python日历gui_python gui制作日历一文了解Python并发编程的工程实现方法-CSDN博客

上一篇文章介绍了线程的使用。然而 Python 中由于 Global Interpreter Lock（全局解释锁 GIL ）的存在，每个线程在在执行时需要获取到这个 GIL ，在同一时刻中只有一个线程得到解释锁的执行， Python 中的线程并没有真正意义上的并发执行，多线程的执行效率也不一定比单线程的效率更高。如果要充分利用现代多核 CPU 的并发能力，就要使用 multipleprocessing 模块了。

0x01 multipleprocessing

与使用线程的 threading 模块类似， multipleprocessing 模块提供许多高级 API 。最常见的是 Pool 对象了，使用它的接口能很方便地写出并发执行的代码。

from multiprocessing import Pool

def f(x):

return x * x

if __name__ == '__main__':

with Pool(5) as p:

# map方法的作用是将f()方法并发地映射到列表中的每个元素

print(p.map(f, [1, 2, 3]))

# 执行结果

# [1, 4, 9]

关于 Pool 下文中还会提到，这里我们先来看 Process 。

Process

要创建一个进程可以使用 Process 类，使用 start() 方法启动进程。

from multiprocessing import Process

import os

def echo(text):

# 父进程ID

print("Process Parent ID : ", os.getppid())

# 进程ID

print("Process PID : ", os.getpid())

print('echo : ', text)

if __name__ == '__main__':

p = Process(target=echo, args=('hello process',))

p.start()

p.join()

# 执行结果

# Process Parent ID : 27382

# Process PID : 27383

# echo : hello process

进程池

正如开篇提到的 multiprocessing模块提供了 Pool 类可以很方便地实现一些简单多进程场景。它主要有以下接口

apply(func[, args[, kwds]])

执行 func(args,kwds) 方法，在方法结束返回前会阻塞。

apply_async(func[, args[, kwds[, callback[, error_callback]]]])

异步执行 func(args,kwds) ，会立即返回一个 result 对象，如果指定了 callback 参数，结果会通过回调方法返回，还可以指定执行出错的回调方法 error_callback()

map(func, iterable[, chunksize])

类似内置函数 map() ，可以并发执行 func ，是同步方法

map_async(func, iterable[, chunksize[, callback[, error_callback]]])

异步版本的 map

close()

关闭进程池。当池中的所有工作进程都执行完毕时，进程会退出。

terminate()

终止进程池

join()

等待工作进程执行完，必需先调用 close() 或者 terminate()

from multiprocessing import Pool

def f(x):

return x * x

if __name__ == '__main__':

with Pool(5) as p:

# map方法的作用是将f()方法并发地映射到列表中的每个元素

a = p.map(f, [1, 2, 3])

print(a)

# 异步执行map

b = p.map_async(f, [3, 5, 7, 11])

# b 是一个result对象，代表方法的执行结果

print(b)

# 为了拿到结果，使用join方法等待池中工作进程退出

p.close()

# 调用join方法前，需先执行close或terminate方法

p.join()

# 获取执行结果

print(b.get())

# 执行结果

# [1, 4, 9]

# [9, 25, 49, 121]

map_async() 和 apply_async() 执行后会返回一个 class multiprocessing.pool.AsyncResult 对象，通过它的 get() 可以获取到执行结果， ready() 可以判断 AsyncResult 的结果是否准备好。

进程间数据的传输

multiprocessing 模块提供了两种方式用于进程间的数据共享：队列( Queue )和管道( Pipe )

Queue 是线程安全，也是进程安全的。使用 Queue 可以实现进程间的数据共享，例如下面的 demo 中子进程 put 一个对象，在主进程中就能 get 到这个对象。任何可以序列化的对象都可以通过 Queue 来传输。

from multiprocessing import Process, Queue

def f(q):

q.put([42, None, 'hello'])

if __name__ == '__main__':

# 使用Queue进行数据通信

q = Queue()

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

p.start()

# 主进程取得子进程中的数据

print(q.get()) # prints "[42, None, 'hello']"

p.join()

# 执行结果

# [42, None, 'hello']

Pipe() 返回一对通过管道连接的 Connection 对象。这两个对象可以理解为管道的两端，它们通过 send() 和 recv() 发送和接收数据。

from multiprocessing import Process, Pipe

def write(conn):

# 子进程中发送一个对象

conn.send([42, None, 'hello'])

conn.close()

def read(conn):

# 在读的进程中通过recv接收对象

data = conn.recv()

print(data)

if __name__ == '__main__':

# Pipe()方法返回一对连接对象

w_conn, r_conn = Pipe()

wp = Process(target=write, args=(w_conn,))

rp = Process(target=read, args=(r_conn,))

wp.start()

rp.start()

# 执行结果

# [42, None, 'hello']

更多:python gui制作日历一文了解Python并发编程的工程实现方法

https://www.002pc.comhttps://www.002pc.com/python/945.html

你可能感兴趣的Python,编程,并发,一文,工程,了解

No alive nodes found in your cluster

0踩

赏

0 赞