网络编程
位置:首页>> 网络编程>> Python编程>> 分析详解python多线程与多进程区别

分析详解python多线程与多进程区别

作者:xz1308579340  发布时间:2022-01-19 01:13:54 

标签:python,多线程,多进程

python的多线程比较鸡肋,优先使用多进程

1 基础知识

现在的 PC 都是多核的,使用多线程能充分利用 CPU 来提供程序的执行效率。

1.1 线程

线程是一个基本的 CPU 执行单元。它必须依托于进程存活。一个线程是一个execution context(执行上下文),即一个 CPU 执行时所需要的一串指令。

1.2 进程

进程是指一个程序在给定数据集合上的一次执行过程,是系统进行资源分配和运行调用的独立单位。可以简单地理解为操作系统中正在执行的程序。也就说,每个应用程序都有一个自己的进程。

每一个进程启动时都会最先产生一个线程,即主线程。然后主线程会再创建其他的子线程

1.3 两者的区别

  • 线程必须在某个进行中执行。

  • 一个进程可包含多个线程,其中有且只有一个主线程。

  • 多线程共享同个地址空间、打开的文件以及其他资源。

  • 多进程共享物理内存、磁盘、打印机以及其他资源。

2 Python 多进程

2.1 创建多进程

Python 要进行多进程操作,需要用到muiltprocessing库,其中的Process类跟threading模块的Thread类很相似。所以直接看代码熟悉多进程。

方法1:直接使用Process

代码如下:


from multiprocessing import Process  
def show(name):
   print("Process name is " + name)
if __name__ == "__main__":
   proc = Process(target=show, args=('subprocess',))  
   proc.start()  
   proc.join()

方法2:继承Process来自定义进程类,重写run方法

代码如下:


from multiprocessing import Process
import time
class MyProcess(Process):
   def __init__(self, name):
       super(MyProcess, self).__init__()
       self.name = name
   def run(self):
       print('process name :' + str(self.name))
       time.sleep(1)
if __name__ == '__main__':
   for i in range(3):
       p = MyProcess(i)
       p.start()
   for i in range(3):
       p.join()

2.2 多进程通信

进程之间不共享数据的。如果进程之间需要进行通信,则要用到Queue模块或者Pipi模块来实现。

Queue

Queue 是多进程安全的队列,可以实现多进程之间的数据传递。它主要有两个函数,put和get。

put() 用以插入数据到队列中,put 还有两个可选参数:blocked 和 timeout。如果 blocked 为 True(默认值),并且 timeout 为正值,该方法会阻塞 timeout 指定的时间,直到该队列有剩余的空间。如果超时,会抛出 Queue.Full 异常。如果 blocked 为 False,但该 Queue 已满,会立即抛出 Queue.Full 异常。

get()可以从队列读取并且删除一个元素。同样,get 有两个可选参数:blocked 和 timeout。如果 blocked 为 True(默认值),并且 timeout 为正值,那么在等待时间内没有取到任何元素,会抛出 Queue.Empty 异常。如果blocked 为 False,有两种情况存在,如果 Queue 有一个值可用,则立即返回该值,否则,如果队列为空,则立即抛出 Queue.Empty 异常。

具体用法如下:


from multiprocessing import Process, Queue
def put(queue):
   queue.put('Queue 用法')
if __name__ == '__main__':
   queue = Queue()
   pro = Process(target=put, args=(queue,))
   pro.start()
   print(queue.get())  
   pro.join()

Pipe

Pipe的本质是进程之间的用管道数据传递,而不是数据共享,这和socket有点像。pipe() 返回两个连接对象分别表示管道的两端,每端都有send() 和recv()函数。

如果两个进程试图在同一时间的同一端进行读取和写入那么,这可能会损坏管道中的数据。

具体用法如下:


from multiprocessing import Process, Pipe
def show(conn):
   conn.send('Pipe 用法')
   conn.close()
if __name__ == '__main__':
   parent_conn, child_conn = Pipe()
   pro = Process(target=show, args=(child_conn,))
   pro.start()
   print(parent_conn.recv())  
   pro.join()

2.3 进程池

创建多个进程,我们不用傻傻地一个个去创建。我们可以使用Pool模块来搞定。

Pool 常用的方法如下:

分析详解python多线程与多进程区别

具体用法见示例代码:


from multiprocessing import Pool
def show(num):
   print('num : ' + str(num))
if __name__=="__main__":
   pool = Pool(processes = 3)
   for i in xrange(6):
       # 维持执行的进程总数为processes,当一个进程执行完毕后会添加新的进程进去
       pool.apply_async(show, args=(i, ))      
   print('======  apply_async  ======')
   pool.close()
   #调用join之前,先调用close函数,否则会出错。执行完close后不会有新的进程加入到pool,join函数等待所有子进程结束
   pool.join()

3 Python 多线程

3.1 GIL

其他语言,CPU 是多核时是支持多个线程同时执行。但在 Python 中,无论是单核还是多核,同时只能由一个线程在执行。其根源是 GIL 的存在。

GIL 的全称是 Global Interpreter Lock(全局解释器锁),来源是 Python 设计之初的考虑,为了数据安全所做的决定。某个线程想要执行,必须先拿到 GIL,我们可以把 GIL 看作是“通行证”,并且在一个 Python 进程中,GIL 只有一个。拿不到通行证的线程,就不允许进入 CPU 执行。

而目前 Python 的解释器有多种,例如:

  • CPython:CPython 是用C语言实现的 Python 解释器。 作为官方实现,它是最广泛使用的 Python 解释器。

  • PyPy:PyPy 是用RPython实现的解释器。RPython 是 Python 的子集, 具有静态类型。这个解释器的特点是即时编译,支持多重后端(C, CLI, JVM)。PyPy 旨在提高性能,同时保持最大兼容性(参考 CPython 的实现)。J

  • ython:Jython 是一个将 Python 代码编译成 Java 字节码的实现,运行在JVM (Java Virtual Machine) 上。另外,它可以像是用 Python 模块一样,导入 并使用任何Java类。IronPython:IronPython 是一个针对 .NET 框架的 Python 实现。它 可以用 Python 和 .NET framewor k的库,也能将 Python 代码暴露给 .NET 框架中的其他语言。

GIL 只在 CPython 中才有,而在 PyPy 和 Jython 中是没有 GIL 的。
每次释放 GIL锁,线程进行锁竞争、切换线程,会消耗资源。这就导致打印线程执行时长,会发现耗时更长的原因。

3.2 创建多线程

Python提供两个模块进行多线程的操作,分别是thread和threading,

前者是比较低级的模块,用于更底层的操作,一般应用级别的开发不常用。

方法1:直接使用threading.Thread()


import threading
# 这个函数名可随便定义
def run(n):
   print("current task:", n)
if __name__ == "__main__":
   t1 = threading.Thread(target=run, args=("thread 1",))
   t2 = threading.Thread(target=run, args=("thread 2",))
   t1.start()
   t2.start()

方法2:继承threading.Thread来自定义线程类,重写run方法


import threading
class MyThread(threading.Thread):
   def __init__(self, n):
       super(MyThread, self).__init__()  # 重构run函数必须要写
       self.n = n
   def run(self):
       print("current task:", n)
if __name__ == "__main__":
   t1 = MyThread("thread 1")
   t2 = MyThread("thread 2")
   t1.start()
   t2.start()

3.3 线程合并

Join函数执行顺序是逐个执行每个线程,执行完毕后继续往下执行。主线程结束后,子线程还在运行,join函数使得主线程等到子线程结束时才退出。


import threading
def count(n):
   while n > 0:
       n -= 1
if __name__ == "__main__":
   t1 = threading.Thread(target=count, args=("100000",))
   t2 = threading.Thread(target=count, args=("100000",))
   t1.start()
   t2.start()
   # 将 t1 和 t2 加入到主线程中
   t1.join()
   t2.join()

3.4 线程同步与互斥锁

线程之间数据共享的。当多个线程对某一个共享数据进行操作时,就需要考虑到线程安全问题。threading模块中定义了Lock 类,提供了互斥锁的功能来保证多线程情况下数据的正确性。

用法的基本步骤:


#创建锁
mutex = threading.Lock()
#锁定
mutex.acquire([timeout])
#释放
mutex.release()

其中,锁定方法acquire可以有一个超时时间的可选参数timeout。如果设定了timeout,则在超时后通过返回值可以判断是否得到了锁,从而可以进行一些其他的处理。

具体用法见示例代码:


import threading
import time
num = 0
mutex = threading.Lock()
class MyThread(threading.Thread):
   def run(self):
       global num
       time.sleep(1)
       if mutex.acquire(1):  
           num = num + 1
           msg = self.name + ': num value is ' + str(num)
           print(msg)
           mutex.release()
if __name__ == '__main__':
   for i in range(5):
       t = MyThread()
       t.start()

3.5 可重入锁(递归锁)

为了满足在同一线程中多次请求同一资源的需求,Python 提供了可重入锁(RLock)。
RLock内部维护着一个Lock和一个counter变量,counter 记录了 acquire 的次数,从而使得资源可以被多次 require。直到一个线程所有的 acquire 都被 release,其他的线程才能获得资源。

具体用法如下:


#创建 RLock
mutex = threading.RLock()
class MyThread(threading.Thread):
   def run(self):
       if mutex.acquire(1):
           print("thread " + self.name + " get mutex")
           time.sleep(1)
           mutex.acquire()
           mutex.release()
           mutex.release()

3.6 守护线程

如果希望主线程执行完毕之后,不管子线程是否执行完毕都随着主线程一起结束。我们可以使用setDaemon(bool)函数,它跟join函数是相反的。它的作用是设置子线程是否随主线程一起结束,必须在start() 之前调用,默认为False。

3.7 定时器

如果需要规定函数在多少秒后执行某个操作,需要用到Timer类。具体用法如下:


from threading import Timer
def show():
   print("Pyhton")
# 指定一秒钟之后执行 show 函数
t = Timer(1, hello)
t.start()  

4 选择多线程还是多进程?

在这个问题上,首先要看下你的程序是属于哪种类型的。一般分为两种 CPU 密集型 和 I/O 密集型。

  • CPU 密集型:程序比较偏重于计算,需要经常使用 CPU 来运算。例如科学计算的程序,机器学习的程序等。

  • I/O 密集型:顾名思义就是程序需要频繁进行输入输出操作。爬虫程序就是典型的 I/O 密集型程序。

如果程序是属于 CPU 密集型,建议使用多进程。而多线程就更适合应用于 I/O 密集型程序。

来源:https://blog.csdn.net/xz1308579340/article/details/114706863

0
投稿

猜你喜欢

手机版 网络编程 asp之家 www.aspxhome.com