标签：and back rom window 自定义 运行 int 最简 lock
进程就是操作系统中执行的一个程序，操作系统以进程为单位分配存储空间，每个进程都有自己的地址空间、数据栈以及其他用于跟踪进程执行的辅助数据，操作系统管理所有进程的执行，为它们合理的分配资源。进程可以通过fork或spawn的方式来创建新的进程来执行其他的任务，不过新的进程也有自己独立的内存空间，因此必须通过进程间通信机制（IPC，Inter-Process Communication）来实现数据共享，具体的方式包括管道、信号、套接字、共享内存区等。
一个进程可以拥有多个并发的执行线索，简单的说就是拥有多个可以获得CPU调度的执行单元，这就是所谓的线程。
由于线程在同一个进程下，它们可共享相同的上下文，因此相对于进程而言，线程间的信息共享和通信更加容易。当然在单核CPU系统中，真正的并发是不可能的，因为在某个时刻能够获得CPU的只有唯一的一个线程，多个线程共享了CPU的执行时间。
Unix和Linux操作系统上提供了fork()系统调用来创建进程，调用fork()函数的是父进程，创建出的是子进程，子进程是父进程的一个拷贝，但是子进程拥有自己的PID。fork()函数非常特殊它会返回两次，父进程中可以通过fork()函数的返回值得到子进程的PID，而子进程中的返回值永远都是0。
Python的os模块提供fork()函数。由于Windows系统没有fork()调用，因此要实现跨平台的多进程编程，可以使用multiprocessing模块的Process类来创建子进程，而且该模块还提供了更高级的封装，例如批量启动进程的进程池（Pool）、用于进程间通信的队列（Queue）和管道（Pipe）等。
from multiprocessing import Process from os import getpid from random import randint from time import time, sleep def download_task(filename): print(‘启动下载进程，进程号[%d].‘ % getpid()) print(‘开始下载%s...‘ % filename) time_to_download = randint(5, 10) sleep(time_to_download) print(‘%s下载完成! 耗费了%d秒‘ % (filename, time_to_download)) def main(): start = time() p1 = Process(target=download_task, args=(‘Python从入门到住院.pdf‘, )) p1.start() p2 = Process(target=download_task, args=(‘Peking Hot.avi‘, )) p2.start() p1.join() # 等待进程执行结束 p2.join() end = time() print(‘总共耗费了%.2f秒.‘ % (end - start)) if __name__ == ‘__main__‘: main()
# 用subprocess模块中的类和函数来创建和启动子进程，然后通过管道来和子进程通信
全局变量counter不起作用！！-->--> 用multiprocessing模块中的Queue类，它是可以被多个进程共享的队列，底层是通过管道和信号量（semaphore）机制来实现的
from random import randint from threading import Thread from time import time, sleep def download(filename): print(‘开始下载%s...‘ % filename) time_to_download = randint(5, 10) sleep(time_to_download) print(‘%s下载完成! 耗费了%d秒‘ % (filename, time_to_download)) def main(): start = time() t1 = Thread(target=download, args=(‘Python从入门到住院.pdf‘,)) t1.start() t2 = Thread(target=download, args=(‘Peking Hot.avi‘,)) t2.start() t1.join() t2.join() end = time() print(‘总共耗费了%.3f秒‘ % (end - start)) if __name__ == ‘__main__‘: main()
继承Thread类的方式来创建自定义的线程类，然后再创建线程对象并启动线程。
from random import randint from threading import Thread from time import time, sleep class DownloadTask(Thread): def __init__(self, filename): super().__init__() self._filename = filename def run(self): print(‘开始下载%s...‘ % self._filename) time_to_download = randint(5, 10) sleep(time_to_download) print(‘%s下载完成! 耗费了%d秒‘ % (self._filename, time_to_download)) def main(): start = time() t1 = DownloadTask(‘Python从入门到住院.pdf‘) t1.start() t2 = DownloadTask(‘Peking Hot.avi‘) t2.start() t1.join() t2.join() end = time() print(‘总共耗费了%.2f秒.‘ % (end - start)) if __name__ == ‘__main__‘: main()
多个线程共享进程的全局变量， 启用锁机制：
from time import sleep from threading import Thread, Lock class Account(object): def __init__(self): self._balance = 0 self._lock = Lock() def deposit(self, money): # 先获取锁才能执行后续的代码 self._lock.acquire() try: new_balance = self._balance + money sleep(0.01) self._balance = new_balance finally: # 在finally中执行释放锁的操作保证正常异常锁都能释放 self._lock.release() @property def balance(self): return self._balance class AddMoneyThread(Thread): def __init__(self, account, money): super().__init__() self._account = account self._money = money def run(self): self._account.deposit(self._money) def main(): account = Account() threads = [] for _ in range(100): t = AddMoneyThread(account, 1) threads.append(t) t.start() for t in threads: t.join() print(‘账户余额为: ￥%d元‘ % account.balance) if __name__ == ‘__main__‘: main()
利用操作系统提供的异步I/O支持，就可用单进程单线程模型来执行多任务，这种全新的模型称为事件驱动模型。
Nginx就是支持异步I/O的Web服务器，它在单核CPU上采用单进程模型就可以高效地支持多任务。在多核CPU上，可以运行多个进程（数量与CPU核心数相同），充分利用多核CPU。用Node.js开发的服务器端程序也使用了这种工作模式，这也是当下实现多任务编程的一种趋势。
在Python语言中，单线程+异步I/O的编程模型称为协程，可基于事件驱动编写高效的多任务程序。
如果想要充分利用CPU的多核特性，最简单的方法是多进程+协程，既充分利用多核，又充分发挥协程的高效率，可获得极高的性能。
标签：and back rom window 自定义 运行 int 最简 lock
原文地址：https://www.cnblogs.com/bsszds930/p/12909252.html
