一篇文章带你了解Python的进程|一篇文章带你了解Python的进程,线程和协程一篇文章带你了解Python的进程

线程

线程锁
threading.RLock和threading.Lock的区别
threading.Event
threading.Condition
queue队列
生产者消费者模型

进程

Serverprocess
进程池

协程

总结

线程 Threading用于提供线程相关的操作。线程是应用程序中工作的最小单元，它被包含在进程之中，是进程中的实际运作单位。一条线程指的是进程中一个单一顺序的控制流，一个进程中可以并发多个线程，每条线程并行执行不同的任务。
threading 模块建立在 _thread 模块之上。thread 模块以低级、原始的方式来处理和控制线程，而 threading 模块通过对 thread 进行二次封装，提供了更方便的 api 来处理线程。

import threadingimport timedef worker(num):time.sleep(1)print(num)returnfor i in range(10):t = threading.Thread(target=worker, args=(i,), name="t.%d" % i)t.start()

# 继承式调用import threadingimport timeclass MyThread(threading.Thread):def __init__(self,num):threading.Thread.__init__(self)self.num = numdef run(self):#定义每个线程要运行的函数print("running on number:%s" %self.num)time.sleep(2)if __name__ == '__main__':t1 = MyThread(1)t2 = MyThread(2)t1.start()t2.start()

thread方法：

t.start() : 激活线程
t.getName() : 获取线程的名称
t.setName() ：设置线程的名称
t.name: 获取或设置线程的名称
t.is_alive() ：判断线程是否为激活状态
t.isAlive() ：判断线程是否为激活状态
t.setDaemon() 设置为后台线程或前台线程（默认：False）; 通过一个布尔值设置线程是否为守护线程，必须在执行start()方法之前才可以使用。如果是后台线程，主线程执行过程中，后台线程也在进行，主线程执行完毕后，后台线程不论成功与否，均停止；如果是前台线程，主线程执行过程中，前台线程也在进行，主线程执行完毕后，等待前台线程也执行完成后，程序停止
t.isDaemon() ：判断是否为守护线程
t.ident ：获取线程的标识符。线程标识符是一个非零整数，只有在调用了start()方法之后该属性才有效，否则它只返回None
t.join() ：逐个执行每个线程，执行完毕后继续往下执行，该方法使得多线程变得无意义
t.run() ：线程被cpu调度后自动执行线程对象的run方法

线程锁

threading.RLock & threading.Lock

我们使用线程对数据进行操作的时候，如果多个线程同时修改某个数据，可能会出现不可预料的结果，为了保证数据的准确性，引入了锁的概念。

import threadingimport timenum = 0lock = threading.RLock()# 实例化锁类def work():lock.acquire()# 加锁global numnum += 1time.sleep(1)print(num)lock.release()# 解锁for i in range(10):t = threading.Thread(target=work)t.start()

threading.RLock和threading.Lock 的区别
RLock允许在同一线程中被多次acquire。而Lock却不允许这种情况。如果使用RLock，那么acquire和release必须成对出现，即调用了n次acquire，必须调用n次的release才能真正释放所占用的锁。

import threadinglock = threading.Lock()lock.acquire()lock.acquire()# 产生死锁lock.release()lock.release()

import threadingrlock = threading.RLock()rlock.acquire()rlock.acquire()# 在同一线程内，程序不会堵塞。rlock.release()rlock.release()print("end.")

threading.Event
Event是线程间通信最间的机制之一：一个线程发送一个event信号，其他的线程则等待这个信号。用于主线程控制其他线程的执行。 Events 管理一个flag，这个flag可以使用set()设置成True或者使用clear()重置为False，wait()则用于阻塞，在flag为True之前。flag默认为False。
Event.wait([timeout]) ：堵塞线程，直到Event对象内部标识位被设为True或超时（如果提供了参数timeout）
Event.set() ：将标识位设为Ture
Event.clear() ：将标识伴设为False
Event.isSet() ：判断标识位是否为Ture
当线程执行的时候，如果flag为False，则线程会阻塞，当flag为True的时候，线程不会阻塞。它提供了本地和远程的并发性。

threading.Condition
Python提供的Condition对象提供了对复杂线程同步问题的支持。Condition被称为条件变量，除了提供与Lock类似的acquire和release方法外，还提供了wait和notify方法。线程首先acquire一个条件变量，然后判断一些条件。如果条件不满足则wait；如果条件满足，进行一些处理改变条件后，通过notify方法通知其他线程，其他处于wait状态的线程接到通知后会重新判断条件。不断的重复这一过程，从而解决复杂的同步问题。
在典型的设计风格里，利用condition变量用锁去通许访问一些共享状态，线程在获取到它想得到的状态前，会反复调用wait()。修改状态的线程在他们状态改变时调用 notify() or notify_all()，用这种方式，线程会尽可能的获取到想要的一个等待者状态。

import threadingimport time
def consumer(cond):with cond:print("consumer before wait")cond.wait()print("consumer after wait")def producer(cond):with cond:print("producer before notifyAll")cond.notifyAll()print("producer after notifyAll")condition = threading.Condition()c1 = threading.Thread(name="c1", target=consumer, args=(condition,))c2 = threading.Thread(name="c2", target=consumer, args=(condition,))p = threading.Thread(name="p", target=producer, args=(condition,))c1.start()time.sleep(2)c2.start()time.sleep(2)p.start()# consumer()线程要等待producer()设置了Condition之后才能继续。

queue 队列
适用于多线程编程的先进先出数据结构，可以用来安全的传递多线程信息。
queue 方法：
q = queue.Queue(maxsize=0) # 构造一个先进显出队列，maxsize指定队列长度，为0 时，表示队列长度无限制。
q.join()# 等到队列为kong的时候，在执行别的操作q.qsize()# 返回队列的大小（不可靠）
q.empty() # 当队列为空的时候，返回True 否则返回False （不可靠）
q.full() # 当队列满的时候，返回True，否则返回False （不可靠）
【一篇文章带你了解Python的进程|一篇文章带你了解Python的进程,线程和协程】q.put(item, block=True, timeout=None) # 将item放入Queue尾部，item必须存在，可以参数block默认为True,表示当队列满时，会等待队列给出可用位置，为False时为非阻塞，此时如果队列已满，会引发queue.Full 异常。可选参数timeout，表示会阻塞设置的时间，过后，如果队列无法给出放入item的位置，则引发 queue.Full 异常
q.get(block=True, timeout=None) # 移除并返回队列头部的一个值，可选参数block默认为True，表示获取值的时候，如果队列为空，则阻塞，为False时，不阻塞，若此时队列为空，则引发 queue.Empty异常。可选参数timeout，表示会阻塞设置的时候，过后，如果队列为空，则引发Empty异常。q.put_nowait(item) # 等效于 put(item,block=False)q.get_nowait() # 等效于 get(item,block=False)

生产者消费者模型

import queueimport threadingque = queue.Queue(10)def s(i):que.put(i)# print("size:", que.qsize())def x(i):g = que.get(i)print("get:", g)for i in range(1, 13):t = threading.Thread(target=s, args=(i,))t.start()for i in range(1, 11):t = threading.Thread(target=x, args=(i,))t.start()print("size:", que.qsize())# 输出结果：get: 1get: 2get: 3get: 4get: 5get: 6get: 7get: 8get: 9get: 10size: 2

自定义线程池：
自定义线程池（一）

# 自定义线程池（一）import queueimport threadingimport timeclass TreadPool:def __init__(self, max_num=20):self.queue = queue.Queue(max_num)for i in range(max_num):self.queue.put(threading.Thread)def get_thread(self):return self.queue.get()def add_thread(self):self.queue.put(threading.Thread)def func(pool, n):time.sleep(1)print(n)pool.add_thread()p = TreadPool(10)for i in range(1, 100):thread = p.get_thread()t = thread(target=func, args=(p, i,))t.start()

自定义线程池（二）

# 线程池（二）import queueimport threadingimport contextlibimport timeStopEvent = object()class Threadpool:def __init__(self, max_num=10):self.q = queue.Queue()self.max_num = max_numself.terminal = Falseself.generate_list = []# 以创建线程列表self.free_list = []# 以创建的线程空闲列表def run(self, func, args, callback=None):"""线程池执行一个任务:param func: 任务函数:param args: 任务函数所需参数:param callback: 任务执行失败或成功后执行的回调函数，回调函数有两个参数1、任务函数执行状态；2、任务函数返回值（默认为None，即：不执行回调函数）:return: 如果线程池已经终止，则返回True否则None"""if len(self.free_list) == 0 and len(self.generate_list) < self.max_num:self.generate_thread()w = (func, args, callback,)self.q.put(w)def generate_thread(self):"""创建一个线程"""t = threading.Thread(target=self.call)t.start()def call(self):"""循环去获取任务函数并执行任务函数"""current_thread = threading.currentThread# 当前线程self.generate_list.append(current_thread)event = self.q.get()while event != StopEvent:func, arguments, callback = eventtry:result = func(*arguments)status = Trueexcept Exception as e:status = Falseresult = eif callback is not None:try:callback(status, result)except Exception as e:passif self.terminal:event = StopEventelse:with self.worker_state(self.free_list, current_thread):event = self.q.get()# self.free_list.append(current_thread)# event = self.q.get()# self.free_list.remove(current_thread)else:self.generate_list.remove(current_thread)def close(self):"""执行完所有的任务后，所有线程停止"""num = len(self.generate_list)while num:self.q.put(StopEvent)num -= 1def terminate(self):"""无论是否还有任务，终止线程"""self.terminal = Truewhile self.generate_list:self.q.put(StopEvent)self.q.empty()# 清空队列@contextlib.contextmanager# with上下文管理def worker_state(self, frelist, val):"""用于记录线程中正在等待的线程数"""frelist.append(val)try:yieldfinally:frelist.remove(val)def work(i):time.sleep(1)print(i)pool = Threadpool()for item in range(50):pool.run(func=work, args=(item,))pool.close()# pool.terminate()

进程

# 进程from multiprocessing import Processdef work(name):print("Hello, %s" % name)if __name__ == "__main__":p = Process(target=work, args=("nick",))p.start()p.join()

注意：由于进程之间的数据需要各自持有一份，所以创建进程需要的非常大的开销。
数据共享
不同进程间内存是不共享的，要想实现两个进程间的数据交换，可以用以下方法：
Shared memory
数据可以用Value或Array存储在一个共享内存地图里，如下：

from multiprocessing import Process, Value, Arraydef f(n, a):n.value = https://www.it610.com/article/3.1415927for i in range(len(a)):a[i] = -a[i]if __name__ =='__main__':num = Value('d', 0.0)arr = Array('i', range(10))p = Process(target=f, args=(num, arr))p.start()p.join()print(num.value)print(arr[:])

# 输出：
3.1415927
[0, -1, -2, -3, -4, -5, -6, -7, -8, -9]

创建num和arr时，“d”和“i”参数由Array模块使用的typecodes创建：“d”表示一个双精度的浮点数，“i”表示一个有符号的整数，这些共享对象将被线程安全的处理。
类型对应表

‘c': ctypes.c_char‘u': ctypes.c_wchar‘b': ctypes.c_byte‘B': ctypes.c_ubyte‘h': ctypes.c_short‘H': ctypes.c_ushort‘i': ctypes.c_int‘I': ctypes.c_uint‘l': ctypes.c_long,‘L': ctypes.c_ulong‘f': ctypes.c_float‘d': ctypes.c_double

from multiprocessing import Process,Arraytemp = Array('i', [11,22,33,44])def Foo(i):temp[i] = 100+ifor item in temp:print i,'----->',itemfor i in range(2):p = Process(target=Foo,args=(i,))p.start()

Server process
由Manager()返回的manager提供list, dict, Namespace, Lock, RLock, Semaphore, BoundedSemaphore, Condition, Event, Barrier, Queue, Value and Array类型的支持。

from multiprocessing import Process, Managerdef f(d, l):d[1] = '1'd['2'] = 2d[0.25] = Nonel.reverse()if __name__ == '__main__':with Manager() as manager:d = manager.dict()l = manager.list(range(10))p = Process(target=f, args=(d, l))p.start()p.join()print(d)print(l)

# 输出结果：
{0.25: None, 1: '1', '2': 2}
[9, 8, 7, 6, 5, 4, 3, 2, 1, 0]

Server process manager比 shared memory 更灵活，因为它可以支持任意的对象类型。另外，一个单独的manager可以通过进程在网络上不同的计算机之间共享，不过他比shared memory要慢。

# manage.dict()共享数据from multiprocessing import Process,Managermanage = Manager()dic = manage.dict()def Foo(i):dic[i] = 100+iprint dic.values()for i in range(2):p = Process(target=Foo,args=(i,))p.start()p.join()

当创建进程时（非使用时），共享数据会被拿到子进程中，当进程中执行完毕后，再赋值给原值。
进程锁实例

#!/usr/bin/env python# -*- coding:utf-8 -*-from multiprocessing import Process, Array, RLockdef Foo(lock,temp,i):"""将第0个数加100"""lock.acquire()temp[0] = 100+ifor item in temp:print i,'----->',itemlock.release()lock = RLock()temp = Array('i', [11, 22, 33, 44])for i in range(20):p = Process(target=Foo,args=(lock,temp,i,))p.start()

进程池
进程池内部维护一个进程序列，当使用时，则去进程池中获取一个进程，如果进程池序列中没有可供使用的进进程，那么程序就会等待，直到进程池中有可用进程为止。
方法:

apply(func[, args[, kwds]]) ：使用arg和kwds参数调用func函数，结果返回前会一直阻塞，由于这个原因，apply_async()更适合并发执行，另外，func函数仅被pool中的一个进程运行。
apply_async(func[, args[, kwds[, callback[, error_callback]]]]) ： apply()方法的一个变体，会返回一个结果对象。如果callback被指定，那么callback可以接收一个参数然后被调用，当结果准备好回调时会调用callback，调用失败时，则用error_callback替换callback。 Callbacks应被立即完成，否则处理结果的线程会被阻塞。
close() ：阻止更多的任务提交到pool，待任务完成后，工作进程会退出。
terminate() ：不管任务是否完成，立即停止工作进程。在对pool对象进程垃圾回收的时候，会立即调用terminate()。
join() : wait工作线程的退出，在调用join()前，必须调用close() or terminate()。这样是因为被终止的进程需要被父进程调用wait（join等价与wait），否则进程会成为僵尸进程

进程池中有两个方法：

apply
apply_async

from multiprocessing import Poolimport timedef myFun(i):time.sleep(2)return i+100def end_call(arg):print("end_call",arg)p = Pool(5)# print(p.map(myFun,range(10)))for i in range(10):p.apply_async(func=myFun,args=(i,),callback=end_call)print("end")p.close()p.join()

官方示例

from multiprocessing import Pool, TimeoutErrorimport timeimport osdef f(x):return x*xif __name__ == '__main__':# 创建4个进程 with Pool(processes=4) as pool:# 打印 "[0, 1, 4,..., 81]" print(pool.map(f, range(10)))# 使用任意顺序输出相同的数字， for i in pool.imap_unordered(f, range(10)):print(i)# 异步执行"f(20)" res = pool.apply_async(f, (20,))# 只运行一个进程 print(res.get(timeout=1))# 输出 "400" # 异步执行 "os.getpid()" res = pool.apply_async(os.getpid, ()) # 只运行一个进程 print(res.get(timeout=1))# 输出进程的 PID # 运行多个异步执行可能会使用多个进程 multiple_results = [pool.apply_async(os.getpid, ()) for i in range(4)]print([res.get(timeout=1) for res in multiple_results])# 是一个进程睡10秒 res = pool.apply_async(time.sleep, (10,))try:print(res.get(timeout=1))except TimeoutError:print("发现一个 multiprocessing.TimeoutError异常")print("目前，池中还有其他的工作")# 退出with块中已经停止的池 print("Now the pool is closed and no longer available")

协程协程又叫微线程，从技术的角度来说，“协程就是你可以暂停执行的函数”。如果你把它理解成“就像生成器一样”，那么你就想对了。线程和进程的操作是由程序触发系统接口，最后的执行者是系统；协程的操作则是程序员。
协程存在的意义：对于多线程应用，CPU通过切片的方式来切换线程间的执行，线程切换时需要耗时（保存状态，下次继续）。协程，则只使用一个线程，在一个线程中规定某个代码块执行顺序。
协程的适用场景：当程序中存在大量不需要CPU的操作时（IO），适用于协程。

# 安装pip install gevent# 导入模块import gevent

greenlet

# greenletfrom greenlet import greenletdef test1():print(11)gr2.switch()print(22)gr2.switch()def test2():print(33)gr1.switch()print(44)gr1 = greenlet(test1)gr2 = greenlet(test2)gr1.switch()

# 输出结果：
11
33
22

gevent

# geventimport geventdef foo():print("Running in foo")gevent.sleep(0)print("Explicit context switch to foo angin")def bar():print("Explicit context to bar")gevent.sleep(0)print("Implicit context swich back to bar")gevent.joinall([gevent.spawn(foo),gevent.spawn(bar),])# 输出结果：Running in fooExplicit context to barExplicit context switch to foo anginImplicit context swich back to bar

遇到IO操作自动切换

# 遇到IO自动切换from gevent import monkeymonkey.patch_all()import geventimport requestsdef f(url):print("FET: %s" % url)resp = requests.get(url)data = https://www.it610.com/article/len(resp.text)print(url, data)gevent.joinall([gevent.spawn(f,'https://www.python.org/'),gevent.spawn(f, 'https://www.yahoo.com/'),gevent.spawn(f, 'https://github.com/'),

总结本篇文章就到这里了，希望能够给你带来帮助，也希望您能够多多关注脚本之家的更多内容!