Python并发实践_01_线程与进程初探
进程与线程
在多任务处理中，每一个任务都有自己的进程，一个任务会有很多子任务，这些在进程中开启线程来执行这些子任务。一般来说，可以将独立调度、分配的基本单元作为线程运行，而进程是资源拥有的基本单位。
python支持多进程multiprocessing，以及多线程threading。
多进程
os.fork()函数可以开启一个进程。该函数会返回两次值，分别在父进程中返回子进程的ID，而在子进程中永远返回0。
os.getpid()函数可以返回进程的ID。os.getppid()则可以返回父进程的ID。
通过os.fork()，可以随时开启一个进程并且返回进程ID，以及使用os.getpid()、os.getppid()函数，可以任意时刻查看目前所在的进程ID，以及父进程的ID。
fork()函数只在unix/linux下有效，windows并不支持fork()，使用multiprocessing.Process类提供的多进程调用更加完整地反映整个过程。
from multiprocessing imort Process
def proc_worker(args):
pass
def main():
p = Process(target=proc_worker,args=(some_args,))
p.start()
p.join()
Process实例指定子进程运行的函数以及相关参数，并且start()和join()方法可以控制进程的开始和等待。
需要注意的是，由于一个进程在同一时间只进行一个任务，所以子进程调用完之后，必须调用join()方法，使其父进程等待，否则进程将会成为僵尸进程。而对于线程来说，并不是必要join()。
进程之间也可以共享内存，但是在设计上，进程应该是资源拥有的基本单位，所以应该尽量避免进程之间共享内存，由于同步的需求，这样会降低程序的效率。
通过锁（Lock）来实现进程之间的同步：Lock实例有两个主要的方法：acquire()、released()，一把锁只能被一个进程占用。
进程之间可以通过Pipe和Queue通信，
其中Pipe实例时，默认是双向通道，管道的任何一端都可以收发消息，实例化时通过指定duplex=False即可创建单向通道，实例之后会得到包含两个元素的元组，代表管道的两端：
from multiprocessing import Pipe,Process
def proc1(pipe):
pipe.send('There is proc1')
print('proc1 recv:',pipe.recv())
def proc2(pipe):
pipe.send('There is proc2')
print('proc2 recv:',pipe.recv())
def main():
pipe = Pipe()
p1 = Process(target=proc1,args=(pipe[0],))
p2 = Process(target=proc2,args=(pipe[1],))
p1.start()
p2.start()
p1.join()
p2.join()
而Queue则是一个队列，满足先进先出原则（Pipe也是先进先出结构，如果发送多条信息，则会按照先进先出的顺序接收），并且Queue支持多个进程同时传入消息，并且支持多个进程同时读取消息，在实例化时，指定一个整数来限制最大允许的进程数：
from multiprocessing import Queue,Process
import os
def inQueue(queue):
info = 'put from proc:%s'%os.getpid()
queue.put(info)
def outQueue(queue):
info = queue.get()
print('%s get a info of %s'%(os.getpid(),info))
def main():
queue = Queue(5)
processes1 = []
processes2 = []
for i in range(10):
process = Process(target = inQueue,args=(queue,))
process.start()
processes1.append(process)
for i in range(10):
process = Process(target = outQueue,args=(queue,))
process.start()
processes2.append(process)
for proc in processes1:
proc.join()
queue.close()
for proc in processes2:
proc.join()
虽然在Queue中遵循先进先出的原则，但是由于上述代码并没有做进程同步，如果要如实反应Queue中的情况，应该添加锁：
from multiprocessing import Process,Queue,Lock
import os
def inQueue(queue,lock):
lock.acquire()
info = 'put from proc:%s'%os.getpid()
print '%s put a info'%os.getpid()
queue.put(info)
lock.release()
def outQueue(queue,lock):
lock.acquire()
info = queue.get()
print('%s get a info of %s'%(os.getpid(),info))
lock.release()
def main1():
queue = Queue(10)
lock = Lock()
processes1 = []
processes2 = []
for i in range(10):
process = Process(target = inQueue,args=(queue,lock))
process.start()
processes1.append(process)
for i in range(10):
process = Process(target = outQueue,args=(queue,lock))
process.start()
processes2.append(process)
for proc in processes1:
proc.join()
queue.close()
for proc in processes2:
proc.join()
多线程
多线程即一个进程中执行的任务的多个子任务，从设计上应该是独立调度和分配的基本单元。Python中多线程使用threading模块实现。
threading和multiprocessing类似，具有一个Thread类，用来实例化线程对象，Thread实例和Process一样也具有start(),join()等方法。
前面提到进程中最好不要有资源的交换，所以锁模型在进程中比较少用到，而在线程中就比较普遍，线程与锁模型是基本的并发模型，线程中的Lock和进程中一样，也具有acquire()方法和release()方法。
然而，在python中，多线程并发并不能完美地执行，这是因为Python的官方解释器CPython在设计时，添加了GIL锁，任何Python线程执行之前都必须获得GIL锁，每执行100条字节码GIL锁会得到释放，所以Python中的多线程仍然是交替进行的，Python中多线程只能用到同一个CPU，如果要使用多个CPU，需要用到多进程来完成。
但是这并不表示python中的多线程没有意义，虽然不能运用多核硬件，但是同一个任务多线程执行会比开多个进程效率要高很多。
