python 多线程和多进程的区别 mutiprocessing theading
多线程可以共享全局变量,多进程不能。多线程中,所有子线程的进程号相同;多进程中,不同的子进程进程号不同。
![](https://images.cnblogs.com/OutliningIndicators/ContractedBlock.gif)
1 #!/usr/bin/python 2 # -*- coding:utf-8 -*- 3 import os 4 import threading 5 import multiprocessing 6 count_thread = 0 7 count_process = 0 8 9 # worker function 10 def worker1(sign, lock): 11 global count_thread 12 lock.acquire() 13 count_thread += 1 14 print(sign, os.getpid()) 15 lock.release() 16 17 def worker2(sign, lock): 18 global count_process 19 lock.acquire() 20 count_process += 1 21 print(sign, os.getpid()) 22 lock.release() 23 # Main 24 print('Main:',os.getpid()) 25 26 # Multi-thread 27 record = [] 28 lock = threading.Lock() 29 for i in range(5): 30 thread = threading.Thread(target=worker1,args=('thread',lock)) 31 thread.start() 32 record.append(thread) 33 34 for thread in record: 35 thread.join() 36 37 # Multi-process 38 record = [] 39 lock = multiprocessing.Lock() 40 for i in range(5): 41 process = multiprocessing.Process(target=worker2,args=('process',lock)) 42 process.start() 43 record.append(process) 44 45 for process in record: 46 process.join() 47 48 49 print count_thread 50 print count_process
运行结果
('Main:', 3142)
('thread', 3142)
('thread', 3142)
('thread', 3142)
('thread', 3142)
('thread', 3142)
('process', 3148)
('process', 3149)
('process', 3150)
('process', 3151)
('process', 3152)
5
0
应该尽量避免多进程共享资源。多进程共享资源必然会带来进程间相互竞争。而这种竞争又会造成race condition,我们的结果有可能被竞争的不确定性所影响。但如果需要,我们依然可以通过共享内存和Manager对象这么做。
1) 共享内存
用Python实现的例子:
![](https://images.cnblogs.com/OutliningIndicators/ContractedBlock.gif)
1 import multiprocessing 2 3 def f(n, a): 4 n.value = 3.14 5 a[0] = 5 6 7 num = multiprocessing.Value('d', 0.0) 8 arr = multiprocessing.Array('i', range(10)) 9 10 p = multiprocessing.Process(target=f, args=(num, arr)) 11 p.start() 12 p.join() 13 14 print num.value 15 print arr[:]
这里我们实际上只有主进程和Process对象代表的进程。我们在主进程的内存空间中创建共享的内存,也就是Value和Array两个对象。对象Value被设置成为双精度数(d), 并初始化为0.0。而Array则类似于C中的数组,有固定的类型(i, 也就是整数)。在Process进程中,我们修改了Value和Array对象。回到主程序,打印出结果,主程序也看到了两个对象的改变,说明资源确实在两个进程之间共享。
2)Manager
Manager对象类似于服务器与客户之间的通信 (server-client),与我们在Internet上的活动很类似。我们用一个进程作为服务器,建立Manager来真正存放资源。其它的进程可以通过参数传递或者根据地址来访问Manager,建立连接后,操作服务器上的资源。在防火墙允许的情况下,我们完全可以将Manager运用于多计算机,从而模仿了一个真实的网络情境。下面的例子中,我们对Manager的使用类似于shared memory,但可以共享更丰富的对象类型。
![](https://images.cnblogs.com/OutliningIndicators/ContractedBlock.gif)
1 import multiprocessing 2 3 def f(x, arr, l): 4 x.value = 3.14 5 arr[0] = 5 6 l.append('Hello') 7 8 server = multiprocessing.Manager() 9 x = server.Value('d', 0.0) 10 arr = server.Array('i', range(10)) 11 l = server.list() 12 13 proc = multiprocessing.Process(target=f, args=(x, arr, l)) 14 proc.start() 15 proc.join() 16 17 print(x.value) 18 print(arr) 19 print(l)
Manager利用list()方法提供了表的共享方式。实际上你可以利用dict()来共享词典,Lock()来共享threading.Lock(注意,我们共享的是threading.Lock,而不是进程的mutiprocessing.Lock。后者本身已经实现了进程共享)等。 这样Manager就允许我们共享更多样的对象。
参考资料:
http://blog.csdn.net/zhaozhi406/article/details/8137670
http://www.xuebuyuan.com/1968817.html