Python—進程、線程、協程

一、線程

　　線程是操作系統能夠進行運算調度的最小單位。它被包含在進程之中，是進程中的實際運作單位。一條線程指的是進程中一個單一順序的控制流，一個進程中可以並發多個線程，每條線程並行執行不同的任務

方法：

　　start            線程准備就緒，等待CPU調度

　　setName      設置線程名稱

　　getName      獲取線程名稱

　　setDaemon   把一個主進程設置為Daemon線程后，主線程執行過程中，后台線程也在進行，主線程執行完畢后，后台線程不論有沒執行完成，都會停止

　　join              逐個執行每個線程，執行完畢后繼續往下執行，該方法使得多線程變得無意義　　

　　run              線程被cpu調度后自動執行線程對象的run方法

 

threading模塊

　　線程的兩種調用方式：

1.直接調用（常用）

import threading
import time

'''直接調用'''

def hello(name):
    print("Hello %s"%name)
    time.sleep(3)

if __name__ == "__main__":
    t1=threading.Thread(target=hello,args=("zhangsan",)) #生成線程實例
    t2=threading.Thread(target=hello,args=("lisi",))

    t1.setName("aaa")   #設置線程名
    t1.start()  #啟動線程
    t2.start()
    t2.join()   #join  等待t2先執行完
    print("Hello")
    print(t1.getName()) #獲取線程名

2.繼承式調用

'''繼承式調用'''
import threading
import time
class MyThread(threading.Thread):
    def __init__(self,name):
        threading.Thread.__init__(self)
        self.name = name
    def run(self):
        print("Hello %s"%self.name)
        time.sleep(3)

if __name__ == "__main__":
    t1=MyThread("zhangsan")
    t2=MyThread("lisi")
    t1.start()
    t2.start()

 

setDaemon線程

#!/usr/bin/env python
# -*- coding:utf-8 -*-
import time
import threading
def run(n):
    print('Hello..[%s]\n' % n)
    time.sleep(2)

def main():
    for i in range(5):
        t = threading.Thread(target=run,args=[i,])
        t.start()
        t.join(1)

m = threading.Thread(target=main,args=[])
m.setDaemon(True) #將主線程設置Daemon設置為True后,主線程執行完成時,其它子線程會同時退出,不管是否執行完任務
m.start()
print("--- done----")

 

線程鎖Lock

　　一個進程下可以啟動多個線程，多個線程共享父進程的內存空間，每個線程可以訪問同一份數據，所以當多個線程同時要修改同一份數據時，就會出現錯誤

　　例如：

#!/usr/bin/env python
# -*- coding:utf-8 -*-
import threading
import time

num = 100 #設置一個共享變量
def show():
    global num  #在函數內操作函數外變量，需設置為全局變量
    time.sleep(1)
    num -= 1
list=[]
for i in range(100):
    t = threading.Thread(target=show)
    t.start()
    list.append(t)

for t in list:
    t.join()
print(num)

　　上面的例子在正常執行完成后的num的結果應該是0，但實際上每次的執行結果都不太一樣，因為當多個線程同時要修改同一份數據時，就會出現一些錯誤（只有

在python2.x運行才會出現錯誤，python3.x中不會），所以每個線程在要修改公共數據時，為了避免自己在還沒改完的時候別人也來修改此數據，可以加上線程鎖

來確保每次修改數據時只有一個線程在操作。

　　加鎖代碼

#!/usr/bin/env python
# -*- coding:utf-8 -*-
import threading
import time

num = 100 #設置一個共享變量
lock=threading.Lock()  #生成全局鎖
def show():
    global num  #在函數內操作函數外變量，需設置為全局變量
    time.sleep(1)
    lock.acquire()  #修改前加鎖
    num -= 1
    lock.release()  #修改后解鎖
list=[]
for i in range(100):
    t = threading.Thread(target=show)
    t.start()
    list.append(t)

for t in list:
    t.join()

print(num)

遞歸鎖RLock

　　就是在一個大鎖中再包含子鎖

#!/usr/bin/env python
# -*- coding:utf-8 -*-
import threading
#遞歸鎖
def run1():
    lock.acquire()  #小鎖
    global num
    num +=1
    lock.release()
    return num
def run2():
    lock.acquire()  #小鎖
    global  num2
    num2+=1
    lock.release()
    return num2
def run3():
    lock.acquire()  #大鎖
    res = run1()
    res2 = run2()
    lock.release()
    print(res,res2)

if __name__ == '__main__':
    num,num2 = 0,0
    lock = threading.RLock()    #生成Rlock
    for i in range(10):
        t = threading.Thread(target=run3)
        t.start()

while threading.active_count() != 1:#如果不等於1，說明子線程還沒執行完畢
    pass #打印進程數
else:
    print(num,num2)

Semaphore

　　同時允許一定數量的線程更改數據

#!/usr/bin/env python
# -*- coding:utf-8 -*-
import threading
import time
def run(n):
    semaphore.acquire()
    time.sleep(1)
    print("run the thread: %s" %n)
    semaphore.release()

if __name__ == '__main__':
    semaphore  = threading.BoundedSemaphore(3) #設置最多允許3個線程同時運行
    for i in range(20):
        t = threading.Thread(target=run,args=(i,))
        t.start()
while threading.active_count() != 1:
    pass
else:
    print('----done---')

event

　　實現兩個或多個線程間的交互，提供了三個方法 set、wait、clear，默認碰到event.wait 方法時就會阻塞。

　　event.set()，設定后遇到wait不阻塞

　　event.clear()，設定后遇到wait后阻塞

　　event.isSet()，判斷有沒有被設定

#!/usr/bin/env python
# -*- coding:utf-8 -*-
import threading
def start():
    print("---start---1")
    event.wait()    #阻塞
    print("---start---2")

if __name__ == "__main__":
    event = threading.Event()
    t = threading.Thread(target=start)
    t.start()

    result=input(">>:")
    if result == "set":
        event.set() #設定set，wait不阻塞

 

二、進程

multiprocessing模塊

進程調用

#!/usr/bin/env python
# -*- coding:utf-8 -*-
from multiprocessing import Process
import time
def start(name):
    time.sleep(1)
    print('hello', name)

if __name__ == '__main__':
    p = Process(target=start, args=('zhangsan',))
    p1 = Process(target=start, args=('lisi',))
    p.start()
    p1.start()
    p.join()

進程間通訊

　　每個進程都擁有自己的內存空間，因此不同進程間內存是不共享的，要想實現兩個進程間的數據交換，有幾種方法

Queue（隊列）

#!/usr/bin/env python
# -*- coding:utf-8 -*-
from multiprocessing import Process, Queue
def start(q):
    q.put( 'hello')

if __name__ == '__main__':
    q = Queue()
    p = Process(target=start, args=(q,))
    p.start()
    print(q.get())
    p.join()

Pipe（管道，不常用）

　　把管道的兩頭分別賦給兩個進程，實現兩個進程的互相通信

#!/usr/bin/env python
# -*- coding:utf-8 -*-
from multiprocessing import Process, Pipe

def start(conn):
    conn.send('hello')#發送
    print(conn.recv())#接收
    conn.close()

if __name__ == '__main__':
    parent_conn, child_conn = Pipe()    #生成一個管道
    p = Process(target=start, args=(child_conn,))
    p.start()
    print(parent_conn.recv())#接收
    parent_conn.send("11111")#發送
    p.join()

Manager（實現了進程間真正的數據共享）

#!/usr/bin/env python
from multiprocessing import Process, Manager
def f(dic, list,i):
    dic['1'] = 1
    dic['2'] = 2
    dic['3'] = 3
    list.append(i)

if __name__ == '__main__':
    manager = Manager()
    dic = manager.dict()#通過manager生成一個字典
    list = manager.list(range(5))#通過manager生成一個列表
    p_list = []
    for i in range(10):
        p = Process(target=f, args=(dic, list,i))
        p.start()
        p_list.append(p)
    for res in p_list:
        res.join()

    print(dic)
    print(list)
#執行結果
'''
{'2': 2, '3': 3, '1': 1}
[0, 1, 2, 3, 4, 1, 9, 2, 5, 3, 7, 6, 0, 8, 4]
'''

 

進程池

　　進程池內部維護一個進程序列，當使用時，則去進程池中獲取一個進程，如果進程池序列中沒有可供使用的進程，那么程序就會等待，直到進程池中有可用進程為止。

進程池中有兩個方法：

1、apply（同步）

2、apply_async（異步）

#!/usr/bin/env python
# -*- coding:utf-8 -*-
from  multiprocessing import Process,Pool
import time

def Foo(i):
    time.sleep(1)
    return i+100

def Bar(arg):
    print('number::',arg)

if __name__ == "__main__":
    pool = Pool(3)#定義一個進程池，里面有3個進程
    for i in range(10):
        pool.apply_async(func=Foo, args=(i,),callback=Bar)
        #pool.apply(func=Foo, args=(i,))

    pool.close()#關閉進程池
    pool.join()#進程池中進程執行完畢后再關閉,(必須先close在join)

callback是回調函數，就是在執行完Foo方法后會自動執行Bar函數，並且自動把Foo函數的返回值作為參數傳入Bar函數

 

三、協程

　　協程，又稱微線程，是一種用戶態的輕量級線程。協程能保留上一次調用時的狀態，每次過程重入時，就相當於進入上一次調用的狀態，換種說法：進入上一次離開時所處邏輯流的位置，當程序中存在大量不需要CPU的操作時（IO），適用於協程。

協程有極高的執行效率，因為子程序切換不是線程切換，而是由程序自身控制，因此，沒有線程切換的開銷。

不需要多線程的鎖機制，因為只有一個線程，也不存在同時寫變量沖突，在協程中控制共享資源不加鎖，只需要判斷狀態就好了，所以執行效率比多線程高很多。

因為協程是一個線程執行，所以想要利用多核CPU，最簡單的方法是多進程+協程，這樣既充分利用多核，又充分發揮協程的高效率。

那符合什么條件就能稱之為協程：1、必須在只有一個單線程里實現並發 2、修改共享數據不需加鎖 3、用戶程序里自己保存多個控制流的上下文棧 4、一個協程遇到IO操作自動切換到其它協程

python中對於協程有兩個模塊，greenlet和gevent。

 

Greenlet（greenlet的執行順序需要我們手動控制）

#!/usr/bin/env python
# -*- coding:utf-8 -*-
from greenlet import greenlet
def test1():
    print (11)
    gr2.switch()    #手動切換
    print (22)
    gr2.switch()

def test2():
    print (33)
    gr1.switch()
    print (44)

gr1 = greenlet(test1)
gr2 = greenlet(test2)
gr1.switch()

gevent（自動切換，由於切換是在IO操作時自動完成，所以gevent需要修改Python自帶的一些標准庫，這一過程在啟動時通過monkey patch完成）

from gevent import monkey; monkey.patch_all()
import gevent
import time


def foo():
    print('11')
    time.sleep(3)
    print('22')

def bar():
    print('33')
    print('44')

gevent.joinall([
    gevent.spawn(foo),
    gevent.spawn(bar),
])

運行結果：（從結果可以看出，它們是並發執行的）

11
33
44
22

 

參考：

http://www.cnblogs.com/wupeiqi/articles/5040827.html

http://www.cnblogs.com/alex3714/articles/5230609.html