首页 > 代码库 > 线程和进程

线程和进程

Python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。

#!/usr/bin/env python# -*- coding:utf-8 -*-import threadingimport time  def show(arg):    time.sleep(1)    print ‘thread‘+str(arg)  for i in range(10):    t = threading.Thread(target=show, args=(i,))    t.start()  print ‘main thread stop‘

上述代码创建了10个“前台”线程,然后控制器就交给了CPU,CPU根据指定算法进行调度,分片执行指令。

更多方法:

    • start            线程准备就绪,等待CPU调度
    • setName      为线程设置名称
    • getName      获取线程名称
    • setDaemon   设置为后台线程或前台线程(默认)
                         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
    • 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
    • run              线程被cpu调度后自动执行线程对象的run方法
技术分享
import threadingimport time  class MyThread(threading.Thread):    def __init__(self,num):        threading.Thread.__init__(self)        self.num = num     def run(self):#定义每个线程要运行的函数         print("running on number:%s" %self.num)         time.sleep(3) if __name__ == __main__:     t1 = MyThread(1)    t2 = MyThread(2)    t1.start()    t2.start()
自定义线程类

线程锁(Lock、RLock)

由于线程之间是进行随机调度,并且每个线程可能只执行n条执行之后,当多个线程同时修改同一条数据时可能会出现脏数据,所以,出现了线程锁 - 同一时刻允许一个线程执行操作。

 

 1 #!/usr/bin/env python 2 # -*- coding:utf-8 -*- 3 import threading 4 import time 5  6 gl_num = 0 7  8 def show(arg): 9     global gl_num10     time.sleep(1)11     gl_num +=112     print gl_num13 14 for i in range(10):15     t = threading.Thread(target=show, args=(i,))16     t.start()17 18 print main thread stop
 1 #!/usr/bin/env python 2 #coding:utf-8 3     4 import threading 5 import time 6     7 gl_num = 0 8     9 lock = threading.RLock()10    11 def Func():12     lock.acquire()13     global gl_num14     gl_num +=115     time.sleep(1)16     print gl_num17     lock.release()18        19 for i in range(10):20     t = threading.Thread(target=Func)21     t.start()

 

信号量(Semaphore)

互斥锁 同时只允许一个线程更改数据,而Semaphore是同时允许一定数量的线程更改数据 ,比如厕所有3个坑,那最多只允许3个人上厕所,后面的人只能等里面有人出来了才能再进去。

import threading,time def run(n):    semaphore.acquire()    time.sleep(1)    print("run the thread: %s" %n)    semaphore.release() if __name__ == ‘__main__‘:     num= 0    semaphore  = threading.BoundedSemaphore(5) #最多允许5个线程同时运行    for i in range(20):        t = threading.Thread(target=run,args=(i,))        t.start()

  

事件(event)

python线程的事件用于主线程控制其他线程的执行,事件主要提供了三个方法 set、wait、clear。

事件处理的机制:全局定义了一个“Flag”,如果“Flag”值为 False,那么当程序执行 event.wait 方法时就会阻塞,如果“Flag”值为True,那么event.wait 方法时便不再阻塞。

  • clear:将“Flag”设置为False
  • set:将“Flag”设置为True
#!/usr/bin/env python# -*- coding:utf-8 -*- import threading  def do(event):    print start    event.wait()    print execute  event_obj = threading.Event()for i in range(10):    t = threading.Thread(target=do, args=(event_obj,))    t.start() event_obj.clear()inp = raw_input(input:)if inp == true:    event_obj.set()

条件(Condition)

使得线程等待,只有满足某条件时,才释放n个线程

import threading def run(n):    con.acquire()    con.wait()    print("run the thread: %s" %n)    con.release() if __name__ == ‘__main__‘:     con = threading.Condition()    for i in range(10):        t = threading.Thread(target=run, args=(i,))        t.start()     while True:        inp = input(‘>>>‘)        if inp == ‘q‘:            break        con.acquire()        con.notify(int(inp))        con.release()

  

def condition_func():    ret = False    inp = input(>>>)    if inp == 1:        ret = True    return retdef run(n):    con.acquire()    con.wait_for(condition_func)    print("run the thread: %s" %n)    con.release()if __name__ == __main__:    con = threading.Condition()    for i in range(10):        t = threading.Thread(target=run, args=(i,))        t.start()

Timer

定时器,指定n秒后执行某操作

from threading import Timer  def hello():    print("hello, world") t = Timer(1, hello)t.start()  # after 1 seconds, "hello, world" will be printed

Python 进程

from multiprocessing import Processimport threadingimport time  def foo(i):    print ‘say hi‘,i  for i in range(10):    p = Process(target=foo,args=(i,))    p.start()

  

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。

进程数据共享

进程各自持有一份数据,默认无法共享数据

技术分享
 1 #!/usr/bin/env python 2 #coding:utf-8 3   4 from multiprocessing import Process 5 from multiprocessing import Manager 6   7 import time 8   9 li = []10  11 def foo(i):12     li.append(i)13     print say hi,li14   15 for i in range(10):16     p = Process(target=foo,args=(i,))17     p.start()18      19 print ending,li
进程间默认无法数据共享
#方法一,Arrayfrom multiprocessing import Process,Arraytemp = Array(‘i‘, [11,22,33,44]) def Foo(i):    temp[i] = 100+i    for item in temp:        print i,‘----->‘,item for i in range(2):    p = Process(target=Foo,args=(i,))    p.start() #方法二:manage.dict()共享数据from multiprocessing import Process,Manager manage = Manager()dic = manage.dict() def Foo(i):    dic[i] = 100+i    print dic.values() for i in range(2):    p = Process(target=Foo,args=(i,))    p.start()    p.join()

  

技术分享
1 c: ctypes.c_char,  u: ctypes.c_wchar,2     b: ctypes.c_byte,  B: ctypes.c_ubyte,3     h: ctypes.c_short, H: ctypes.c_ushort,4     i: ctypes.c_int,   I: ctypes.c_uint,5     l: ctypes.c_long,  L: ctypes.c_ulong,6     f: ctypes.c_float, d: ctypes.c_double
类型对应表
技术分享
 1 from multiprocessing import Process, Queue 2  3 def f(i,q): 4     print(i,q.get()) 5  6 if __name__ == __main__: 7     q = Queue() 8  9     q.put("h1")10     q.put("h2")11     q.put("h3")12 13     for i in range(10):14         p = Process(target=f, args=(i,q,))15         p.start()
Code

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。

技术分享
 1 #!/usr/bin/env python 2 # -*- coding:utf-8 -*- 3  4 from multiprocessing import Process, Array, RLock 5  6 def Foo(lock,temp,i): 7     """ 8     将第0个数加100 9     """10     lock.acquire()11     temp[0] = 100+i12     for item in temp:13         print i,----->,item14     lock.release()15 16 lock = RLock()17 temp = Array(i, [11, 22, 33, 44])18 19 for i in range(20):20     p = Process(target=Foo,args=(lock,temp,i,))21     p.start()
进程锁实例

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。

进程池中有两个方法:

  • apply
  • apply_async
#!/usr/bin/env python# -*- coding:utf-8 -*-from  multiprocessing import Process,Poolimport time  def Foo(i):    time.sleep(2)    return i+100  def Bar(arg):    print arg  pool = Pool(5)#print pool.apply(Foo,(1,))#print pool.apply_async(func =Foo, args=(1,)).get()  for i in range(10):    pool.apply_async(func=Foo, args=(i,),callback=Bar)  print ‘end‘pool.close()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。

  

协程

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;

greenlet

#!/usr/bin/env python# -*- coding:utf-8 -*-  from greenlet import greenlet  def test1():    print 12    gr2.switch()    print 34    gr2.switch()  def test2():    print 56    gr1.switch()    print 78 gr1 = greenlet(test1)gr2 = greenlet(test2)gr1.switch()

  

gevent

import gevent def foo():    print(‘Running in foo‘)    gevent.sleep(0)    print(‘Explicit context switch to foo again‘) def bar():    print(‘Explicit context to bar‘)    gevent.sleep(0)    print(‘Implicit context switch back to bar‘) gevent.joinall([    gevent.spawn(foo),    gevent.spawn(bar),])

遇到IO操作自动切换:

from gevent import monkey; monkey.patch_all()import geventimport urllib2def f(url):    print(GET: %s % url)    resp = urllib2.urlopen(url)    data = resp.read()    print(%d bytes received from %s. % (len(data), url))gevent.joinall([        gevent.spawn(f, https://www.python.org/),        gevent.spawn(f, https://www.yahoo.com/),        gevent.spawn(f, https://github.com/),])

 

线程和进程