1.什么是并發(fā)編程

并發(fā)編程是實現(xiàn)多任務(wù)協(xié)同處理，改善系統(tǒng)性能的方式。Python中實現(xiàn)并發(fā)編程主要依靠

進程(Process)：進程是計算機中的程序關(guān)于某數(shù)據(jù)集合的一次運行實例，是操作系統(tǒng)進行資源分配的最小單位

線程(Thread)：線程被包含在進程之中，是操作系統(tǒng)進行程序調(diào)度執(zhí)行的最小單位

協(xié)程(Coroutine)：協(xié)程是用戶態(tài)執(zhí)行的輕量級編程模型，由單一線程內(nèi)部發(fā)出控制信號進行調(diào)度

直接上一張圖看看三者概念間的關(guān)系。

這張圖說明了什么？首先，一條線程是進程中一個單一的順序控制流，一個進程可以并發(fā)多個線程執(zhí)行不同任務(wù)。協(xié)程由單一線程內(nèi)部發(fā)出控制信號進行調(diào)度，而非受到操作系統(tǒng)管理，因此協(xié)程沒有切換開銷和同步鎖機制，具有極高的執(zhí)行效率。

進程、線程、協(xié)程間的特性決定了它們的應(yīng)用場景不同：

協(xié)程常用于IO密集型工作，例如網(wǎng)絡(luò)資源請求等；而進程、線程常用于計算密集型工作，例如科學(xué)計算、人工神經(jīng)網(wǎng)絡(luò)等。

接下來對每種并發(fā)編程方法進行詳細(xì)闡述。

2.進程與多進程

Python多進程依賴于標(biāo)準(zhǔn)庫mutiprocessing，進程類Process的常用方法如下

創(chuàng)建多進程任務(wù)的實例如下

import os, time
import multiprocessing

class myProcess(multiprocessing.Process):
    def __init__(self, *args, **kwargs) -> None:
        super().__init__()
        self.name = kwargs['name']

    def run(self):
        print("process name:", self.name)
        for i in range(10):
            print(multiprocessing.current_process(), "process pid:",
                  os.getpid(), "正在執(zhí)行...")
            time.sleep(0.2)

if __name__ == "__main__":
    task = myProcess(name="testProcess")
    task.start()
    task.join()		# 該語句會阻塞主進程直至子進程結(jié)束
    print("----------------")

注意：Windows系統(tǒng)在子進程結(jié)束后會立即自動清除子進程實例；而Linux系統(tǒng)子進程實例僅當(dāng)主進程結(jié)束后才被回收，在子進程結(jié)束但主進程仍在運行的時間內(nèi)處于僵尸進程狀態(tài)，會造成性能損失甚至死鎖。對子進程實例的手動回收可以通過

p.terminate()
p.join()

完成，此外，start()函數(shù)也有清除僵尸進程的功能。在使用多進程處理任務(wù)時并非進程越多越好，因為進程切換會造成性能開銷。

3.線程與多線程

Python多線程依賴于標(biāo)準(zhǔn)庫threading，線程類Thread的常用方法如下表：

關(guān)于線程與進程的關(guān)系，還有一個很生動的例子

把一條公路看作一道進程，那么公路上的各個車道就是進程中的各個線程。這些線程(車道)共享了進程(道路)的公共資源；這些線程(車道)之間可以并發(fā)執(zhí)行(各個車道相對獨立)，也可以互相同步(交通信號燈)。

rsrc = 10
lock = threading.Lock()

def task1(name):
    global rsrc, lock
    for i in range(5):
        with lock:
            rsrc += 1
            print("task1:", rsrc)
    return name + "has been done!"

def task2(name):
    global rsrc, lock
    for i in range(5):
        lock.acquire()
        rsrc -= 1
        print("task2:", rsrc)
        lock.release() 
    return name + "has been done!"

結(jié)果如下

在多線程并發(fā)過程中，若沒有控制好線程間的執(zhí)行邏輯，將可能產(chǎn)生死鎖現(xiàn)象，可以使用with關(guān)鍵詞在線程訪問臨界區(qū)結(jié)束后自動釋放鎖，也可使用release()方法手動釋放句柄。

4.協(xié)程與多協(xié)程

協(xié)程適用于I/O密集型而非計算密集型場景。在協(xié)程發(fā)起I/O請求后返回結(jié)果前往往有大量閑置時間——該時間可能用于網(wǎng)絡(luò)數(shù)據(jù)傳輸、獲取協(xié)議頭、服務(wù)器查詢數(shù)據(jù)庫等，而I/O請求本身并不耗時，因此協(xié)程可以發(fā)送一個請求后讓渡給系統(tǒng)干別的事，這就是協(xié)程提高性能的原因。

協(xié)程編程的框架如下：

• 創(chuàng)建協(xié)程對象并將其封裝成任務(wù)實例；
• 創(chuàng)建事件循環(huán)實例并監(jiān)聽任務(wù)隊列；
• 獲取協(xié)程結(jié)果(可在事件循環(huán)結(jié)束后獲取，或提前添加回調(diào)函數(shù))。

一個嵌套協(xié)程的示例如下：

import asyncio, time

# 內(nèi)層協(xié)程
async def do_some_work(x):
    print('Waiting: ', x)
    await asyncio.sleep(x)
return 'Done after {}s'.format(x)

def OnCallBack(res):
print(res.result())

# 外層協(xié)程main
async def main():
    # 創(chuàng)建三個協(xié)程對象并封裝成任務(wù)
    task1 = asyncio.ensure_future(do_some_work(1))
    task2 = asyncio.ensure_future(do_some_work(8))
    task3 = asyncio.ensure_future(do_some_work(4))
    # 添加回調(diào)
    task1.add_done_callback(OnCallBack)
    task2.add_done_callback(OnCallBack)
    task3.add_done_callback(OnCallBack)
    # 內(nèi)層任務(wù)列表
    tasks = [task1, task2, task3]
	# 將列表轉(zhuǎn)為可等待對象
    dones, pendings = await asyncio.wait(tasks)

# 外層協(xié)程func
async def func():
    for i in range(5):
        print("func:", i)

# 外層任務(wù)列表
tasks = [asyncio.ensure_future(func()), asyncio.ensure_future(main())]
# 創(chuàng)建事件循環(huán)
loop = asyncio.get_event_loop()
start = time.time()
# 監(jiān)聽異步任務(wù)
loop.run_until_complete(asyncio.wait(tasks))
end = time.time()
print("總耗時:", end - start)

5.總結(jié)

看了這么多概念可能有點暈了，下面這張表總結(jié)了本文的內(nèi)容?？偟脕碚f，進程、線程、協(xié)程各有各的應(yīng)用場景，不能說多進程、多線程、多協(xié)程就一定好，而是要根據(jù)具體的使用情況來確定。

到此這篇關(guān)于一文搞懂Python中的進程,線程和協(xié)程的文章就介紹到這了,更多相關(guān)Python進程 線程 協(xié)程內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評論