首页 > 代码库 > Python自学笔记-进程,线程(Mr serven)
Python自学笔记-进程,线程(Mr serven)
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。
import threading import 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.
#!/usr/bin/env python3 # -*- coding:utf-8 -*- import threading import time class MyThread(threading.Thread): def __init__(self, num): threading.Thread.__init__(self) self.num = num def run(self): print("Running on number:%s"%self.num) time.sleep(3) print(time.localtime()) if __name__ == ‘__main__‘: print(time.localtime()) t1 = MyThread(1) t2 = MyThread(2) t3 = MyThread(3) t4 = MyThread(4) t1.start() t2.start() t3.start() t4.start()
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。
# no lock import threading import time gl_num = 0 def show(arg): global gl_num time.sleep(1) gl_num += 1 print(gl_num) for i in range(100): t = threading.Thread(target=show, args=(i,)) t.start() print("main thread stop")
# lock import threading import time gl_num = 0 lock = threading.RLock() def Func(): lock.acquire() global gl_num gl_num += 1 time.sleep(1) print(gl_num) lock.release() for i in range(10): t = threading.Thread(target=Func) 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(4) print(" Begin to Run the thread:%s"%n) semaphore.release() if __name__ == ‘__main__‘: num = 0 semaphore = threading.BoundedSemaphore(6) for i in range(200): 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
import threading def do(event): print("Start") event.wait() print("Execute") event_obj = threading.Event() for i in range(5): t = threading.Thread(target=do,args=(event_obj,)) t.start() event_obj.clear() inp = 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
import threading def condition_func(): ret = False inp = input(">>>") if inp == ‘1‘: ret = True return ret def 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()
from threading import Timer def hello(): print("helloworld") t = Timer(5, hello) t.start()
from multiprocessing import Process import threading import 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.
#!/usr/bin/env python3 # -*- coding:utf-8 -*- from multiprocessing import Process from multiprocessing import Manager import time li = [] def foo(i): li.append(i) print("say hi,",li) for i in range(6): p = Process(target=foo, args=(i,)) p.start() print("ending",li)
# 方法一,Array from multiprocessing import Process, Array temp = Array(‘i‘,[11,22,33,44,55]) def Foo(i): temp[i] = 100 + i for item in temp: print(i,‘---->‘,item) for i in range(5): p = Process(target=Foo,args=(i,)) p.start() #方法2: 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()
#!/usr/bin/env python3 # -*- coding:utf-8 -*- from multiprocessing import Process, Queue def f(i,q): print(i,q.get()) if __name__ == ‘__main__‘: q = Queue() q.put(‘h1‘) q.put(‘h2‘) q.put(‘h3‘) for i in range(10): p = Process(target=f, args=(i,q,)) p.start()
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。
from multiprocessing import Process, Array, RLock def Foo(lock, temp, i): lock.acquire() temp[0] = 100 + i for item in temp: print(i,‘---->‘,item) lock.release() lock = RLock() temp = Array(‘i‘,[11,22,33,44,55]) for i in range(20): p = Process(target=Foo, args=(lock,temp,i,))
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
from multiprocessing import Process, Pool import 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()
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;
import greenlet def test1(): print(12) gr2.switch() print(34) gr2.switch() def test2(): print(56) gr1.switch() print(78) gr1 = greenlet.greenlet(test1) gr2 = greenlet.greenlet(test2) gr1.switch()
#!/usr/bin/env python3 # -*- coding:utf-8 -*- import gevent def foo(): print("Running in foo") gevent.sleep(1) 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), ])
Python自学笔记-进程,线程(Mr serven)