Python之路【第七篇】:线程、进程和协程
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。1234567891011121314#!/usr/bin/env python# -*- coding:utf-8 -*-import threadingimport time
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。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
|
#!/usr/bin/env python
# -*- coding:utf-8 -*-
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
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
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
|
#!/usr/bin/env python
#coding:utf-8
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。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
|
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
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
|
#!/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
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
|
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()
|
Timer
定时器,指定n秒后执行某操作
1
2
3
4
5
6
7
8
|
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
1
2
3
4
5
6
7
8
9
10
|
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
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
|
#方法一,Array
from
multiprocessing
import
Process,Array
temp
=
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()
|
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
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
|
#!/usr/bin/env python
# -*- coding:utf-8 -*-
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()
#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
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
|
#!/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
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
|
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:
Python之路【第七篇】:线程、进程和协程
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。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
|
#!/usr/bin/env python
# -*- coding:utf-8 -*-
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
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
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
|
#!/usr/bin/env python
#coding:utf-8
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。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
|
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
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
|
#!/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
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
|
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()
|
Timer
定时器,指定n秒后执行某操作
1
2
3
4
5
6
7
8
|
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
1
2
3
4
5
6
7
8
9
10
|
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
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
|
#方法一,Array
from
multiprocessing
import
Process,Array
temp
=
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()
|
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
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
|
#!/usr/bin/env python
# -*- coding:utf-8 -*-
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()
#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
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
|
#!/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
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
|
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:
更多推荐
所有评论(0)