多线程、多进程等

时间：2019-09-24 22:59:52 阅读：184 评论：0 收藏：0 [点我收藏+]

标签：nbsp 消息 put setdaemon rmi 运算 print 线程间通信读写

多线程使用：

def func(x):

print(x)

t= threading.Thread(target=func,args=(12,))

# 线程启动

t.start()

# 主进程阻塞，等待子进程的退出

t.join()

# 设置线程为主线程的守护线程

t.setDaemon()

多进程使用：

from multiprocessing import Process

def func(x):

print(x)

p = Process(target=func,args=(12,))

p.start()# 启动子进程实例(创建子进程)

p.is_alive()# 判断进程子进程是否还在活着

p.join(timeout)# 是否等待子进程执行结束，或者等待多少秒

p.terminate()# 不管任务是否完成，立即终止子进程

p.daemon = True # 设置守护进程

线程池、进程池使用：

# 进程池

from multiprocessing import Pool

# 线程池

from multiprocessing.dummy import Pool

pool = Pool(5) # 同时最大运行线程或者进程个数

def _excute(x,y):

print(x+y)

def _callback(self, temp): # temp必有参数

print("线程或进程任务完成后的回调")

pool.apply_async(target=_excute, callback=_callback)

poll.close()# 关闭Pool，使其不再接受新的任务；

poll.terminate()# 不管任务是否完成，立即终止；

poll.join()# 主进程阻塞，等待子进程的退出,必须在close或

terminate之后使用

进程或线程间通信工具：

# 线程池、多线程使用的Queue

from queue import Queue

# 多进程使用的queue

from multiprocessing import JoinableQueue as Queue

# 进程池使用的queue

from multiprocessing import Manager

queue = Manager().Queue()

queue = Queue()

queue.qsize()# 返回当前队列包含的消息数量。

queue.empty()# 如果队列为空，返回True,反之False。

queue.full()# 如果队列满了，返回True，反之False。

queue.put(item, block=True, timeout=None)

"""将item消息写入队列，block默认值为True；

如果block使用默认值，且没有设置timeout（单位秒），消息列队如果已

经没有空间可写入，此时程序将被阻塞（停在写入状态），直到从消息列队腾

出空间为止，如果设置了timeout，则会等待timeout秒，若还没空间，则

抛出"Queue.Full"异常；

如果block值为False，消息列队如果没有空间可写入，则会立刻抛

出"Queue.Full"异常；

"""

queue.get(item, block=True, timeout=None)

"""

获取队列中的一条消息，然后将其从队列中移除，block默认值为True。如

果block使用默认值，且没有设置timeout（单位秒），消息列队如果为

空，此时程序将被阻塞（停在读取状态），直到从消息列队读到消息为止，如

果设置了timeout，则会等待timeout秒，若还没读取到任何消息，则抛

出"Queue.Empty"异常；

如果block值为False，消息列队如果为空，则会立刻抛

出"Queue.Empty"异常；

"""

# get方法并不能让queue的计数-1，必须调用task_done

queue.task_done()

queue.join() # 主程序阻塞，等待队列计数为0时才继续向下执行

线程池优点：

1. 降低资源消耗。通过重复利用已创建的线程降低线程创建和销毁造

成的消耗。

2. 提高响应速度。当任务到达时，任务可以不需要等到线程创建就能

立即执行。

3. 提高线程的可管理性。线程是稀缺资源，如果无限制的创建，不仅

会消耗系统资源，还会降低系统的稳定性，使用线程池可以进行统

一的分配，调优和监控

Python中的进程与线程的使用场景：

多进程适合在 CPU 密集型操作(cpu 操作指令比较多，如位数多的浮

点运算)。

多线程适合在 IO 密集型操作(读写数据操作较多的，比如爬虫、网

络编程)。

多线程、多进程等

标签：nbsp 消息 put setdaemon rmi 运算 print 线程间通信读写

原文地址：https://www.cnblogs.com/zwp-627/p/11581637.html

踩

(0)

评论一句话评论（0）

分享档案

更多>

2021年07月29日 (22)
2021年07月28日 (40)
2021年07月27日 (32)
2021年07月26日 (79)
2021年07月23日 (29)
2021年07月22日 (30)
2021年07月21日 (42)
2021年07月20日 (16)
2021年07月19日 (90)
2021年07月16日 (35)

周排行