【廖雪峰老师python教程】——进程与线程

多进程

• 操作系统轮流让各个任务交替执行，任务1执行0.01秒，切换到任务2，任务2执行0.01秒，再切换到任务3，执行0.01秒……这样反复执行下去。表面上看，每个任务都是交替执行的，但是，由于CPU的执行速度实在是太快了，我们感觉就像所有任务都在同时执行一样。
• 对于操作系统来说，一个任务就是一个进程（Process）
• 在一个进程内部，要同时干多件事，就需要同时运行多个“子任务”，我们把进程内的这些“子任务”称为线程（Thread）。
• multiprocessing模块就是跨平台版本的多进程模块

  from multiprocessing import Process
  import os
  
  # 子进程要执行的代码
  def run_proc(name):
      print(‘Run child process %s (%s)...‘ % (name, os.getpid()))
  
  if __name__==‘__main__‘:
      print(‘Parent process %s.‘ % os.getpid())
      p = Process(target=run_proc, args=(‘test‘,))
      print(‘Child process will start.‘)
      p.start()
      p.join()#等待子进程结束，才继续往下进行
      print(‘Child process end.‘)

  Parent process 928.
  Process will start.
  Run child process test (929)...
  Process end.

• 进程池

  from multiprocessing import Pool
  import os, time, random
  
  def long_time_task(name):
      print(‘Run task %s (%s)...‘ % (name, os.getpid()))
      start = time.time()
      time.sleep(random.random() * 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(4)
      for i in range(5):
          p.apply_async(long_time_task, args=(i,))
      print(‘Waiting for all subprocesses done...‘)
      p.close()# 必须先关闭，才能停止添加进程，才能运行
      p.join()
      print(‘All subprocesses done.‘)

  Parent process 669.
  Waiting for all subprocesses done...
  Run task 0 (671)...
  Run task 1 (672)...
  Run task 2 (673)...
  Run task 3 (674)...
  Task 2 runs 0.14 seconds.
  Run task 4 (673)...
  Task 1 runs 0.27 seconds.
  Task 3 runs 0.86 seconds.
  Task 0 runs 1.41 seconds.
  Task 4 runs 1.91 seconds.
  All subprocesses done.

多线程

• import time, threading
  
  # 新线程执行的代码:
  def loop():
      print(‘thread %s is running...‘ % threading.current_thread().name)
      n = 0
      while n < 5:
          n = n + 1
          print(‘thread %s >>> %s‘ % (threading.current_thread().name, n))
          time.sleep(1)
      print(‘thread %s ended.‘ % threading.current_thread().name)
  
  print(‘thread %s is running...‘ % threading.current_thread().name)
  t = threading.Thread(target=loop, name=‘LoopThread‘)
  t.start()
  t.join()
  print(‘thread %s ended.‘ % threading.current_thread().name)

• 多线程和多进程最大的不同在于，多进程中，同一个变量，各自有一份拷贝存在于每个进程中，互不影响，而多线程中，所有变量都由所有线程共享，所以，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。【锁机制】

  balance = 0
  lock = threading.Lock()
  
  def run_thread(n):
      for i in range(100000):
          # 先要获取锁:
          lock.acquire()
          try:
              # 放心地改吧:
              change_it(n)
          finally:
              # 改完了一定要释放锁:
              lock.release()

• 多线程编程，模型复杂，容易发生冲突，必须用锁加以隔离，同时，又要小心死锁的发生。

  Python解释器由于设计时有GIL全局锁，导致了多线程无法利用多核。多线程的并发在Python中就是一个美丽的梦

ThreadLocal

• 在多线程环境下，每个线程都有自己的数据。一个线程使用自己的局部变量比使用全局变量好，因为局部变量只有线程自己能看见，不会影响其他线程，而全局变量的修改必须加锁。

  但是局部变量也有问题，就是在函数调用的时候，传递起来很麻烦：

一个ThreadLocal变量虽然是全局变量，但每个线程都只能读写自己线程的独立副本，互不干扰。ThreadLocal解决了参数在一个线程中各个函数之间互相传递的问题。

import threading

# 创建全局ThreadLocal对象:
local_school = threading.local()

def process_student():
    # 获取当前线程关联的student:
    std = local_school.student
    print(‘Hello, %s (in %s)‘ % (std, threading.current_thread().name))

def process_thread(name):
    # 绑定ThreadLocal的student:
    local_school.student = name
    process_student()

t1 = threading.Thread(target= process_thread, args=(‘Alice‘,), name=‘Thread-A‘)
t2 = threading.Thread(target= process_thread, args=(‘Bob‘,), name=‘Thread-B‘)
t1.start()
t2.start()
t1.join()
t2.join()

Hello, Alice (in Thread-A)
Hello, Bob (in Thread-B)

• 对应到Python语言，单线程的异步编程模型称为协程，有了协程的支持，就可以基于事件驱动编写高效的多任务程序。

分布式进程

• 在Thread和Process中，应当优选Process，因为Process更稳定，而且，Process可以分布到多台机器上，而Thread最多只能分布到同一台机器的多个CPU上
• 后期可以学习，现在用不上

原文：https://www.cnblogs.com/ChaoyuanJam/p/9749718.html