,args=('Porcess',))

11 p_list.append(p)

12 p.start()

13 for i in p_list:

14 i.join()

15

16 print('end')

实例二：一个简单的多进程，multiprocessing.Process(target=run,args=(6,))

1 import multiprocessing,threading

2 def my():

3 print('哈哈哈')

4

5 def run(num):

6 for i in range(num):

7 t = threading.Thread(target=my)

8 t.start()

9 # 总共启动5个进程，每个进程下面启动6个线程，函数my()执行30次

10 if __name__ == '__main__':

11 process = []

12 for i in range(5):

13 # args只有一个参数一定后面要加逗号

14 p = multiprocessing.Process(target=run,args=(6,)) # 启动一个进程

15 p.start()

16 process.append(p)

17 [p.join() for p in process] # 与线程用法一致

2、类式调用(与多进程类似)

实例

自己写一个类继承 multiprocessing.Process类，在子类中重写 run()方法，如下：

1 class MyProcess(multiprocessing.Process):

2 def __init__(self):

3 super(MyProcess, self).__init__()

4 # self.name = name

5

6 def run(self):

7 time.sleep(1)

8 print('Hello!!',self.name,time.ctime())

9

10 if __name__ == '__main__':

11 p_list = []

12 for i in range(3):

13 p = MyProcess()

14 p.start()

15 p_list.append(p)

16 for p in p_list:

17 p.join()

18 print('end')

3、Process类

(1)构造方法：def __init__(self, group=None, target=None, name=None, args=(), kwargs={})

group: 线程组，目前还没有实现，库引用中提示必须是None；

target: 要执行的方法；

name: 进程名；

args/kwargs: 要传入方法的参数；

(2)实例方法

is_alive()：返回进程是否在运行；

terminate()：不管任务是否完成，立即停止工作进程；

join([timeout])：阻塞当前上下文环境的进程程，直到调用此方法的进程终止或到达指定的timeout(可选参数)；

start()：进程准备就绪，等待CPU调度；

run()：strat()调用run方法，如果实例进程时未制定传入target，这star执行t默认run()方法；

(3)属性

daemon：和线程的setDeamon功能一样；

exitcode(进程在运行时为None、如果为–N，表示被信号N结束)；

name：进程名；

pid：进程号；

4、进程间通信

不同进程间的数据是不共享的，要想实现多个进程间的数据交换可以用以下方法：

(1)Queues

使用方法跟threading里的queue类似，如下：

1 from multiprocessing import Process,Queue

2

3 def f(q,i):

4 q.put([42,i,'hello'])

5 print('subprocess q_id:',id(q))

6

7 if __name__ == '__main__':

8 q = Queue()

9 p_list=[]

10 print('main q_id:',id(q))

11 for i in range(3):

12 p = Process(target=f, args=(q,i))

13 p_list.append(p)

14 p.start()

15 print(q.get())

16 print(q.get())

17 print(q.get())

18 for p in p_list:

19 p.join()

(2)Pipes

Pipes函数的作用是:返回由管道连接的一对连接对象，管道默认情况下是双工的(双向的)

1 from multiprocessing import Process,Pipe

2

3 def f(child_conn):

4 child_conn.send('子进程')

5 child_conn.send([42, None, 'hello'])

6 print(child_conn.recv()) # 子进程接收父进程发送的信息,打印'数组'

7 child_conn.close()

8

9 if __name__ == '__main__':

10 parent_conn,child_conn = Pipe()

11 p = Process(target=f, args=(child_conn,))

12 p.start()

13 # 父进程接收子进程发送的信息

14 print(parent_conn.recv()) # 打印 '子进程'

15 print(parent_conn.recv()) # 打印 '[42, None, 'hello']'

16 parent_conn.send('数组') # 父进程给子进程发送信息

17 p.join()

Pipe方法返回的两个连接对象表示管道的两端。每个连接对象都有send()和recv()方法。请注意，如果两个进程(或线程)试图同时从管道的同一端读取或写入数据，则管道中的数据可能会损坏。当然，在同一时间使用管道的不同端不会有流程损坏的风险。

(3)Managers

Managers()返回的manager对象控制一个服务器进程，该进程保存Python对象，并允许其他进程使用代理操作它们。

1 from multiprocessing import Process,Manager

2

3 def f(dic,lis,n):

4 dic[n] = '1'

5 dic['2'] = 2

6 dic[0.25] = None

7 lis.append(n)

8 # print(lis)

9

10 if __name__ == '__main__':

11 # with Manager() as manager:

12 manager = Manager()

13 dic = manager.dict()

14 lis = manager.list(range(5))

15 p_list = []

16 for i in range(10):

17 p = Process(target=f, args=(dic,lis,i))

18 p.start()

19 p_list.append(p)

20 for res in p_list:

21 res.join()

22

23 print(dic)

24 print(lis)

Manager()返回的管理器将支持类型list、dict、Namespace、Lock、RLock、Semaphore、BoundedSemaphore、Condition、Event、Barrier、Queue、Value和Array。

5、进程锁

1 from multiprocessing import Process,Lock

2

3 def f(l,i):

4 l.acquire()

5 print('hello world',i)

6 l.release()

7

8 if __name__ == '__main__':

9 lock = Lock()

10 p_list = []

11 for num in range(10):

12 p = Process(target=f, args=(lock,num))

13 p.start()

14 p_list.append(p)

15 for p in p_list:

16 p.join()

17 print('end')

6、进程池

在程序实际处理问题过程中，忙时会有成千上万的任务需要被执行，闲时可能只有零星任务。那么在成千上万个任务需要被执行的时候，我们就需要去创建成千上万个进程么？第一，创建进程需要消耗时间，销毁进程也需要消耗时间。第二，即便开启了成千上万的进程，因为CPU核心数有限，操作系统也不能让他们同时执行，这样反而会影响程序的效率。因此我们不能无限制的根据任务开启或者结束进程。那么我们要怎么做呢？

在这里，要给大家介绍一个进程池的概念。定义一个池子，在里面放上固定数量的进程，有需求来了，就拿一个池中的进程来处理任务，等到处理完毕，进程并不关闭，而是将进程再放回进程池中继续等待任务。如果有很多任务需要执行，池中的进程数量不够，任务就要等待之前的进程执行任务完毕归来，拿到空闲进程才能继续执行。也就是说，池中进程的数量是固定的，那么同一时间最多有固定数量的进程在运行。这样不会增加操作系统的调度难度，还节省了开关进程的时间，也一定程度上能够实现并发效果。

Python中的进程池使用multiprocessing模块的Pool类，主要方法如下：

1 apply(func [,args [,kwargs]]):在一个池工作进程中执行func(*args,**kwargs),然后返回结果。

2 '''需要注意的是：此操作并不会在所有的池工作进程中并执行func函数。如果要通过不同参数并发地执行func函数，必须从不同线程调用p.apply()函数或者使用apply_async()'''

3

4 apply_async(func [,args [,kwargs]]):在一个池工作进程中执行func(*args,**kwargs),然后返回结果。

5 '''此方法的结果是AsyncResult类的实例，callback是可调用对象，接收输入参数。当func的结果变为可用时，将回调函数传递给callback。callback禁止执行任何阻塞操作，否则将接收其他异步操作中的结果。'''

6

7 close():关闭进程池，防止进一步操作。如果所有操作持续挂起，它们将在工作进程终止前完成

8

9 join():等待所有工作进程退出。此方法只能在close()或teminate()之后调用

(1)进程池和多进程效率对比

1 import time,multiprocessing

2 def func(i):

3 i += 1

4

5 if __name__ == '__main__':

6 # 进程池

7 p = multiprocessing.Pool(5)

8 start = time.time()

9 p.map(func,range(100)) # 使用map函数循环调用func函数

10 p.close() # 不允许再向进程池中添加任务

11 p.join()

12 print(time.time()-start) # 0.21729111671447754

13 # 多进程

14 start = time.time()

15 p_list = []

16 for i in range(100):

17 # 多进程调用func函数

18 p = multiprocessing.Process(target=func,args=(i,))

19 p.start()

20 p_list.append(p)

21 for p in p_list:

22 p.join()

23 print(time.time()-start) # 3.7114222049713135

可以看到使用进程池只用了0.21秒，而使用多进程则使用了3.7秒之多，这是因为进程池只用了5个进程，而多进程则使用了100个进程。多进程调度100个进程比进程池中调度5个进程更耗时且更耗资源。

(2)进程池的同步/异步调用

同步：串行

1 import multiprocessing,os,time

2 def func(i):

3 print('%s run'%os.getpid())

4 time.sleep(1)

5 i += 1

6

7 if __name__ == '__main__':

8 # 进程池

9 p = multiprocessing.Pool(5)

10 for i in range(20):

11 p.apply(func,args=(i,)) # 同步提交,串行执行

异步：并行

1 import time,multiprocessing

2 def func(i):

3 time.sleep(1)

4 i += 1

5 print(i)

6

7 if __name__ == '__main__':

8 # 进程池

9 p = multiprocessing.Pool(5)

10 for i in range(20):

11 p.apply_async(func, args=(i,)) # 异步提交，并行执行

12 p.close() # 不允许再向进程池中添加任务,close()必须在join()前面

13 # 使用异步提交的任务,必须添加join()

14 p.join() # 等待子进程结束再往下执行，否则主进程结束了子进程还没执行完

15 print('end')

(3)接收进程池调用函数的返回结果

方法一：

1 import time,multiprocessing

2

3 def func(i):

4 time.sleep(1)

5 i += 1

6 return i

7

8 if __name__ == '__main__':

9 # 进程池

10 p = multiprocessing.Pool(5)

11 res_l = []

12 for i in range(20):

13 res = p.apply_async(func,args=(i,)) # 异步提交

14 # print(res.get()) # 阻塞，等待任务结果

15 res_l.append(res) # 返回结果之后，将结果放入列表，归还进程，之后再执行新的任务

16 # 需要注意的是，进程池中的三个进程不会同时开启或者同时结束，而是执行完一个就释放一个进程，这个进程就去接收新的任务

17 p.close() # 不允许再向进程池中添加任务,close()必须在join()前面

18 p.join() # 等待子进程结束再往下执行，必须添加join()，否则主进程结束了子进程还没执行完

19 for i in res_l:

20 print(i.get()) # 使用get来获取apply_aync的结果,如果是apply,则没有get方法,因为apply是同步执行,立刻获取结果,也根本无需get

21 print('end')

方法二：

1 from multiprocessing import Process,Pool

2 import time

3

4 def Foo(i):

5 time.sleep(2)

6 return i + 100

7

8 def Bar(arg): # 回调函数是在主进程中完成的，直接接收子进程中函数的返回值，不能传另外的参数

9 print('----->exec done:',arg)

10

11 if __name__ == '__main__':

12 pool = Pool(5) # 允许进程池里同时放入5个进程

13 for i in range(10):

14 pool.apply_async(func=Foo, args=(i,),callback=Bar) # 并行执行，Bar函数接收Foo函数的返回结果，callback回调执行者为主进程

15 pool.close()

16 pool.join() # 进程池中进程执行完毕后再关闭，如果注释，那么程序直接关闭

17 print('end')

(4)爬虫实例

1 import multiprocessing,requests

2

3 def get_url(url):

4 res = requests.get(url)

5 return {'url':url,

6 'status_code':res.status_code,

7 'content':res.text}

8

9 def parser(dic):

10 print(dic['url'],dic['status_code'],len(dic['content']))

11

12

13 if __name__ == '__main__':

14 url_list = ['http://www.baidu.com',

15 'http://www.hao123.com',

16 'http://www.163.com',

17 'http://www.csdn.com']

18 p = multiprocessing.Pool(4)

19 res_l = []

20 for url in url_list:

21 p.apply_async(get_url,args=(url,),callback=parser)

22 p.close()

23 p.join()

24 print('END!!')

七、多线程、多进程总结

1、多线程：

多用于IO密集型行为(上传/下载)

2、多进程

多用于CPU密集型任务(计算/排序)