码迷,mamicode.com
首页 > 编程语言 > 详细

python学习-线程、进程、协程

时间:2016-09-26 17:47:33      阅读:285      评论:0      收藏:0      [点我收藏+]

标签:

线程

python 的 threading 模块提供了线程的相关操作,线程是应用程序中工作的最小单元。

import time
import threading


def process(arg):
    time.sleep(1)
    print(arg)


if __name__ == __main__:

    for i in range(10):
        t = threading.Thread(target=process, args=(i,))
        t.start()

通过 threading 模块实现多线程,本身需要至少 10s 的程序会很快执行完成

start()
    # 线程准备就绪,等待 CPU 的调度
setDaemon()
    # 为线程命名
getName()
    # 获取线程名称
setDaemon(True)
    # 设置是否为后台进程,默认为 False
    # 为 True 时,主线程执行时,后台线程也在执行,当主线程执行完成后,无论后台的子线程是否执行完成,都会被停止
    # 为 False 时,主线程为等待子线程执行完成后再中止
join()
    # 逐个执行线程,执行完毕后继续向下执行,该方法使多线程失去了意义
run()
    # 线程被 CPU 调度后自动执行线程对应的 run 方法

创建多线程的两种方法

import threading

def f1(x):
    print(x)

# 第一种方法:常用
t = threading.Thread(target=f1, args=(1,))
t.start() # t.start() 表示线程已经准备就绪,等待 CPU 调用, CPU 在调用的时候,其实就是调用 run() 方法

# 第二种方法:
class MyThread(threading.Thread):
    def __init__(self, func, args):
        self.func = func
        self.args = args
        super(MyThread, self).__init__()

    def run(self):
        self.func(self.args)

obj = MyThread(f1, 123)
obj.start()

线程锁(Lock,RLock)

threading 的 Lock 和 RLock 方法提供了线程锁的功能,同时只允许一个线程更改数据

Lock 方法不支持多重锁

RLock 方法支持多重锁,一般使用 RLock 方法

由于线程之间的数据是共享的,当多个线程同时修改一个数据时,就会出现脏数据,此时就需要通过线程锁来让线程一个一个修改数据

"""
创建一个全局变量 NUM = 10, 通过 func 函数每次自减 1,1s 后打印数据
"""

import time
import threading

NUM = 10

def func():
    # 修改全局变量
    global NUM
    NUM -= 1
    # 等待 1s 后输出 NUM
    time.sleep(1)
    print(NUM)

# 创建 10 个线程执行 func 函数
for i in range(10):
    t = threading.Thread(target=func)
    t.start()


################ 输出结果 ################
0
0
0
0
0
0
0
0
0
0

无线程锁时,输出的值全部都为 0,输出的结果是所有线程修改后的数据。

通过线程锁,使数据同时只能让一个线程修改

import time
import threading

NUM = 10

# 创建锁
lock = threading.RLock()

def func():
    # 上锁
    lock.acquire()

    # 修改全局变量
    global NUM
    NUM -= 1
    # 等待 1s 后输出 NUM
    time.sleep(1)
    print(NUM)

    # 解锁
    lock.release()


# 创建 10 个线程执行 func 函数
for i in range(10):
    t = threading.Thread(target=func)
    t.start()


################ 输出结果 ################
9
8
7
6
5
4
3
2
1
0

信号量(Semaphore)

同时允许多个线程

import time
import threading

semaphore = threading.Semaphore(2)

def func(x):
    semaphore.acquire()
    time.sleep(1)
    print(x)
    semaphore.release()

# 创建 10 个线程执行 func 函数
for i in range(10):
    t = threading.Thread(target=func, args=(i,))
    t.start()

事件(Event)

通过主线程控制子线程的执行,主要有三个方法 set,wait,clear

事件处理会在全局定义一个 Flag,如果 Flag 为 False,那么当执行到 event.wait 时就会阻塞,当 Flag 为 True 是,event.wait 就不会阻塞。和红绿灯机制相似

  • claer 将 Flag 设置为 False
  • set 将 Flag 设置为 True
  • wait 阻塞
import time
import threading

event = threading.Event()

def func(x):
    event.wait()
    time.sleep(1)
    print(x)
    event.wait()



# 创建 10 个线程执行 func 函数
for i in range(10):
    t = threading.Thread(target=func, args=(i,))
    t.start()

# Flag 默认为 False
inp = input(>)
if inp:
    event.set()

条件(Condition)

线程默认等待,只有满足某个条件时,才会释放 n 个线程

import threading

condition = threading.Condition()

def func(x):
    condition.acquire()
    condition.wait()
    print(x)
    condition.release()



# 创建 10 个线程执行 func 函数
for i in range(10):
    t = threading.Thread(target=func, args=(i,))
    t.start()

while True:
    inp = input(>)
    if inp:
        condition.acquire()
        # 释放 int(inp) 个线程
        condition.notify(int(inp))
        condition.release()

定时器(Timer)

指定 n 秒后执行某操作

import threading

def func():
    print("Hello World")


t = threading.Timer(1, func)
t.start()

 进程

创建子进程需要使用 multiprocess 模块

from multiprocessing import Process

def f():
    print("Hello")

for i in range(2):
    p = Process(target=f,)
    p.start()

进程间数据共享

进程间默认无数据共享,

import time
from multiprocessing import Process

li = []

def f(x):
    li.append(x)
    time.sleep(1)
    # 输出各自的结果
    print(li)

for i in range(10):
    p = Process(target=f, args=(i,))
    p.start()

创建 Array 时必须指定类型

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
技术分享通过Array实现进程间数据共享
技术分享通过Manager实现进程间数据共享
技术分享
from multiprocessing import Process, Queue

def f():

    print(q.get())

if __name__ == __main__:
    q = Queue()
    q.put(1)
    q.put(2)
    q.put(3)
    q.put(4)

    for i in range(4):
        p = Process(target=f)
        p.start()
通过Queue实现进程间数据共享

进程池

from multiprocessing import Process, Pool

def f(x):
    time.sleep(2)
    print(x)

pool = Pool(5)
for i in range(10):
    pool.apply_async(f,args=(i,))

print(end)
pool.close()
pool.join()

协程

线程和进程的操作是由程序触发系统接口,最后的执行者是系统;协程的操作则是程序员。

协程存在的意义:对于多线程应用,CPU通过切片的方式来切换线程间的执行,线程切换时需要耗时(保存状态,下次继续)。协程,则只使用一个线程,在一个线程中规定某个代码块执行顺序。

协程的适用场景:当程序中存在大量不需要CPU的操作时(IO),适用于协程;

 

技术分享
from greenlet import greenlet

def func1():
    print("func1 11")
    gr2.switch()
    print("func1 22")
    gr2.switch()

def func2():
    print("func2 11")
    gr1.switch()
    print("func2 22")

if __name__ == __main__:
    gr1 = greenlet(func1)
    gr2 = greenlet(func2)
    gr1.switch()
通过greenlet实现
技术分享
import gevent

def func1():
    print("func1 11")
    gevent.sleep()
    print("func1 22")


def func2():
    print("func2 11")
    gevent.sleep()
    print("func2 22")

if __name__ == __main__:
    gevent.joinall([
        gevent.spawn(func1),
        gevent.spawn(func2),
    ])
通过gevent实现

请求 URL 实例:

from gevent import monkey
import gevent
import requests

monkey.patch_all()

def geturl(url):
    print("GET: %s" % url)

    resp = requests.get(url)
    data = resp.text
    print("%s types received from %s" % (len(data), url))


gevent.joinall([
    gevent.spawn(geturl, https://www.baidu.com),
    gevent.spawn(geturl, https://www.python.org),
    gevent.spawn(geturl, https://github.com),
])

 用途

多线程:用于 IO 密集型操作

多进程:用于计算密集型操作

协程:用于线程内部,解决 IO 等待

python学习-线程、进程、协程

标签:

原文地址:http://www.cnblogs.com/wenchong/p/5906966.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!