最近學習python并發(fā)，于是對多進程、多線程、異步和協(xié)程做了個總結。
一、多線程

多線程就是允許一個進程內存在多個控制權，以便讓多個函數(shù)同時處于激活狀態(tài)，從而讓多個函數(shù)的操作同時運行。即使是單CPU的計算機，也可以通過不停地在不同線程的指令間切換，從而造成多線程同時運行的效果。

多線程相當于一個并發(fā)(concunrrency)系統(tǒng)。并發(fā)系統(tǒng)一般同時執(zhí)行多個任務。如果多個任務可以共享資源，特別是同時寫入某個變量的時候，就需要解決同步的問題，比如多線程火車售票系統(tǒng)：兩個指令，一個指令檢查票是否賣完，另一個指令，多個窗口同時賣票，可能出現(xiàn)賣出不存在的票。

在并發(fā)情況下，指令執(zhí)行的先后順序由內核決定。同一個線程內部，指令按照先后順序執(zhí)行，但不同線程之間的指令很難說清除哪一個會先執(zhí)行。因此要考慮多線程同步的問題。同步(synchronization)是指在一定的時間內只允許某一個線程訪問某個資源。

1、thread模塊

2、threading模塊
threading.Thread 創(chuàng)建一個線程。

給判斷是否有余票和賣票，加上互斥鎖，這樣就不會造成一個線程剛判斷沒有余票，而另外一個線程就執(zhí)行賣票操作。

#! /usr/bin/python
#-* coding: utf-8 -*
# __author__ ="tyomcat"
import threading
import time
import os

def booth(tid):
  global i
  global lock
  while True:
    lock.acquire()
    if i!=0:
      i=i-1
      print "窗口:",tid,",剩余票數(shù):",i
      time.sleep(1)
    else:
      print "Thread_id",tid,"No more tickets"
      os._exit(0)
    lock.release()
    time.sleep(1)

i = 100
lock=threading.Lock()

for k in range(10):

  new_thread = threading.Thread(target=booth,args=(k,))
  new_thread.start()

二、協(xié)程（又稱微線程，纖程）

協(xié)程，與線程的搶占式調度不同，它是協(xié)作式調度。協(xié)程也是單線程，但是它能讓原來要使用異步+回調方式寫的非人類代碼,可以用看似同步的方式寫出來。

1、協(xié)程在python中可以由生成器（generator）來實現(xiàn)。

首先要對生成器和yield有一個扎實的理解.

調用一個普通的python函數(shù)，一般是從函數(shù)的第一行代碼開始執(zhí)行，結束于return語句、異?；蛘吆瘮?shù)執(zhí)行（也可以認為是隱式地返回了None）。

一旦函數(shù)將控制權交還給調用者，就意味著全部結束。而有時可以創(chuàng)建能產(chǎn)生一個序列的函數(shù)，來“保存自己的工作”，這就是生成器（使用了yield關鍵字的函數(shù)）。

能夠“產(chǎn)生一個序列”是因為函數(shù)并沒有像通常意義那樣返回。return隱含的意思是函數(shù)正將執(zhí)行代碼的控制權返回給函數(shù)被調用的地方。而"yield"的隱含意思是控制權的轉移是臨時和自愿的，我們的函數(shù)將來還會收回控制權。

看一下生產(chǎn)者/消費者的例子：

#! /usr/bin/python
#-* coding: utf-8 -*
# __author__ ="tyomcat"
import time
import sys
# 生產(chǎn)者
def produce(l):
  i=0
  while 1:
    if i < 10:
      l.append(i)
      yield i
      i=i+1
      time.sleep(1)
    else:
      return   
# 消費者
def consume(l):
  p = produce(l)
  while 1:
    try:
      p.next()
      while len(l) > 0:
        print l.pop()
    except StopIteration:
      sys.exit(0)
if __name__ == "__main__":
  l = []
  consume(l)

當程序執(zhí)行到produce的yield i時，返回了一個generator并暫停執(zhí)行，當我們在custom中調用p.next()，程序又返回到produce的yield i 繼續(xù)執(zhí)行，這樣 l 中又append了元素，然后我們print l.pop()，直到p.next()引發(fā)了StopIteration異常。

2、Stackless Python

3、greenlet模塊

基于greenlet的實現(xiàn)則性能僅次于Stackless Python，大致比Stackless Python慢一倍，比其他方案快接近一個數(shù)量級。其實greenlet不是一種真正的并發(fā)機制，而是在同一線程內，在不同函數(shù)的執(zhí)行代碼塊之間切換，實施“你運行一會、我運行一會”，并且在進行切換時必須指定何時切換以及切換到哪。

4、eventlet模塊

三、多進程
1、子進程（subprocess包）

在python中，通過subprocess包，fork一個子進程，并運行外部程序。

調用系統(tǒng)的命令的時候，最先考慮的os模塊。用os.system()和os.popen()來進行操作。但是這兩個命令過于簡單，不能完成一些復雜的操作，如給運行的命令提供輸入或者讀取命令的輸出，判斷該命令的運行狀態(tài)，管理多個命令的并行等等。這時subprocess中的Popen命令就能有效的完成我們需要的操作

>>>import subprocess
>>>command_line=raw_input()
ping -c 10 www.baidu.com
>>>args=shlex.split(command_line)
>>>p=subprocess.Popen(args)

利用subprocess.PIPE將多個子進程的輸入和輸出連接在一起，構成管道(pipe):

import subprocess
child1 = subprocess.Popen(["ls","-l"], stdout=subprocess.PIPE)
child2 = subprocess.Popen(["wc"], stdin=child1.stdout,stdout=subprocess.PIPE)
out = child2.communicate()
print(out)

communicate() 方法從stdout和stderr中讀出數(shù)據(jù)，并輸入到stdin中。

2、多進程（multiprocessing包）

（1）、multiprocessing包是Python中的多進程管理包。與threading.Thread類似，它可以利用multiprocessing.Process對象來創(chuàng)建一個進程。

進程池 (Process Pool)可以創(chuàng)建多個進程。

apply_async(func,args)  從進程池中取出一個進程執(zhí)行func，args為func的參數(shù)。它將返回一個AsyncResult的對象，你可以對該對象調用get()方法以獲得結果。

close()  進程池不再創(chuàng)建新的進程

join()   wait進程池中的全部進程。必須對Pool先調用close()方法才能join。

#! /usr/bin/env python
# -*- coding:utf-8  -*-
# __author__ == "tyomcat"
# "我的電腦有4個cpu"

from multiprocessing import Pool
import os, time

def long_time_task(name):
  print 'Run task %s (%s)...' % (name, os.getpid())
  start = time.time()
  time.sleep(3)
  end = time.time()
  print 'Task %s runs %0.2f seconds.' % (name, (end - start))

if __name__=='__main__':
  print 'Parent process %s.' % os.getpid()
  p = Pool()
  for i in range(4):
    p.apply_async(long_time_task, args=(i,))
  print 'Waiting for all subprocesses done...'
  p.close()
  p.join()
  print 'All subprocesses done.'

（2）、多進程共享資源

通過共享內存和Manager對象：用一個進程作為服務器，建立Manager來真正存放資源。

其它的進程可以通過參數(shù)傳遞或者根據(jù)地址來訪問Manager，建立連接后，操作服務器上的資源。

#! /usr/bin/env python
# -*- coding:utf-8  -*-
# __author__ == "tyomcat"

from multiprocessing import Queue,Pool
import multiprocessing,time,random

def write(q):

  for value in ['A','B','C','D']:
    print "Put %s to Queue!" % value
    q.put(value)
    time.sleep(random.random())


def read(q,lock):
  while True:
    lock.acquire()
    if not q.empty():
      value=q.get(True)
      print "Get %s from Queue" % value
      time.sleep(random.random())
    else:
      break
    lock.release()

if __name__ == "__main__":
  manager=multiprocessing.Manager()
  q=manager.Queue()
  p=Pool()
  lock=manager.Lock()
  pw=p.apply_async(write,args=(q,))
  pr=p.apply_async(read,args=(q,lock))
  p.close()
  p.join()
  print
  print "所有數(shù)據(jù)都寫入并且讀完"

四、異步

無論是線程還是進程，使用的都是同步進制，當發(fā)生阻塞時，性能會大幅度降低，無法充分利用CPU潛力，浪費硬件投資，更重要造成軟件模塊的鐵板化，緊耦合，無法切割，不利于日后擴展和變化。

不管是進程還是線程，每次阻塞、切換都需要陷入系統(tǒng)調用(system call)，先讓CPU跑操作系統(tǒng)的調度程序，然后再由調度程序決定該跑哪一個進程(線程)。多個線程之間在一些訪問互斥的代碼時還需要加上鎖，

現(xiàn)下流行的異步server都是基于事件驅動的（如nginx）。

異步事件驅動模型中，把會導致阻塞的操作轉化為一個異步操作，主線程負責發(fā)起這個異步操作，并處理這個異步操作的結果。由于所有阻塞的操作都轉化為異步操作，理論上主線程的大部分時間都是在處理實際的計算任務，少了多線程的調度時間，所以這種模型的性能通常會比較好。

以上就是本文的全部內容，希望對大家的學習有所幫助，也希望大家多多支持腳本之家。

最新評論