Python的多进程和多线程

进程和线程

进程是系统进行资源分配的最小单位，线程是系统进行调度执行的最小单位；

一个应用程序至少包含一个进程，一个进程至少包含一个线程；

每个进程在执行过程中拥有独立的内存空间，而一个进程中的线程之间是共享该进程的内存空间的；

计算机的核心是CPU，它承担了所有的计算任务。它就像一座工厂，时刻在运行。
假定工厂的电力有限，一次只能供给一个车间使用。也就是说，一个车间开工的时候，其他车间都必须停工。背后的含义就是，单个CPU一次只能运行一个任务。编者注: 多核的CPU就像有了多个发电厂，使多工厂(多进程)实现可能。
进程就好比工厂的车间，它代表CPU所能处理的单个任务。任一时刻，CPU总是运行一个进程，其他进程处于非运行状态。
一个车间里，可以有很多工人。他们协同完成一个任务。
线程就好比车间里的工人。一个进程可以包括多个线程。
车间的空间是工人们共享的，比如许多房间是每个工人都可以进出的。这象征一个进程的内存空间是共享的，每个线程都可以使用这些共享内存。
可是，每间房间的大小不同，有些房间最多只能容纳一个人，比如厕所。里面有人的时候，其他人就不能进去了。这代表一个线程使用某些共享内存时，其他线程必须等它结束，才能使用这一块内存。
一个防止他人进入的简单方法，就是门口加一把锁。先到的人锁上门，后到的人看到上锁，就在门口排队，等锁打开再进去。这就叫"互斥锁"（Mutual exclusion，缩写 Mutex），防止多个线程同时读写某一块内存区域。
还有些房间，可以同时容纳n个人，比如厨房。也就是说，如果人数大于n，多出来的人只能在外面等着。这好比某些内存区域，只能供给固定数目的线程使用。
这时的解决方法，就是在门口挂n把钥匙。进去的人就取一把钥匙，出来时再把钥匙挂回原处。后到的人发现钥匙架空了，就知道必须在门口排队等着了。这种做法叫做"信号量"（Semaphore），用来保证多个线程不会互相冲突。
不难看出，mutex是semaphore的一种特殊情况（n=1时）。也就是说，完全可以用后者替代前者。但是，因为mutex较为简单，且效率高，所以在必须保证资源独占的情况下，还是采用这种设计。

Python的多进程

Python的多进程依赖于multiprocess模块；使用多进程可以利用多个CPU进行并行计算；

实例：

from multiprocessing import Process

import os

import time

def long_time_task(i):

    print('子进程: {} - 任务{}'.format(os.getpid(), i))

    time.sleep(2)

    print("结果: {}".format(8 ** 20))

if __name__=='__main__':

    print('当前母进程: {}'.format(os.getpid()))

    start = time.time()

    p1 = Process(target=long_time_task, args=(1,))

    p2 = Process(target=long_time_task, args=(2,))

    print('等待所有子进程完成。')

    p1.start()

    p2.start()

    p1.join()

    p2.join()

    end = time.time()

    print("总共用时{}秒".format((end - start)))

新创建进程和进程间切换是需要消耗资源的，所以应该控制进程数量；

同时可运行的进程数量收到CPU核数限制；

进程池

使用进程池pool创建进程：

使用进程池可以避免手工进行进程的创建的麻烦，默认数量是CPU核数；

Pool类可以提供指定数量的进程供用户使用，当有新的请求被提交到Pool中的时候，如果进程池还没有满，就会创建一个新的进程来执行请求；如果池已经满了，请求就会等待，等到有空闲进程可以使用时，才会执行请求；

几个方法：

1.apply_async

作用是向进程池提交需要执行的函数和参数，各个进程采用非阻塞的异步方式调用，每个进程只管自己运行，是默认方式；

2.map

会阻塞进程直到返回结果；

3.map_sunc

非阻塞进程；

4.close

关闭进程池，不再接受任务；

5.terminate

结束进程；

6.join

主进程阻塞，直到子进程执行结束；

实例：

from multiprocessing import Pool, cpu_count

import os

import time

def long_time_task(i):

    print('子进程: {} - 任务{}'.format(os.getpid(), i))

    time.sleep(2)

    print("结果: {}".format(8 ** 20))

if __name__=='__main__':

    print("CPU内核数:{}".format(cpu_count()))

    print('当前母进程: {}'.format(os.getpid()))

    start = time.time()

    p = Pool(4)

    for i in range(5):

        p.apply_async(long_time_task, args=(i,))

    print('等待所有子进程完成。')

    p.close()

    p.join()

    end = time.time()

    print("总共用时{}秒".format((end - start)))

在join之前，必须使用close或者terminate，让进程池不再接受任务；

多进程间的数据通信与共享

通常，进程之间是相互独立的，每个进程都有独立的内存。通过共享内存(nmap模块)，进程之间可以共享对象，使多个进程可以访问同一个变量(地址相同，变量名可能不同)。多进程共享资源必然会导致进程间相互竞争，所以应该尽最大可能防止使用共享状态。还有一种方式就是使用队列queue来实现不同进程间的通信或数据共享，这一点和多线程编程类似。

下例这段代码中中创建了2个独立进程，一个负责写(pw), 一个负责读(pr), 实现了共享一个队列queue。

from multiprocessing import Process, Queue

import os, time, random

# 写数据进程执行的代码:

def write(q):

    print('Process to write: {}'.format(os.getpid()))

    for value in ['A', 'B', 'C']:

        print('Put %s to queue...' % value)

        q.put(value)

        time.sleep(random.random())

# 读数据进程执行的代码:

def read(q):

    print('Process to read:{}'.format(os.getpid()))

    while True:

        value = q.get(True)

        print('Get %s from queue.' % value)

if __name__=='__main__':

    # 父进程创建Queue，并传给各个子进程：

    q = Queue()

    pw = Process(target=write, args=(q,))

    pr = Process(target=read, args=(q,))

    # 启动子进程pw，写入:

    pw.start()

    # 启动子进程pr，读取:

    pr.start()

    # 等待pw结束:

    pw.join()

    # pr进程里是死循环，无法等待其结束，只能强行终止:

    pr.terminate()

Python的多线程

python 3中的多进程编程主要依靠threading模块。创建新线程与创建新进程的方法非常类似。threading.Thread方法可以接收两个参数, 第一个是target，一般指向函数名，第二个时args，需要向函数传递的参数。对于创建的新线程，调用start()方法即可让其开始。我们还可以使用current_thread().name打印出当前线程的名字。

import threading

import time

def long_time_task(i):

    print('当前子线程: {} 任务{}'.format(threading.current_thread().name, i))

    time.sleep(2)

    print("结果: {}".format(8 ** 20))

if __name__=='__main__':

    start = time.time()

    print('这是主线程：{}'.format(threading.current_thread().name))

    thread_list = []

    for i in range(1, 3):

        t = threading.Thread(target=long_time_task, args=(i, ))

        thread_list.append(t)

    for t in thread_list:

        t.start()

    for t in thread_list:

        t.join()

    end = time.time()

    print("总共用时{}秒".format((end - start)))

多线程间的数据共享

一个进程所含的不同线程间共享内存，这就意味着任何一个变量都可以被任何一个线程修改，因此线程之间共享数据最大的危险在于多个线程同时改一个变量，把内容给改乱了。如果不同线程间有共享的变量，其中一个方法就是在修改前给其上一把锁lock，确保一次只有一个线程能修改它。threading.lock()方法可以轻易实现对一个共享变量的锁定，修改完后release供其它线程使用。

import threading

class Account:

    def __init__(self):

        self.balance = 0

    def add(self, lock):

        # 获得锁

        lock.acquire()

        for i in range(0, 100000):

            self.balance += 1

        # 释放锁

        lock.release()

    def delete(self, lock):

        # 获得锁

        lock.acquire()

        for i in range(0, 100000):

            self.balance -= 1

            # 释放锁

        lock.release()

if __name__ == "__main__":

    account = Account()

    lock = threading.Lock()

    # 创建线程

   thread_add = threading.Thread(target=account.add, args=(lock,), name='Add')

    thread_delete = threading.Thread(target=account.delete, args=(lock,), name='Delete')

    # 启动线程

   thread_add.start()

    thread_delete.start()

    # 等待线程结束

   thread_add.join()

    thread_delete.join()

    print('The final balance is: {}'.format(account.balance))

使用queue队列通信-经典的生产者和消费者模型

from queue import Queue

import random, threading, time

# 生产者类

class Producer(threading.Thread):

    def __init__(self, name, queue):

        threading.Thread.__init__(self, name=name)

        self.queue = queue

    def run(self):

        for i in range(1, 5):

            print("{} is producing {} to the queue!".format(self.getName(), i))

            self.queue.put(i)

            time.sleep(random.randrange(10) / 5)

        print("%s finished!" % self.getName())

# 消费者类

class Consumer(threading.Thread):

    def __init__(self, name, queue):

        threading.Thread.__init__(self, name=name)

        self.queue = queue

    def run(self):

        for i in range(1, 5):

            val = self.queue.get()

            print("{} is consuming {} in the queue.".format(self.getName(), val))

            time.sleep(random.randrange(10))

        print("%s finished!" % self.getName())

def main():

    queue = Queue()

    producer = Producer('Producer', queue)

    consumer = Consumer('Consumer', queue)

    producer.start()

    consumer.start()

    producer.join()

    consumer.join()

    print('All threads finished!')

if __name__ == '__main__':

    main()

对CPU密集型代码(比如循环计算) - 多进程效率更高
对IO密集型代码(比如文件操作，网络爬虫) - 多线程效率更高。

对于IO密集型操作，大部分消耗时间其实是等待时间，在等待时间中CPU是不需要工作的，那你在此期间提供双CPU资源也是利用不上的，相反对于CPU密集型代码，2个CPU干活肯定比一个CPU快很多。那么为什么多线程会对IO密集型代码有用呢？这时因为python碰到等待会释放GIL供新的线程使用，实现了线程间的切换。

巴特西