python線程、進(jìn)程和協(xié)程詳解
引言
解釋器環(huán)境:python3.5.1
我們都知道python網(wǎng)絡(luò)編程的兩大必學(xué)模塊socket和socketserver,其中的socketserver是一個支持IO多路復(fù)用和多線程、多進(jìn)程的模塊。一般我們在socketserver服務(wù)端代碼中都會寫這么一句:
server = socketserver.ThreadingTCPServer(settings.IP_PORT, MyServer)
ThreadingTCPServer這個類是一個支持多線程和TCP協(xié)議的socketserver,它的繼承關(guān)系是這樣的:
class ThreadingTCPServer(ThreadingMixIn, TCPServer): pass
右邊的TCPServer實(shí)際上是它主要的功能父類,而左邊的ThreadingMixIn則是實(shí)現(xiàn)了多線程的類,它自己本身則沒有任何代碼。
MixIn在python的類命名中,很常見,一般被稱為“混入”,戲稱“亂入”,通常為了某種重要功能被子類繼承。
class ThreadingMixIn:
daemon_threads = False
def process_request_thread(self, request, client_address):
try:
self.finish_request(request, client_address)
self.shutdown_request(request)
except:
self.handle_error(request, client_address)
self.shutdown_request(request)
def process_request(self, request, client_address):
t = threading.Thread(target = self.process_request_thread,
args = (request, client_address))
t.daemon = self.daemon_threads
t.start()
在ThreadingMixIn類中,其實(shí)就定義了一個屬性,兩個方法。在process_request方法中實(shí)際調(diào)用的正是python內(nèi)置的多線程模塊threading。這個模塊是python中所有多線程的基礎(chǔ),socketserver本質(zhì)上也是利用了這個模塊。
一、線程
以上那一段,可以不用看!舉個例子,廠家要生產(chǎn)某個產(chǎn)品,在它的生產(chǎn)基地建設(shè)了很多廠房,每個廠房內(nèi)又有多條流水生產(chǎn)線。所有廠房配合將整個產(chǎn)品生產(chǎn)出來,某個廠房內(nèi)的所有流水線將這個廠房負(fù)責(zé)的產(chǎn)品部分生產(chǎn)出來。每個廠房擁有自己的材料庫,廠房內(nèi)的生產(chǎn)線共享這些材料。而每一個廠家要實(shí)現(xiàn)生產(chǎn)必須擁有至少一個廠房一條生產(chǎn)線。那么這個廠家就是某個應(yīng)用程序;每個廠房就是一個進(jìn)程;每條生產(chǎn)線都是一個線程。
1.1 普通的多線程
在python中,threading模塊提供線程的功能。通過它,我們可以輕易的在進(jìn)程中創(chuàng)建多個線程。下面是個例子:
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')
上述代碼創(chuàng)建了10個“前臺”線程,然后控制器就交給了CPU,CPU根據(jù)指定算法進(jìn)行調(diào)度,分片執(zhí)行指令。
下面是Thread類的主要方法:
start 線程準(zhǔn)備就緒,等待CPU調(diào)度
setName 為線程設(shè)置名稱
getName 獲取線程名稱
setDaemon 設(shè)置為后臺線程或前臺線程(默認(rèn))
如果是后臺線程,主線程執(zhí)行過程中,后臺線程也在進(jìn)行,主線程執(zhí)行完畢后,后臺線程不論成功與否,均停止。如果是前臺線程,主線程執(zhí)行過程中,前臺線程也在進(jìn)行,主線程執(zhí)行完畢后,等待前臺線程也執(zhí)行完成后,程序停止。
join 逐個執(zhí)行每個線程,執(zhí)行完畢后繼續(xù)往下執(zhí)行,該方法使得多線程變得無意義。
run 線程被cpu調(diào)度后自動執(zhí)行線程對象的run方法
1.2 自定義線程類
對于threading模塊中的Thread類,本質(zhì)上是執(zhí)行了它的run方法。因此可以自定義線程類,讓它繼承Thread類,然后重寫run方法。
import threading class MyThreading(threading.Thread): def __init__(self,func,arg): super(MyThreading,self).__init__() self.func = func self.arg = arg def run(self): self.func(self.arg) def f1(args): print(args) obj = MyThreading(f1, 123) obj.start()
1.3 線程鎖
CPU執(zhí)行任務(wù)時,在線程之間是進(jìn)行隨機(jī)調(diào)度的,并且每個線程可能只執(zhí)行n條代碼后就轉(zhuǎn)而執(zhí)行另外一條線程。由于在一個進(jìn)程中的多個線程之間是共享資源和數(shù)據(jù)的,這就容易造成資源搶奪或臟數(shù)據(jù),于是就有了鎖的概念,限制某一時刻只有一個線程能訪問某個指定的數(shù)據(jù)。
1.3.1 未使用鎖
#!/usr/bin/env python
# -*- coding:utf-8 -*-
import threading
import time
NUM = 0
def show():
global NUM
NUM += 1
name = t.getName()
time.sleep(1) # 注意,這行語句的位置很重要,必須在NUM被修改后,否則觀察不到臟數(shù)據(jù)的現(xiàn)象。
print(name, "執(zhí)行完畢后,NUM的值為: ", NUM)
for i in range(10):
t = threading.Thread(target=show)
t.start()
print('main thread stop')
上述代碼運(yùn)行后,結(jié)果如下:
main thread stop Thread-1 執(zhí)行完畢后,NUM的值為: 10 Thread-2 執(zhí)行完畢后,NUM的值為: 10 Thread-4 執(zhí)行完畢后,NUM的值為: 10 Thread-9 執(zhí)行完畢后,NUM的值為: 10 Thread-3 執(zhí)行完畢后,NUM的值為: 10 Thread-6 執(zhí)行完畢后,NUM的值為: 10 Thread-8 執(zhí)行完畢后,NUM的值為: 10 Thread-7 執(zhí)行完畢后,NUM的值為: 10 Thread-5 執(zhí)行完畢后,NUM的值為: 10 Thread-10 執(zhí)行完畢后,NUM的值為: 10
由此可見,由于線程同時訪問一個數(shù)據(jù),產(chǎn)生了錯誤的結(jié)果。為了解決這個問題,python在threading模塊中定義了幾種線程鎖類,分別是:
- Lock 普通鎖(不可嵌套)
- RLock 普通鎖(可嵌套)常用
- Semaphore 信號量
- event 事件
- condition 條件
1.3.2 普通鎖Lock和RLock
類名:Lock或RLock
普通鎖,也叫互斥鎖,是獨(dú)占的,同一時刻只有一個線程被放行。
import time import threading NUM = 10 def func(lock): global NUM lock.acquire() # 讓鎖開始起作用 NUM -= 1 time.sleep(1) print(NUM) lock.release() # 釋放鎖 lock = threading.Lock() # 實(shí)例化一個鎖對象 for i in range(10): t = threading.Thread(target=func, args=(lock,)) # 記得把鎖當(dāng)作參數(shù)傳遞給func參數(shù) t.start()
以上是threading模塊的Lock類,它不支持嵌套鎖。RLcok類的用法和Lock一模一樣,但它支持嵌套,因此我們一般直接使用RLcok類。
1.3.3 信號量(Semaphore)
類名:BoundedSemaphore
這種鎖允許一定數(shù)量的線程同時更改數(shù)據(jù),它不是互斥鎖。比如地鐵安檢,排隊(duì)人很多,工作人員只允許一定數(shù)量的人進(jìn)入安檢區(qū),其它的人繼續(xù)排隊(duì)。
#!/usr/bin/env python
# -*- coding:utf-8 -*-
import time
import threading
def run(n):
semaphore.acquire()
print("run the thread: %s" % n)
time.sleep(1)
semaphore.release()
num = 0
semaphore = threading.BoundedSemaphore(5) # 最多允許5個線程同時運(yùn)行
for i in range(20):
t = threading.Thread(target=run, args=(i,))
t.start()
1.3.4 事件(Event)
類名:Event
事件主要提供了三個方法 set、wait、clear。
事件機(jī)制:全局定義了一個“Flag”,如果“Flag”的值為False,那么當(dāng)程序執(zhí)行wait方法時就會阻塞,如果“Flag”值為True,那么wait方法時便不再阻塞。這種鎖,類似交通紅綠燈(默認(rèn)是紅燈),它屬于在紅燈的時候一次性阻擋所有線程,在綠燈的時候,一次性放行所有的排隊(duì)中的線程。
clear:將“Flag”設(shè)置為False
set:將“Flag”設(shè)置為True
import threading
def func(e,i):
print(i)
e.wait() # 檢測當(dāng)前event是什么狀態(tài),如果是紅燈,則阻塞,如果是綠燈則繼續(xù)往下執(zhí)行。默認(rèn)是紅燈。
print(i+100)
event = threading.Event()
for i in range(10):
t = threading.Thread(target=func, args=(event, i))
t.start()
event.clear() # 主動將狀態(tài)設(shè)置為紅燈
inp = input(">>>")
if inp == "1":
event.set() # 主動將狀態(tài)設(shè)置為綠燈
1.3.5 條件(condition)
類名:Condition
該機(jī)制會使得線程等待,只有滿足某條件時,才釋放n個線程。
import threading
def condition():
ret = False
r = input(">>>")
if r == "yes":
ret = True
return ret
def func(conn, i):
print(i)
conn.acquire()
conn.wait_for(condition) # 這個方法接受一個函數(shù)的返回值
print(i+100)
conn.release()
c = threading.Condition()
for i in range(10):
t = threading.Thread(target=func, args=(c, i,))
t.start()
上面的例子,每輸入一次“yes”放行了一個線程。下面這個,可以選擇一次放行幾個線程。
#!/usr/bin/env python
# -*- coding:utf-8 -*-
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
# 下面這三行是固定語法
con.acquire()
con.notify(int(inp)) # 這個方法接收一個整數(shù),表示讓多少個線程通過
con.release()
1.3 全局解釋器鎖(GIL)
既然介紹了多線程和線程鎖,那就不得不提及python的GIL,也就是全局解釋器鎖。在編程語言的世界,python因?yàn)镚IL的問題廣受詬病,因?yàn)樗诮忉屍鞯膶用嫦拗屏顺绦蛟谕粫r間只有一個線程被CPU實(shí)際執(zhí)行,而不管你的程序里實(shí)際開了多少條線程。所以我們經(jīng)常能發(fā)現(xiàn),python中的多線程編程有時候效率還不如單線程,就是因?yàn)檫@個原因。那么,對于這個GIL,一些普遍的問題如下:
每種編程語言都有GIL嗎?
以python官方Cpython解釋器為代表....其他語言好像未見。
為什么要有GIL?
作為解釋型語言,Python的解釋器必須做到既安全又高效。我們都知道多線程編程會遇到的問題。解釋器要留意的是避免在不同的線程操作內(nèi)部共享的數(shù)據(jù)。同時它還要保證在管理用戶線程時總是有最大化的計(jì)算資源。那么,不同線程同時訪問時,數(shù)據(jù)的保護(hù)機(jī)制是怎樣的呢?答案是解釋器全局鎖GIL。GIL對諸如當(dāng)前線程狀態(tài)和為垃圾回收而用的堆分配對象這樣的東西的訪問提供著保護(hù)。
為什么不能去掉GIL?
首先,在早期的python解釋器依賴較多的全局狀態(tài),傳承下來,使得想要移除當(dāng)今的GIL變得更加困難。其次,對于程序員而言,僅僅是想要理解它的實(shí)現(xiàn)就需要對操作系統(tǒng)設(shè)計(jì)、多線程編程、C語言、解釋器設(shè)計(jì)和CPython解釋器的實(shí)現(xiàn)有著非常徹底的理解。
在1999年,針對Python1.5,一個“freethreading”補(bǔ)丁已經(jīng)嘗試移除GIL,用細(xì)粒度的鎖來代替。然而,GIL的移除給單線程程序的執(zhí)行速度帶來了一定的負(fù)面影響。當(dāng)用單線程執(zhí)行時,速度大約降低了40%。雖然使用兩個線程時在速度上得到了提高,但這個提高并沒有隨著核數(shù)的增加而線性增長。因此這個補(bǔ)丁沒有被采納。
另外,在python的不同解釋器實(shí)現(xiàn)中,如PyPy就移除了GIL,其執(zhí)行速度更快(不單單是去除GIL的原因)。然而,我們通常使用的CPython占有著統(tǒng)治地位的使用量,所以,你懂的。
在Python 3.2中實(shí)現(xiàn)了一個新的GIL,并且?guī)е恍┓e極的結(jié)果。這是自1992年以來,GIL的一次最主要改變。舊的GIL通過對Python指令進(jìn)行計(jì)數(shù)來確定何時放棄GIL。在新的GIL實(shí)現(xiàn)中,用一個固定的超時時間來指示當(dāng)前的線程以放棄這個鎖。在當(dāng)前線程保持這個鎖,且當(dāng)?shù)诙€線程請求這個鎖的時候,當(dāng)前線程就會在5ms后被強(qiáng)制釋放掉這個鎖(這就是說,當(dāng)前線程每5ms就要檢查其是否需要釋放這個鎖)。當(dāng)任務(wù)是可行的時候,這會使得線程間的切換更加可預(yù)測。
GIL對我們有什么影響?
最大的影響是我們不能隨意使用多線程。要區(qū)分任務(wù)場景。
在單核cpu情況下對性能的影響可以忽略不計(jì),多線程多進(jìn)程都差不多。在多核CPU時,多線程效率較低。GIL對單進(jìn)程和多進(jìn)程沒有影響。
在實(shí)際使用中有什么好的建議?
建議在IO密集型任務(wù)中使用多線程,在計(jì)算密集型任務(wù)中使用多進(jìn)程。深入研究python的協(xié)程機(jī)制,你會有驚喜的。
更多的詳細(xì)介紹和說明請參考下面的文獻(xiàn):
原文:
譯文:Python 最難的問題
1.4 定時器(Timer)
定時器,指定n秒后執(zhí)行某操作。很簡單但很使用的東西。
from threading import Timer
def hello():
print("hello, world")
t = Timer(1, hello) # 表示1秒后執(zhí)行hello函數(shù)
t.start()
1.5 隊(duì)列
通常而言,隊(duì)列是一種先進(jìn)先出的數(shù)據(jù)結(jié)構(gòu),與之對應(yīng)的是堆棧這種后進(jìn)先出的結(jié)構(gòu)。但是在python中,它內(nèi)置了一個queue模塊,它不但提供普通的隊(duì)列,還提供一些特殊的隊(duì)列。具體如下:
- queue.Queue :先進(jìn)先出隊(duì)列
- queue.LifoQueue :后進(jìn)先出隊(duì)列
- queue.PriorityQueue :優(yōu)先級隊(duì)列
- queue.deque :雙向隊(duì)列
1.5.1 Queue:先進(jìn)先出隊(duì)列
這是最常用也是最普遍的隊(duì)列,先看一個例子。
import queue q = queue.Queue(5) q.put(11) q.put(22) q.put(33) print(q.get()) print(q.get()) print(q.get())
Queue類的參數(shù)和方法:
maxsize 隊(duì)列的最大元素個數(shù),也就是queue.Queue(5)中的5。當(dāng)隊(duì)列內(nèi)的元素達(dá)到這個值時,后來的元素默認(rèn)會阻塞,等待隊(duì)列騰出位置。
def __init__(self, maxsize=0): self.maxsize = maxsize self._init(maxsize)
qsize() 獲取當(dāng)前隊(duì)列中元素的個數(shù),也就是隊(duì)列的大小
empty() 判斷當(dāng)前隊(duì)列是否為空,返回True或者False
full() 判斷當(dāng)前隊(duì)列是否已滿,返回True或者False
put(self, block=True, timeout=None)
往隊(duì)列里放一個元素,默認(rèn)是阻塞和無時間限制的。如果,block設(shè)置為False,則不阻塞,這時,如果隊(duì)列是滿的,放不進(jìn)去,就會彈出異常。如果timeout設(shè)置為n秒,則會等待這個秒數(shù)后才put,如果put不進(jìn)去則彈出異常。
get(self, block=True, timeout=None)
從隊(duì)列里獲取一個元素。參數(shù)和put是一樣的意思。
join() 阻塞進(jìn)程,直到所有任務(wù)完成,需要配合另一個方法task_done。
def join(self): with self.all_tasks_done: while self.unfinished_tasks: self.all_tasks_done.wait()
task_done() 表示某個任務(wù)完成。每一條get語句后需要一條task_done。
import queue q = queue.Queue(5) q.put(11) q.put(22) print(q.get()) q.task_done() print(q.get()) q.task_done() q.join()
1.5.2 LifoQueue:后進(jìn)先出隊(duì)列
類似于“堆?!?,后進(jìn)先出。也較常用。
import queue q = queue.LifoQueue() q.put(123) q.put(456) print(q.get())
上述代碼運(yùn)行結(jié)果是:456
1.5.3 PriorityQueue:優(yōu)先級隊(duì)列
帶有權(quán)重的隊(duì)列,每個元素都是一個元組,前面的數(shù)字表示它的優(yōu)先級,數(shù)字越小優(yōu)先級越高,同樣的優(yōu)先級先進(jìn)先出
q = queue.PriorityQueue() q.put((1,"alex1")) q.put((1,"alex2")) q.put((1,"alex3")) q.put((3,"alex3")) print(q.get())
1.5.4 deque:雙向隊(duì)列
Queue和LifoQueue的“綜合體”,雙向進(jìn)出。方法較多,使用復(fù)雜,慎用!
q = queue.deque() q.append(123) q.append(333) q.appendleft(456) q.pop() q.popleft()
1.6 生產(chǎn)者消費(fèi)者模型
利用多線程和隊(duì)列可以搭建一個生產(chǎn)者消費(fèi)者模型,用于處理大并發(fā)的服務(wù)。
在并發(fā)編程中使用生產(chǎn)者和消費(fèi)者模式能夠解決絕大多數(shù)并發(fā)問題。該模式通過平衡生產(chǎn)線程和消費(fèi)線程的工作能力來提高程序的整體處理數(shù)據(jù)的速度。
為什么要使用生產(chǎn)者和消費(fèi)者模式
在線程世界里,生產(chǎn)者就是生產(chǎn)數(shù)據(jù)的線程,消費(fèi)者就是消費(fèi)數(shù)據(jù)的線程。在多線程開發(fā)當(dāng)中,如果生產(chǎn)者處理速度很快,而消費(fèi)者處理速度很慢,那么生產(chǎn)者就必須等待消費(fèi)者處理完,才能繼續(xù)生產(chǎn)數(shù)據(jù)。同樣的道理,如果消費(fèi)者的處理能力大于生產(chǎn)者,那么消費(fèi)者就必須等待生產(chǎn)者。為了解決這個問題于是引入了生產(chǎn)者和消費(fèi)者模式。
什么是生產(chǎn)者消費(fèi)者模式
生產(chǎn)者消費(fèi)者模式是通過一個容器來解決生產(chǎn)者和消費(fèi)者的強(qiáng)耦合問題。生產(chǎn)者和消費(fèi)者彼此之間不直接通訊,而通過阻塞隊(duì)列來進(jìn)行通訊,所以生產(chǎn)者生產(chǎn)完數(shù)據(jù)之后不用等待消費(fèi)者處理,直接扔給阻塞隊(duì)列,消費(fèi)者不找生產(chǎn)者要數(shù)據(jù),而是直接從阻塞隊(duì)列里取,阻塞隊(duì)列就相當(dāng)于一個緩沖區(qū),平衡了生產(chǎn)者和消費(fèi)者的處理能力。
這個阻塞隊(duì)列就是用來給生產(chǎn)者和消費(fèi)者解耦的??v觀大多數(shù)設(shè)計(jì)模式,都會找一個第三者出來進(jìn)行解耦,如工廠模式的第三者是工廠類,模板模式的第三者是模板類。在學(xué)習(xí)一些設(shè)計(jì)模式的過程中,如果先找到這個模式的第三者,能幫助我們快速熟悉一個設(shè)計(jì)模式。
以上摘自方騰飛的《聊聊并發(fā)——生產(chǎn)者消費(fèi)者模式》
下面是一個簡單的廚師做包子,顧客吃包子的例子。
#!/usr/bin/env python
# -*- coding:utf-8 -*-
# Author:Liu Jiang
import time
import queue
import threading
q = queue.Queue(10)
def productor(i):
while True:
q.put("廚師 %s 做的包子!"%i)
time.sleep(2)
def consumer(k):
while True:
print("顧客 %s 吃了一個 %s"%(k,q.get()))
time.sleep(1)
for i in range(3):
t = threading.Thread(target=productor,args=(i,))
t.start()
for k in range(10):
v = threading.Thread(target=consumer,args=(k,))
v.start()
1.7 線程池
在使用多線程處理任務(wù)時也不是線程越多越好,由于在切換線程的時候,需要切換上下文環(huán)境,依然會造成cpu的大量開銷。為解決這個問題,線程池的概念被提出來了。預(yù)先創(chuàng)建好一個較為優(yōu)化的數(shù)量的線程,讓過來的任務(wù)立刻能夠使用,就形成了線程池。在python中,沒有內(nèi)置的較好的線程池模塊,需要自己實(shí)現(xiàn)或使用第三方模塊。下面是一個簡單的線程池:
#!/usr/bin/env python # -*- coding:utf-8 -*- # Author:Liu Jiang import queue import time import threading class MyThreadPool: def __init__(self, maxsize=5): self.maxsize = maxsize self._q = queue.Queue(maxsize) for i in range(maxsize): self._q.put(threading.Thread) def get_thread(self): return self._q.get() def add_thread(self): self._q.put(threading.Thread) def task(i, pool): print(i) time.sleep(1) pool.add_thread() pool = MyThreadPool(5) for i in range(100): t = pool.get_thread() obj = t(target=task, args=(i,pool)) obj.start()
上面的例子是把線程類當(dāng)做元素添加到隊(duì)列內(nèi)。實(shí)現(xiàn)方法比較糙,每個線程使用后就被拋棄,一開始就將線程開到滿,因此性能較差。下面是一個相對好一點(diǎn)的例子:
#!/usr/bin/env python
# -*- coding:utf-8 -*-
import queue
import threading
import contextlib
import time
StopEvent = object() # 創(chuàng)建空對象
class ThreadPool(object):
def __init__(self, max_num, max_task_num = None):
if max_task_num:
self.q = queue.Queue(max_task_num)
else:
self.q = queue.Queue()
self.max_num = max_num
self.cancel = False
self.terminal = False
self.generate_list = []
self.free_list = []
def run(self, func, args, callback=None):
"""
線程池執(zhí)行一個任務(wù)
:param func: 任務(wù)函數(shù)
:param args: 任務(wù)函數(shù)所需參數(shù)
:param callback: 任務(wù)執(zhí)行失敗或成功后執(zhí)行的回調(diào)函數(shù),回調(diào)函數(shù)有兩個參數(shù)1、任務(wù)函數(shù)執(zhí)行狀態(tài);2、任務(wù)函數(shù)返回值(默認(rèn)為None,即:不執(zhí)行回調(diào)函數(shù))
:return: 如果線程池已經(jīng)終止,則返回True否則None
"""
if self.cancel:
return
if len(self.free_list) == 0 and len(self.generate_list) < self.max_num:
self.generate_thread()
w = (func, args, callback,)
self.q.put(w)
def generate_thread(self):
"""
創(chuàng)建一個線程
"""
t = threading.Thread(target=self.call)
t.start()
def call(self):
"""
循環(huán)去獲取任務(wù)函數(shù)并執(zhí)行任務(wù)函數(shù)
"""
current_thread = threading.currentThread
self.generate_list.append(current_thread)
event = self.q.get()
while event != StopEvent:
func, arguments, callback = event
try:
result = func(*arguments)
success = True
except Exception as e:
success = False
result = None
if callback is not None:
try:
callback(success, result)
except Exception as e:
pass
with self.worker_state(self.free_list, current_thread):
if self.terminal:
event = StopEvent
else:
event = self.q.get()
else:
self.generate_list.remove(current_thread)
def close(self):
"""
執(zhí)行完所有的任務(wù)后,所有線程停止
"""
self.cancel = True
full_size = len(self.generate_list)
while full_size:
self.q.put(StopEvent)
full_size -= 1
def terminate(self):
"""
無論是否還有任務(wù),終止線程
"""
self.terminal = True
while self.generate_list:
self.q.put(StopEvent)
self.q.empty()
@contextlib.contextmanager
def worker_state(self, state_list, worker_thread):
"""
用于記錄線程中正在等待的線程數(shù)
"""
state_list.append(worker_thread)
try:
yield
finally:
state_list.remove(worker_thread)
# How to use
pool = ThreadPool(5)
def callback(status, result):
# status, execute action status
# result, execute action return value
pass
def action(i):
print(i)
for i in range(30):
ret = pool.run(action, (i,), callback)
time.sleep(5)
print(len(pool.generate_list), len(pool.free_list))
print(len(pool.generate_list), len(pool.free_list))
# pool.close()
# pool.terminate()
二、進(jìn)程
在python中multiprocess模塊提供了Process類,實(shí)現(xiàn)進(jìn)程相關(guān)的功能。但是,由于它是基于fork機(jī)制的,因此不被windows平臺支持。想要在windows中運(yùn)行,必須使用if __name__ == '__main__:的方式,顯然這只能用于調(diào)試和學(xué)習(xí),不能用于實(shí)際環(huán)境。
(PS:在這里我必須吐槽一下python的包、模塊和類的組織結(jié)構(gòu)。在multiprocess中你既可以import大寫的Process,也可以import小寫的process,這兩者是完全不同的東西。這種情況在python中很多,新手容易傻傻分不清。)
下面是一個簡單的多進(jìn)程例子,你會發(fā)現(xiàn)Process的用法和Thread的用法幾乎一模一樣。
from multiprocessing import Process
def foo(i):
print("This is Process ", i)
if __name__ == '__main__':
for i in range(5):
p = Process(target=foo, args=(i,))
p.start()
2.1 進(jìn)程的數(shù)據(jù)共享
每個進(jìn)程都有自己獨(dú)立的數(shù)據(jù)空間,不同進(jìn)程之間通常是不能共享數(shù)據(jù),創(chuàng)建一個進(jìn)程需要非常大的開銷。
from multiprocessing import Process
list_1 = []
def foo(i):
list_1.append(i)
print("This is Process ", i," and list_1 is ", list_1)
if __name__ == '__main__':
for i in range(5):
p = Process(target=foo, args=(i,))
p.start()
print("The end of list_1:", list_1)
運(yùn)行上面的代碼,你會發(fā)現(xiàn)列表list_1在各個進(jìn)程中只有自己的數(shù)據(jù),完全無法共享。想要進(jìn)程之間進(jìn)行資源共享可以使用queues/Array/Manager這三個multiprocess模塊提供的類。
2.1.1 使用Array共享數(shù)據(jù)
from multiprocessing import Process
from multiprocessing import Array
def Foo(i,temp):
temp[0] += 100
for item in temp:
print(i,'----->',item)
if __name__ == '__main__':
temp = Array('i', [11, 22, 33, 44])
for i in range(2):
p = Process(target=Foo, args=(i,temp))
p.start()
對于Array數(shù)組類,括號內(nèi)的“i”表示它內(nèi)部的元素全部是int類型,而不是指字符i,列表內(nèi)的元素可以預(yù)先指定,也可以指定列表長度。概括的來說就是Array類在實(shí)例化的時候就必須指定數(shù)組的數(shù)據(jù)類型和數(shù)組的大小,類似temp = Array('i', 5)。對于數(shù)據(jù)類型有下面的表格對應(yīng):
'c': ctypes.c_char, 'u': ctypes.c_wchar,
'b': ctypes.c_byte, 'B': ctypes.c_ubyte,
'h': ctypes.c_short, 'H': ctypes.c_ushort,
'i': ctypes.c_int, 'I': ctypes.c_uint,
'l': ctypes.c_long, 'L': ctypes.c_ulong,
'f': ctypes.c_float, 'd': ctypes.c_double
2.1.2 使用Manager共享數(shù)據(jù)
from multiprocessing import Process,Manager def Foo(i,dic): dic[i] = 100+i print(dic.values()) if __name__ == '__main__': manage = Manager() dic = manage.dict() for i in range(10): p = Process(target=Foo, args=(i,dic)) p.start() p.join()
Manager比Array要好用一點(diǎn),因?yàn)樗梢酝瑫r保存多種類型的數(shù)據(jù)格式。
2.1.3 使用queues的Queue類共享數(shù)據(jù)
import multiprocessing
from multiprocessing import Process
from multiprocessing import queues
def foo(i,arg):
arg.put(i)
print('The Process is ', i, "and the queue's size is ", arg.qsize())
if __name__ == "__main__":
li = queues.Queue(20, ctx=multiprocessing)
for i in range(10):
p = Process(target=foo, args=(i,li,))
p.start()
這里就有點(diǎn)類似上面的隊(duì)列了。從運(yùn)行結(jié)果里,你還能發(fā)現(xiàn)數(shù)據(jù)共享中存在的臟數(shù)據(jù)問題。另外,比較悲催的是multiprocessing里還有一個Queue,一樣能實(shí)現(xiàn)這個功能。
2.2 進(jìn)程鎖
為了防止和多線程一樣的出現(xiàn)數(shù)據(jù)搶奪和臟數(shù)據(jù)的問題,同樣需要設(shè)置進(jìn)程鎖。與threading類似,在multiprocessing里也有同名的鎖類RLock, Lock, Event, Condition, Semaphore,連用法都是一樣樣的?。ㄟ@個我喜歡)
from multiprocessing import Process
from multiprocessing import queues
from multiprocessing import Array
from multiprocessing import RLock, Lock, Event, Condition, Semaphore
import multiprocessing
import time
def foo(i,lis,lc):
lc.acquire()
lis[0] = lis[0] - 1
time.sleep(1)
print('say hi',lis[0])
lc.release()
if __name__ == "__main__":
# li = []
li = Array('i', 1)
li[0] = 10
lock = RLock()
for i in range(10):
p = Process(target=foo,args=(i,li,lock))
p.start()
2.3 進(jìn)程池
既然有線程池,那必然也有進(jìn)程池。但是,python給我們內(nèi)置了一個進(jìn)程池,不需要像線程池那樣需要自定義,你只需要簡單的from multiprocessing import Pool。
#!/usr/bin/env python # -*- coding:utf-8 -*- from multiprocessing import Pool import time def f1(args): time.sleep(1) print(args) if __name__ == '__main__': p = Pool(5) for i in range(30): p.apply_async(func=f1, args= (i,)) p.close() # 等子進(jìn)程執(zhí)行完畢后關(guān)閉線程池 # time.sleep(2) # p.terminate() # 立刻關(guān)閉線程池 p.join()
進(jìn)程池內(nèi)部維護(hù)一個進(jìn)程序列,當(dāng)使用時,去進(jìn)程池中獲取一個進(jìn)程,如果進(jìn)程池序列中沒有可供使用的進(jìn)程,那么程序就會等待,直到進(jìn)程池中有可用進(jìn)程為止。
進(jìn)程池中有以下幾個主要方法:
- apply:從進(jìn)程池里取一個進(jìn)程并執(zhí)行
- apply_async:apply的異步版本
- terminate:立刻關(guān)閉線程池
- join:主進(jìn)程等待所有子進(jìn)程執(zhí)行完畢,必須在close或terminate之后
- close:等待所有進(jìn)程結(jié)束后,才關(guān)閉線程池
三、協(xié)程
線程和進(jìn)程的操作是由程序觸發(fā)系統(tǒng)接口,最后的執(zhí)行者是系統(tǒng),它本質(zhì)上是操作系統(tǒng)提供的功能。而協(xié)程的操作則是程序員指定的,在python中通過yield,人為的實(shí)現(xiàn)并發(fā)處理。
協(xié)程存在的意義:對于多線程應(yīng)用,CPU通過切片的方式來切換線程間的執(zhí)行,線程切換時需要耗時。協(xié)程,則只使用一個線程,分解一個線程成為多個“微線程”,在一個線程中規(guī)定某個代碼塊的執(zhí)行順序。
協(xié)程的適用場景:當(dāng)程序中存在大量不需要CPU的操作時(IO)。
在不需要自己“造輪子”的年代,同樣有第三方模塊為我們提供了高效的協(xié)程,這里介紹一下greenlet和gevent。本質(zhì)上,gevent是對greenlet的高級封裝,因此一般用它就行,這是一個相當(dāng)高效的模塊。
在使用它們之前,需要先安裝,可以通過源碼,也可以通過pip。
3.1 greenlet
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()
實(shí)際上,greenlet就是通過switch方法在不同的任務(wù)之間進(jìn)行切換。
3.2 gevent
from gevent import monkey; monkey.patch_all()
import gevent
import requests
def f(url):
print('GET: %s' % url)
resp = requests.get(url)
data = resp.text
print('%d bytes received from %s.' % (len(data), url))
gevent.joinall([
gevent.spawn(f, 'https://www.python.org/'),
gevent.spawn(f, 'https://www.yahoo.com/'),
gevent.spawn(f, 'https://github.com/'),
])
通過joinall將任務(wù)f和它的參數(shù)進(jìn)行統(tǒng)一調(diào)度,實(shí)現(xiàn)單線程中的協(xié)程。代碼封裝層次很高,實(shí)際使用只需要了解它的幾個主要方法即可。
相關(guān)文章
Python re 模塊findall() 函數(shù)返回值展現(xiàn)方式解析
這篇文章主要介紹了Python re 模塊findall() 函數(shù)返回值展現(xiàn)方式解析,文中通過示例代碼介紹的非常詳細(xì),對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友可以參考下2019-08-08
Python 實(shí)現(xiàn)打印單詞的菱形字符圖案
這篇文章主要介紹了Python 實(shí)現(xiàn)打印單詞的菱形字符圖案,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧2020-04-04
Python 實(shí)現(xiàn)隨機(jī)數(shù)詳解及實(shí)例代碼
這篇文章主要介紹了Python 實(shí)現(xiàn)隨機(jī)數(shù)詳解及實(shí)例代碼的相關(guān)資料,需要的朋友可以參考下2017-04-04
Python處理字符串的常用函數(shù)實(shí)例總結(jié)
在數(shù)據(jù)分析中,特別是文本分析中,字符處理需要耗費(fèi)極大的精力,因而了解字符處理對于數(shù)據(jù)分析而言,也是一項(xiàng)很重要的能力,這篇文章主要給大家介紹了關(guān)于Python處理字符串的常用函數(shù),需要的朋友可以參考下2021-11-11
Python 數(shù)據(jù)科學(xué) Matplotlib圖庫詳解
Matplotlib 是 Python 的二維繪圖庫,用于生成符合出版質(zhì)量或跨平臺交互環(huán)境的各類圖形。今天通過本文給大家分享Python 數(shù)據(jù)科學(xué) Matplotlib的相關(guān)知識,感興趣的朋友一起看看吧2021-07-07
Python新手學(xué)習(xí)函數(shù)默認(rèn)參數(shù)設(shè)置
在本篇文章里小編給大家分享的是關(guān)于Python新手學(xué)習(xí)函數(shù)默認(rèn)參數(shù)設(shè)置的相關(guān)知識點(diǎn),需要的朋友們可以參考下。2020-06-06
python 三種方法實(shí)現(xiàn)對Excel表格的讀寫
這篇文章主要介紹了python 三種方法實(shí)現(xiàn)對Excel表格的讀寫,幫助大家更好的利用python處理表格,感興趣的朋友可以了解下2020-11-11
Python實(shí)現(xiàn)朗讀在線音頻和本地音頻
在日常的Python軟件開發(fā)中,我們經(jīng)常會遇到一個非常重要的功能需求——讓程序能夠讀取并顯示文本內(nèi)容,下面我們就來學(xué)習(xí)一下Python實(shí)現(xiàn)朗讀音頻的具體操作吧2024-03-03
win7下 python3.6 安裝opencv 和 opencv-contrib-python解決 cv2.xfeat
這篇文章主要介紹了win7下 python3.6 安裝opencv 和 opencv-contrib-python解決 cv2.xfeatures2d.SIFT_create() 的問題,需要的朋友可以參考下2019-10-10

