python多进程使用（高级应用）

import threading
import logging
import datetime
import multiprocessing
from concurrent.futures import ThreadPoolExecutor,ProcessPoolExecutor
FORMAT = "%(thread)d %(message)s"
logging.basicConfig(format=FORMAT,level = logging.INFO)

start = datetime.datetime.now()

def calc(): #计算密集型 CPU密集型
    sum = 0
    for i in range(200000000):
        sum += 1
    logging.info('finished') #打印IO操作

if __name__ == '__main__': # 多进程池
    # executor = ThreadPoolExecutor(4) # 多线程版本，多线程执行器 with上下文
    executor = ProcessPoolExecutor(4) # 多进程
    #GIL
    task = []
    # pool = multiprocessing.Pool(4)
    with executor:  # 上下文清理游泳池的功能 join
        for i in range(4):
            future = executor.submit(calc)

    print('\n')
    delta = (datetime.datetime.now() - start).total_seconds()
    logging.info(delta)
    #串行34-40s左右 墙上的时间
    # 多线程 多线程上下文切换应该多一点点耗时，对于CPU密集代码来说，Python的多下称由于GIL所以没有任何优势
    # 多进程10s左右，要大于34/4.
    # 进程池实现4个进程 26s

上下文管理，在退出with时，本质还是调用executor的shutdown(wait = True),就是一直阻塞到所有运行的任务完成。
这个高级库提供的执行器，提供了异步使用多进程、多线程的方式，还提供了池，非常方便，推荐使用。
作业：
使用多线程在屏幕上分不同颜色交替打印1~100的数字

# **作业：**
# 使用多线程在屏幕上分不同颜色交替打印1~100的数字

import threading
import queue
import time
import random

nums = queue.Queue()

def gendata(q:queue.Queue):
    num = 1
    while True:
        num += 1
        q.put(num)
        time.sleep(1)

def color_printer(q:queue.Queue,frontcolor = 30):
    head = '\x1b[{}m'.format(31)
    tail = '\x1b[m'
    while True:
        data = q.get()
        print(data)
        output = "{}\t{} num={}{}".format(
            threading.current_thread().ident,
            head,
           data,
            tail
        )
        print(output)
# 消费者
for  i in range(2):
    t = threading.Thread(
        target=color_printer,name = 'printer-{}'.format(i+1),
    args = (nums,random.randint(30,37))
    )
    t.start()


# 生产者
threading.Thread(target=gendata,name='gen',args=(nums,)).start()