线程、进程和协程

Python线程

Threading用于提供线程相关的操作，线程是应用程序中工作的最小单元。

#!/usr/bin/env python 
# -*- coding:utf-8 -*- 
import threading 
import time 
   
def show(arg): 
    time.sleep(1) 
    print 'thread'+str(arg) 
   
for i in range(10): 
    t = threading.Thread(target=show, args=(i,)) 
    t.start() 
   
print 'main thread stop'

上述代码创建了10个“前台”线程，然后控制器就交给了CPU，CPU根据指定算法进行调度，分片执行指令。

更多方法：

start 线程准备就绪，等待CPU调度
setName 为线程设置名称
getName 获取线程名称
setDaemon 设置为后台线程或前台线程（默认）
如果是后台线程，主线程执行过程中，后台线程也在进行，主线程执行完毕后，后台线程不论成功与否，均停止
如果是前台线程，主线程执行过程中，前台线程也在进行，主线程执行完毕后，等待前台线程也执行完成后，程序停止
join 逐个执行每个线程，执行完毕后继续往下执行，该方法使得多线程变得无意义
run 线程被cpu调度后自动执行线程对象的run方法

import threading
import time
 
 
class MyThread(threading.Thread):
    def __init__(self,num):
        threading.Thread.__init__(self)
        self.num = num
 
    def run(self):#定义每个线程要运行的函数
 
        print("running on number:%s" %self.num)
 
        time.sleep(3)
 
if __name__ == '__main__':
 
    t1 = MyThread(1)
    t2 = MyThread(2)
    t1.start()
    t2.start()

自定义线程类

线程锁（Lock、RLock）

由于线程之间是进行随机调度，并且每个线程可能只执行n条执行之后，当多个线程同时修改同一条数据时可能会出现脏数据，所以，出现了线程锁 - 同一时刻允许一个线程执行操作。

#!/usr/bin/env python
# -*- coding:utf-8 -*-
import threading
import time

gl_num = 0

def show(arg):
    global gl_num
    time.sleep(1)
    gl_num +=1
    print gl_num

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

print 'main thread stop'

未使用锁

#!/usr/bin/env python 
#coding:utf-8 
    
import threading 
import time 
    
gl_num = 0
    
lock = threading.RLock() 
    
def Func(): 
    lock.acquire() 
    global gl_num 
    gl_num +=1
    time.sleep(1) 
    print gl_num 
    lock.release() 
        
for i in range(10): 
    t = threading.Thread(target=Func) 
    t.start()

信号量（Semaphore）

互斥锁同时只允许一个线程更改数据，而Semaphore是同时允许一定数量的线程更改数据，比如厕所有3个坑，那最多只允许3个人上厕所，后面的人只能等里面有人出来了才能再进去。

import threading,time 
  
def run(n): 
    semaphore.acquire() 
    time.sleep(1) 
    print("run the thread: %s" %n) 
    semaphore.release() 
  
if __name__ == '__main__': 
  
    num= 0 
    semaphore  = threading.BoundedSemaphore(5) #最多允许5个线程同时运行 
    for i in range(20): 
        t = threading.Thread(target=run,args=(i,)) 
        t.start()

事件（event）

python线程的事件用于主线程控制其他线程的执行，事件主要提供了三个方法 set、wait、clear。

事件处理的机制：全局定义了一个“Flag”，如果“Flag”值为 False，那么当程序执行 event.wait 方法时就会阻塞，如果“Flag”值为True，那么event.wait 方法时便不再阻塞。

clear：将“Flag”设置为False
set：将“Flag”设置为True

#!/usr/bin/env python 
# -*- coding:utf-8 -*- 
  
import threading 
  
  
def do(event): 
    print 'start'
    event.wait() 
    print 'execute'
  
  
event_obj = threading.Event() 
for i in range(10): 
    t = threading.Thread(target=do, args=(event_obj,)) 
    t.start() 
  
event_obj.clear() 
inp = raw_input('input:') 
if inp == 'true': 
    event_obj.set()

条件（Condition）

使得线程等待，只有满足某条件时，才释放n个线程

import threading 
  
def run(n): 
    con.acquire() 
    con.wait() 
    print("run the thread: %s" %n) 
    con.release() 
  
if __name__ == '__main__': 
  
    con = threading.Condition() 
    for i in range(10): 
        t = threading.Thread(target=run, args=(i,)) 
        t.start() 
  
    while True: 
        inp = input('>>>') 
        if inp == 'q': 
            break
        con.acquire() 
        con.notify(int(inp)) 
        con.release()

def condition_func():

    ret = False
    inp = input('>>>')
    if inp == '1':
        ret = True

    return ret


def run(n):
    con.acquire()
    con.wait_for(condition_func)
    print("run the thread: %s" %n)
    con.release()

if __name__ == '__main__':

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

View Code

Timer

定时器，指定n秒后执行某操作

from threading import Timer 
  
  
def hello(): 
    print("hello, world") 
  
t = Timer(1, hello) 
t.start()  # after 1 seconds, "hello, world" will be printed

Python 进程

from multiprocessing import Process 
import threading 
import time 
   
def foo(i): 
    print 'say hi',i 
   
for i in range(10): 
    p = Process(target=foo,args=(i,)) 
    p.start()

注意：由于进程之间的数据需要各自持有一份，所以创建进程需要的非常大的开销。

进程数据共享

进程各自持有一份数据，默认无法共享数据

#!/usr/bin/env python
#coding:utf-8
 
from multiprocessing import Process
from multiprocessing import Manager
 
import time
 
li = []
 
def foo(i):
    li.append(i)
    print 'say hi',li
  
for i in range(10):
    p = Process(target=foo,args=(i,))
    p.start()
     
print 'ending',li

进程间默认无法数据共享

#方法一，Array 
from multiprocessing import Process,Array 
temp = Array('i', [11,22,33,44]) 
  
def Foo(i): 
    temp[i] = 100+i 
    for item in temp: 
        print i,'----->',item 
  
for i in range(2): 
    p = Process(target=Foo,args=(i,)) 
    p.start() 
  
#方法二：manage.dict()共享数据 
from multiprocessing import Process,Manager 
  
manage = Manager() 
dic = manage.dict() 
  
def Foo(i): 
    dic[i] = 100+i 
    print dic.values() 
  
for i in range(2): 
    p = Process(target=Foo,args=(i,)) 
    p.start() 
    p.join()

    '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

类型对应表

from multiprocessing import Process, Queue

def f(i,q):
    print(i,q.get())

if __name__ == '__main__':
    q = Queue()

    q.put("h1")
    q.put("h2")
    q.put("h3")

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

Code

当创建进程时（非使用时），共享数据会被拿到子进程中，当进程中执行完毕后，再赋值给原值。

#!/usr/bin/env python
# -*- coding:utf-8 -*-

from multiprocessing import Process, Array, RLock

def Foo(lock,temp,i):
    """
    将第0个数加100
    """
    lock.acquire()
    temp[0] = 100+i
    for item in temp:
        print i,'----->',item
    lock.release()

lock = RLock()
temp = Array('i', [11, 22, 33, 44])

for i in range(20):
    p = Process(target=Foo,args=(lock,temp,i,))
    p.start()

进程锁实例

进程池

进程池内部维护一个进程序列，当使用时，则去进程池中获取一个进程，如果进程池序列中没有可供使用的进进程，那么程序就会等待，直到进程池中有可用进程为止。

进程池中有两个方法：

apply
apply_async

#!/usr/bin/env python 
# -*- coding:utf-8 -*- 
from  multiprocessing import Process,Pool 
import time 
   
def Foo(i): 
    time.sleep(2) 
    return i+100
   
def Bar(arg): 
    print arg 
   
pool = Pool(5) 
#print pool.apply(Foo,(1,)) 
#print pool.apply_async(func =Foo, args=(1,)).get() 
   
for i in range(10): 
    pool.apply_async(func=Foo, args=(i,),callback=Bar) 
   
print 'end'
pool.close() 
pool.join()#进程池中进程执行完毕后再关闭，如果注释，那么程序直接关闭。

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；

greenlet

#!/usr/bin/env python 
# -*- coding:utf-8 -*- 
  
  
from greenlet import greenlet 
  
  
def test1(): 
    print 12
    gr2.switch() 
    print 34
    gr2.switch() 
  
  
def test2(): 
    print 56
    gr1.switch() 
    print 78
  
gr1 = greenlet(test1) 
gr2 = greenlet(test2) 
gr1.switch()

gevent

import gevent 
  
def foo(): 
    print('Running in foo') 
    gevent.sleep(0) 
    print('Explicit context switch to foo again') 
  
def bar(): 
    print('Explicit context to bar') 
    gevent.sleep(0) 
    print('Implicit context switch back to bar') 
  
gevent.joinall([ 
    gevent.spawn(foo), 
    gevent.spawn(bar), 
])

遇到IO操作自动切换：

from gevent import monkey; monkey.patch_all()
import gevent
import urllib2

def f(url):
    print('GET: %s' % url)
    resp = urllib2.urlopen(url)
    data = resp.read()
    print('%d bytes received from %s.' % (len(data), url))

gevent.joinall([
        gevent.spawn(f, 'https://www.python.org/'),
        gevent.spawn(f, 'https://www.yahoo.com/'),
        gevent.spawn(f, 'https://github.com/'),
])

posted @ 2016-08-08 17:13 小秒阅读(179) 评论(0) 编辑收藏举报

刷新页面返回顶部

小秒

线程、进程和协程

Python线程

Python 进程

协程

gevent

公告