首页 > 代码库 > 线程和进程

线程和进程

2024-08-15 10:48:11   216人阅读

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


联系
我们