python基础(16)-进程&线程&协程

进程之multiprocessing模块

Process(进程)

Process模块是一个创建进程的模块，借助这个模块，就可以完成进程的创建。

介绍

初始化参数

Process([group [, target [, name [, args [, kwargs]]]]])，由该类实例化得到的对象，表示一个子进程中的任务（尚未启动）强调：1. 需要使用关键字的方式来指定参数2. args指定的为传给target函数的位置参数，是一个元组形式，必须有逗号参数介绍：1. group参数未使用，值始终为None2. target表示调用对象，即子进程要执行的任务3. args表示调用对象的位置参数元组，args=(1,2,'zze',)4. kwargs表示调用对象的字典,kwargs={'name':'zze','age':18}5. name为子进程的名称

方法

p.start()：启动进程，并调用该子进程中的p.run()p.run():进程启动时运行的方法，正是它去调用target指定的函数，我们自定义类的类中一定要实现该方法p.terminate():强制终止进程p，不会进行任何清理操作，如果p创建了子进程，该子进程就成了僵尸进程，使用该方法需要特别小心这种情况。如果p还保存了一个锁那么也将不会被释放，进而导致死锁p.is_alive():如果p仍然运行，返回Truep.join([timeout]):主线程等待p终止（强调：是主线程处于等的状态，而p是处于运行的状态）。timeout是可选的超时时间，需要强调的是，p.join只能join住start开启的进程，而不能join住run开启的进程

属性

p.daemon：默认值为False，如果设为True，代表p为后台运行的守护进程，当p的父进程终止时，p也随之终止，并且设定为True后，p不能创建自己的新进程，必须在p.start()之前设置p.name:进程的名称p.pid：进程的pidp.exitcode:进程在运行时为None、如果为–N，表示被信号N结束(了解即可)p.authkey:进程的身份验证键,默认是由os.urandom()随机生成的32字符的字符串。这个键的用途是为涉及网络连接的底层进程间通信提供安全性，这类连接只有在具有相同的身份验证键时才能成功（了解即可）

注

在Windows操作系统中由于没有fork(linux操作系统中创建进程的机制)，在创建子进程的时候会自动 import 启动它的这个文件，而在 import 的时候又执行了整个文件。因此如果将process()直接写在文件中就会无限递归创建子进程报错。所以必须把创建子进程的部分使用if __name__ ==‘__main__’ 判断保护起来，import 的时候  ，就不会递归运行了。

使用

创建子进程

 import time from multiprocessing import Process def f(name):     print('hello', name)     print('我是子进程') if __name__ == '__main__':     p = Process(target=f, args=('bob',))     p.start()     time.sleep(1)     print('执行主进程的内容了') # result # hello bob # 我是子进程 # 执行主进程的内容了

join()

join()函数可以阻塞主进程,让其等待子进程代码执行完毕后,再执行join()后面的代码

 import time from multiprocessing import Process def f(name):     print('hello', name)     time.sleep(2)     print('我是子进程') if __name__ == '__main__':     p = Process(target=f, args=('bob',))     p.start()     time.sleep(1)     p.join()     print('执行主进程的内容了') # result # hello bob # 我是子进程 # 执行主进程的内容了

查看进程号

 import os from multiprocessing import Process def f(x):     print('子进程id ：',os.getpid(),'父进程id ：',os.getppid())     return x*x if __name__ == '__main__':     print('主进程id ：', os.getpid())     p_lst = []     for i in range(5):         p = Process(target=f, args=(i,))         p.start() #result: # 主进程id ： 9208 # 子进程id ： 4276 父进程id ： 9208 # 子进程id ： 3744 父进程id ： 9208 # 子进程id ： 9392 父进程id ： 9208 # 子进程id ： 3664 父进程id ： 9208 # 子进程id ： 520 父进程id ： 9208

执行多个子进程

 import time from multiprocessing import Process def f(name):     print('hello', name)     time.sleep(1) if __name__ == '__main__':     p_lst = []     for i in range(5):         p = Process(target=f, args=('bob%s'%i,))         p.start()         p_lst.append(p)     [p.join() for p in p_lst]     print('父进程在执行') #result: # hello bob0 # hello bob1 # hello bob2 # hello bob3 # hello bob4 # 父进程在执行

继承Process类开启进程

 import os from multiprocessing import Process class MyProcess(Process):     def __init__(self, name):         super().__init__()         self.name = name     def run(self):         print(os.getpid())         print(self.name) if __name__ == '__main__':     p1 = MyProcess('p1')     p2 = MyProcess('p2')     p3 = MyProcess('p3')     # start会自动调用run     p1.start()     p2.start()     p3.start()     p1.join()     p2.join()     p3.join()     print('主线程111') #result: # p1 # p2 # p3 # 主线程111

守护进程

 import time from multiprocessing import Process def func():     while True:         print('我还活着')         time.sleep(0.5) if __name__ == "__main__":     p = Process(target=func)     p.daemon = True  # 设置子进程为守护进程     p.start()     i = 2     while i > 0:         print('主进程执行')         time.sleep(1)         i -= 1     print('主进程执行完毕') # result # 主进程执行 # 我还活着 # 我还活着 # 主进程执行 # 我还活着 # 我还活着 # 主进程执行完毕

守护进程

 import time from multiprocessing import Process def func():     while True:         print('我还活着')         time.sleep(0.5) if __name__ == "__main__":     p = Process(target=func)     # p.daemon = True  # 设置子进程为守护进程     p.start()     i = 2     while i > 0:         print('主进程执行')         time.sleep(1)         i -= 1     print('主进程执行完毕') # result # 主进程执行 # 我还活着 # 我还活着 # 主进程执行 # 我还活着 # 我还活着 # 主进程执行完毕 # 我还活着 # 我还活着 # 我还活着 # 我还活着 # 我还活着 # 我还活着 # 我还活着 # 我还活着 # ...

非守护进程

Lock(锁)

加锁可以保证代码块在同一时间段只有指定一个进程执行

 from multiprocessing import Process import time import os def func():     time.sleep(1)     print('正在执行子进程的进程号:{},当前时间:{}'.format(os.getpid(), time.strftime("%Y-%m-%d %X"))) if __name__ == '__main__':     for i in range(5):         Process(target=func).start() # result: # 正在执行子进程的进程号:6044,当前时间:2018-09-09 19:22:12 # 正在执行子进程的进程号:7024,当前时间:2018-09-09 19:22:12 # 正在执行子进程的进程号:9900,当前时间:2018-09-09 19:22:12 # 正在执行子进程的进程号:8888,当前时间:2018-09-09 19:22:12 # 正在执行子进程的进程号:10060,当前时间:2018-09-09 19:22:12

未加锁

 from multiprocessing import Lock from multiprocessing import Process import time import os def func(lock):     lock.acquire()     time.sleep(1)     print('正在执行子进程的进程号:{},当前时间:{}'.format(os.getpid(), time.strftime("%Y-%m-%d %X")))     lock.release() if __name__ == '__main__':     lock = Lock()     for i in range(5):         Process(target=func, args=(lock,)).start() # result: # 正在执行子进程的进程号:8752,当前时间:2018-09-09 19:25:39 # 正在执行子进程的进程号:10152,当前时间:2018-09-09 19:25:40 # 正在执行子进程的进程号:5784,当前时间:2018-09-09 19:25:41 # 正在执行子进程的进程号:9708,当前时间:2018-09-09 19:25:42 # 正在执行子进程的进程号:8696,当前时间:2018-09-09 19:25:43

加锁

Semaphore(信号量)

信号量可以保证代码块在同一时间段只有指定数量进程执行

 from multiprocessing import Process, Semaphore import time def func(num, s):     s.acquire()     print('编号:{} 正在执行,'.format(num), time.strftime("%Y-%m-%d %X"))     time.sleep(1)     s.release() if __name__ == '__main__':     s = Semaphore(2)     for i in range(10):         p = Process(target=func, args=(i, s))         p.start() # result: # 编号:0 正在执行, 2018-09-10 16:16:28 # 编号:1 正在执行, 2018-09-10 16:16:28 # 编号:2 正在执行, 2018-09-10 16:16:29 # 编号:3 正在执行, 2018-09-10 16:16:29 # 编号:4 正在执行, 2018-09-10 16:16:30 # 编号:5 正在执行, 2018-09-10 16:16:30 # 编号:7 正在执行, 2018-09-10 16:16:31 # 编号:6 正在执行, 2018-09-10 16:16:31 # 编号:8 正在执行, 2018-09-10 16:16:32 # 编号:9 正在执行, 2018-09-10 16:16:32

Event(事件)

例:让指定代码块在5秒后执行

 from multiprocessing import Process, Event import time # 获取指定秒数后的时间 def get_addsec_time(sec=0):     return time.strftime("%Y-%m-%d %X", time.localtime(time.time() + sec)) def func(e):     print('func准备执行')     e.wait()  # 当e.is_set()为True时执行后面代码     print('执行了,当前时间:{}'.format(time.strftime("%Y-%m-%d %X"))) if __name__ == '__main__':     e = Event()     print(e.is_set())  # False 初始是阻塞状态     e.set()     print(e.is_set())  # True 不阻塞     e.clear()     print(e.is_set())  # False 恢复阻塞     after_five_sec = get_addsec_time(5)  # 5秒后的时间     Process(target=func, args=(e,)).start()     while True:         print('当前时间:{}'.format(time.strftime("%Y-%m-%d %X")))         time.sleep(1)         if time.strftime("%Y-%m-%d %X") == after_five_sec:             print('5秒过去了')             e.set()             break; # result: # False # True # False # 当前时间:2018-09-10 17:06:37 # func准备执行 # 当前时间:2018-09-10 17:06:38 # 当前时间:2018-09-10 17:06:39 # 当前时间:2018-09-10 17:06:40 # 当前时间:2018-09-10 17:06:41 # 5秒过去了 # 执行了,当前时间:2018-09-10 17:06:42

Queue(队列)

创建共享的进程队列，Queue是多进程安全的队列，可以使用Queue实现多进程之间的数据传递。

介绍

初始化参数

Queue([maxsize])创建共享的进程队列。参数 ：maxsize是队列中允许的最大项数。如果省略此参数，则无大小限制。底层队列使用管道和锁定实现。

方法

q.get( [ block [ ,timeout ] ] )返回q中的一个项目。如果q为空，此方法将阻塞，直到队列中有项目可用为止。block用于控制阻塞行为，默认为True. 如果设置为False，将引发Queue.Empty异常（定义在Queue模块中）。timeout是可选超时时间，用在阻塞模式中。如果在制定的时间间隔内没有项目变为可用，将引发Queue.Empty异常。q.get_nowait( )同q.get(False)方法。q.put(item [, block [,timeout ] ] )将item放入队列。如果队列已满，此方法将阻塞至有空间可用为止。block控制阻塞行为，默认为True。如果设置为False，将引发Queue.Empty异常（定义在Queue库模块中）。timeout指定在阻塞模式中等待可用空间的时间长短。超时后将引发Queue.Full异常。q.qsize()返回队列中目前项目的正确数量。此函数的结果并不可靠，因为在返回结果和在稍后程序中使用结果之间，队列中可能添加或删除了项目。在某些系统上，此方法可能引发NotImplementedError异常。q.empty()如果调用此方法时 q为空，返回True。如果其他进程或线程正在往队列中添加项目，结果是不可靠的。也就是说，在返回和使用结果之间，队列中可能已经加入新的项目。q.full()如果q已满，返回为True. 由于线程的存在，结果也可能是不可靠的（参考q.empty（）方法）。

q.close()关闭队列，防止队列中加入更多数据。调用此方法时，后台线程将继续写入那些已入队列但尚未写入的数据，但将在此方法完成时马上关闭。如果q被垃圾收集，将自动调用此方法。关闭队列不会在队列使用者中生成任何类型的数据结束信号或异常。例如，如果某个使用者正被阻塞在get（）操作上，关闭生产者中的队列不会导致get（）方法返回错误。q.cancel_join_thread()不会再进程退出时自动连接后台线程。这可以防止join_thread()方法阻塞。q.join_thread()连接队列的后台线程。此方法用于在调用q.close()方法后，等待所有队列项被消耗。默认情况下，此方法由不是q的原始创建者的所有进程调用。调用q.cancel_join_thread()方法可以禁止这种行为。

使用

队列用法

 ''' multiprocessing模块支持进程间通信的两种主要形式:管道和队列 都是基于消息传递实现的,但是队列接口 ''' from multiprocessing import Queue q=Queue(3) #put ,get ,put_nowait,get_nowait,full,empty q.put(3) q.put(3) q.put(3) # q.put(3)   # 如果队列已经满了，程序就会停在这里，等待数据被别人取走，再将数据放入队列。            # 如果队列中的数据一直不被取走，程序就会永远停在这里。 try:     q.put_nowait(3) # 可以使用put_nowait，如果队列满了不会阻塞，但是会因为队列满了而报错。 except: # 因此我们可以用一个try语句来处理这个错误。这样程序不会一直阻塞下去，但是会丢掉这个消息。     print('队列已经满了') # 因此，我们再放入数据之前，可以先看一下队列的状态，如果已经满了，就不继续put了。 print(q.full()) #满了 print(q.get()) print(q.get()) print(q.get()) # print(q.get()) # 同put方法一样，如果队列已经空了，那么继续取就会出现阻塞。 try:     q.get_nowait(3) # 可以使用get_nowait，如果队列满了不会阻塞，但是会因为没取到值而报错。 except: # 因此我们可以用一个try语句来处理这个错误。这样程序不会一直阻塞下去。     print('队列已经空了') print(q.empty()) #空了

子进程与主进程通行

 from multiprocessing import Process, Queue def func(q, e):     q.put('from son process') if __name__ == '__main__':     q = Queue(5)  # 初始化队列容量为5     p = Process(target=func, args=(q))     p.start()     p.join()     print(q.get())  # from son process

JoinableQueue(可连接队列)

创建可连接的共享进程队列。这就像是一个Queue对象，但队列允许项目的使用者通知生产者项目已经被成功处理。通知进程是使用共享的信号和条件变量来实现的。

介绍

方法

JoinableQueue的实例q除了与Queue对象相同的方法之外，还具有以下方法：q.task_done()使用者使用此方法发出信号，表示q.get()返回的项目已经被处理。如果调用此方法的次数大于从队列中删除的项目数量，将引发ValueError异常。q.join()生产者将使用此方法进行阻塞，直到队列中所有项目均被处理。阻塞将持续到为队列中的每个项目均调用q.task_done()方法为止。下面的例子说明如何建立永远运行的进程，使用和处理队列上的项目。生产者将项目放入队列，并等待它们被处理。

使用

生产者和消费者模型

 from multiprocessing import JoinableQueue, Process import time import random def producer(name, q):     for i in range(1, 11):         time.sleep(random.randint(1, 2))         s = '{}生产的第{}个苹果'.format(name, i)         q.put(s)         print(s)     q.join()  # 生产完毕，使用此方法进行阻塞，直到队列中所有苹果都被吃完。 def consumer(name, q):     while True:         time.sleep(random.randint(2, 3))         s = q.get()         print('{}吃了{}'.format(name, s))         q.task_done()  # 向q.join()发送一次信号,证明一个数据已经被取走了 if __name__ == '__main__':     q = JoinableQueue(10)     producer_task = Process(target=producer, args=('bob', q))     producer_task.start()     consumer_task = Process(target=consumer, args=('tom', q))     consumer_task.daemon = True  # 设置为守护进程 随主进程代码执行完而结束     consumer_task.start()     producer_task.join()  # 等待至生产完且生产的苹果都被吃完时继续执行即主进程代码结束 # result: # bob生产的第1个苹果 # tom吃了bob生产的第1个苹果 # bob生产的第2个苹果 # tom吃了bob生产的第2个苹果 # bob生产的第3个苹果 # tom吃了bob生产的第3个苹果 # bob生产的第4个苹果 # tom吃了bob生产的第4个苹果 # bob生产的第5个苹果 # tom吃了bob生产的第5个苹果 # bob生产的第6个苹果 # bob生产的第7个苹果 # tom吃了bob生产的第6个苹果 # bob生产的第8个苹果 # tom吃了bob生产的第7个苹果 # bob生产的第9个苹果 # bob生产的第10个苹果 # tom吃了bob生产的第8个苹果 # tom吃了bob生产的第9个苹果 # tom吃了bob生产的第10个苹果

Pipe(管道)

介绍

初始化参数

#创建管道的类：(管道是进程不安全的)Pipe([duplex]):在进程之间创建一条管道，并返回元组（conn1,conn2）,其中conn1，conn2表示管道两端的连接对象，强调一点：必须在产生Process对象之前产生管道#参数介绍：dumplex:默认管道是全双工的，如果将duplex设成False，conn1只能用于接收，conn2只能用于发送。

方法

#主要方法：conn1.recv():接收conn2.send(obj)发送的对象。如果没有消息可接收，recv方法会一直阻塞。如果连接的另外一端已经关闭，那么recv方法会抛出EOFError。conn1.send(obj):通过连接发送对象。obj是与序列化兼容的任意对象#其他方法：conn1.close():关闭连接。如果conn1被垃圾回收，将自动调用此方法conn1.fileno():返回连接使用的整数文件描述符conn1.poll([timeout]):如果连接上的数据可用，返回True。timeout指定等待的最长时限。如果省略此参数，方法将立即返回结果。如果将timeout射成None，操作将无限期地等待数据到达。conn1.recv_bytes([maxlength]):接收c.send_bytes()方法发送的一条完整的字节消息。maxlength指定要接收的最大字节数。如果进入的消息，超过了这个最大值，将引发IOError异常，并且在连接上无法进行进一步读取。如果连接的另外一端已经关闭，再也不存在任何数据，将引发EOFError异常。conn.send_bytes(buffer [, offset [, size]])：通过连接发送字节数据缓冲区，buffer是支持缓冲区接口的任意对象，offset是缓冲区中的字节偏移量，而size是要发送字节数。结果数据以单条消息的形式发出，然后调用c.recv_bytes()函数进行接收    conn1.recv_bytes_into(buffer [, offset]):接收一条完整的字节消息，并把它保存在buffer对象中，该对象支持可写入的缓冲区接口（即bytearray对象或类似的对象）。offset指定缓冲区中放置消息处的字节位移。返回值是收到的字节数。如果消息长度大于可用的缓冲区空间，将引发BufferTooShort异常。

使用

初使用

 from multiprocessing import Process, Pipe def f(conn):     conn.send("from sub process")     conn.close() if __name__ == '__main__':     parent_conn, child_conn = Pipe()     p = Process(target=f, args=(child_conn,))     p.start()     print(parent_conn.recv())  # from sub process     p.join()

引发EOFError

应该特别注意管道端点的正确管理问题。如果是生产者或消费者中都没有使用管道的某个端点，就应将它关闭。这也说明了为何在生产者中关闭了管道的输出端，在消费者中关闭管道的输入端。如果忘记执行这些步骤，程序可能在消费者中的recv（）操作上挂起。管道是由操作系统进行引用计数的，必须在所有进程中关闭管道后才能生成EOFError异常。因此，在生产者中关闭管道不会有任何效果，除非消费者也关闭了相同的管道端点。
```
 from multiprocessing import Process, Pipe def f(child_conn):     while True:         try:             print(child_conn.recv())         except EOFError:             child_conn.close()             break if __name__ == '__main__':     parent_conn, child_conn = Pipe()     p = Process(target=f, args=(child_conn,))     p.start()     child_conn.close()     parent_conn.send('hello')     parent_conn.close()     p.join()
```

Manager

 from multiprocessing import Manager, Process, Lock def work(d, lock):     # with lock:         d['count'] -= 1 if __name__ == '__main__':     with Manager() as m:         lock = Lock()         dic = m.dict({'count': 100})         p_l = []         for i in range(10):             p = Process(target=work, args=(dic, lock))             p_l.append(p)             p.start()         for p in p_l: p.join()         print(dic)  # {'count': 91} # Manager包装的类型是进程不安全的

使用

Pool(进程池)

介绍

初始化参数

Pool([numprocess  [,initializer [, initargs]]]):创建进程池numprocess:要创建的进程数，如果省略，将默认使用cpu_count()的值initializer：是每个工作进程启动时要执行的可调用对象，默认为Noneinitargs：是要传给initializer的参数组

方法

p.apply(func [, args [, kwargs]]):在一个池工作进程中执行func(*args,**kwargs),然后返回结果。'''需要强调的是：此操作并不会在所有池工作进程中并执行func函数。如果要通过不同参数并发地执行func函数，必须从不同线程调用p.apply()函数或者使用p.apply_async()'''p.apply_async(func [, args [, kwargs]]):在一个池工作进程中执行func(*args,**kwargs),然后返回结果。'''此方法的结果是AsyncResult类的实例，callback是可调用对象，接收输入参数。当func的结果变为可用时，将理解传递给callback。callback禁止执行任何阻塞操作，否则将接收其他异步操作中的结果。'''p.close():关闭进程池，防止进一步操作。如果所有操作持续挂起，它们将在工作进程终止前完成P.jion():等待所有工作进程退出。此方法只能在close（）或teminate()之后调用

方法apply_async()和map_async（）的返回值是AsyncResul的实例obj。实例具有以下方法
obj.get():返回结果，如果有必要则等待结果到达。timeout是可选的。如果在指定时间内还没有到达，将引发一场。如果远程操作中引发了异常，它将在调用此方法时再次被引发。
obj.ready():如果调用完成，返回True
obj.successful():如果调用完成且没有引发异常，返回True，如果在结果就绪之前调用此方法，引发异常
obj.wait([timeout]):等待结果变为可用。
obj.terminate()：立即终止所有工作进程，同时不执行任何清理或结束任何挂起工作。如果p被垃圾回收，将自动调用此函数

使用

效率对比

 from multiprocessing import Pool, Process import time def func(n):     for i in range(100):         n += i if __name__ == '__main__':     pool = Pool(5)     start = time.time()     pool.map(func, range(100))     print('进程池执行耗时:{}'.format(time.time() - start))     p_list = []     start = time.time()     for i in range(100):         p = Process(target=func, args=(i,))         p.start()         p_list.append(p)     for p in p_list: p.join()     print('多进程执行耗时:{}'.format(time.time() - start)) # result:     # 进程池执行耗时: 0.24797534942626953     # 多进程执行耗时: 7.359263896942139

同步

 import os, time from multiprocessing import Pool def work(n):     print('%s run' % os.getpid())     time.sleep(3)     return n ** 2 if __name__ == '__main__':     p = Pool(3)  # 进程池中从无到有创建三个进程,以后一直是这三个进程在执行任务     res_l = []     for i in range(10):         res = p.apply(work, args=(i,))  # 同步调用，直到本次任务执行完毕拿到res，等待任务work执行的过程中可能有阻塞也可能没有阻塞         res_l.append(res)  # 但不管该任务是否存在阻塞，同步调用都会在原地等着     print(res_l) # result:     # 15940 run     # 16200 run     # 16320 run     # 15940 run     # 16200 run     # 16320 run     # 15940 run     # 16200 run     # 16320 run     # 15940 run     # [0, 1, 4, 9, 16, 25, 36, 49, 64, 81]

异步

 import os import time import random from multiprocessing import Pool def work(n):     print('%s run' % os.getpid())     time.sleep(random.random())     return n ** 2 if __name__ == '__main__':     p = Pool(3)  # 进程池中从无到有创建三个进程,以后一直是这三个进程在执行任务     res_l = []     for i in range(10):         res = p.apply_async(work, args=(i,))  # 异步运行，根据进程池中有的进程数，每次最多3个子进程在异步执行         # 返回结果之后，将结果放入列表，归还进程，之后再执行新的任务         # 需要注意的是，进程池中的三个进程不会同时开启或者同时结束         # 而是执行完一个就释放一个进程，这个进程就去接收新的任务。         res_l.append(res)     # 异步apply_async用法：如果使用异步提交的任务，主进程需要使用jion，等待进程池内任务都处理完，然后可以用get收集结果     # 否则，主进程结束，进程池可能还没来得及执行，也就跟着一起结束了     p.close()     p.join()     for res in res_l:         print(res.get())  # 使用get来获取apply_aync的结果,如果是apply,则没有get方法,因为apply是同步执行,立刻获取结果,也根本无需get # result:     # 8872 run     # 13716 run     # 11396 run     # 11396 run     # 8872 run     # 13716 run     # 11396 run     # 8872 run     # 13716 run     # 11396 run

回调函数

 from multiprocessing import Pool def func(i):     return i * i def callback_func(i):     print(i) if __name__ == '__main__':     pool = Pool(5)     for i in range(1, 11):         pool.apply_async(func, args=(i,), callback=callback_func)     pool.close()     pool.join() # # result:

线程之threading模块

进程和线程的关系

1）地址空间和其它资源（如打开文件）：进程间相互独立，同一进程的各线程间共享。某进程内的线程在其它进程不可见。

2）通信：进程间通信IPC，线程间可以直接读写进程数据段（如全局变量）来进行通信——需要进程同步和互斥手段的辅助，以保证数据的一致性。

3）调度和切换：线程上下文切换比进程上下文切换要快得多。

4）在多线程操作系统中，进程不是一个可执行的实体。

5）进程是资源分配的最小单位,线程是CPU调度的最小单位，每一个进程中至少有一个线程。

Thread(线程)

介绍

multiprocess模块的完全模仿了threading模块的接口，二者在使用层面，有很大的相似性。

Thread实例对象的方法  isAlive(): 返回线程是否活动的。  getName(): 返回线程名。  setName(): 设置线程名。threading模块提供的一些方法：  threading.currentThread(): 返回当前的线程变量。  threading.enumerate(): 返回一个包含正在运行的线程的list。正在运行指线程启动后、结束前，不包括启动前和终止后的线程。  threading.activeCount(): 返回正在运行的线程数量，与len(threading.enumerate())有相同的结果。

 import threading import time def func():     print('start sub thread1')     print(threading.currentThread())  # <Thread(sub thread1, started 11832)>     time.sleep(10)     print('end sub thread1') thread = threading.Thread(target=func) thread.start() print(thread.is_alive())  # True print(thread.getName())  # Thread-1 thread.setName('sub thread1') print(thread.getName())  # sub thread1 print(threading.currentThread())  # <_MainThread(MainThread, started 9708)> print(threading.enumerate())  # [<_MainThread(MainThread, started 9708)>, <Thread(sub thread1, started 11832)>]

示例

使用

创建线程

 from threading import Thread def func():     print('from sub threading') p = Thread(target=func) p.start() p.join() # result:     # from sub threading

继承Thread创建线程

 from threading import Thread class MyThread(Thread):     def run(self):         print('from sub thread,threadid:{}'.format(self.ident)) my_thread = MyThread() my_thread.start() my_thread.join() # result:     # from sub thread,threadid:9332

数据共享

同一进程内的线程之间共享进程内的数据

 from threading import Thread def func():     global i     i = 1 i = 10 thread = Thread(target=func) thread.start() thread.join()

守护线程与守护进程的对比

无论是进程还是线程，都遵循：守护进程/线程会等待主进程/线程运行完毕后被销毁。需要强调的是：运行完毕并非终止运行

1.对主进程来说，运行完毕指的是主进程代码运行完毕

2.对主线程来说，运行完毕指的是主线程所在的进程内所有非守护线程统统运行完毕，主线程才算运行完毕

 from multiprocessing import Process import time def notDaemonFunc():     print('start notDaemonFunc')     time.sleep(10)     print('end notDaemonFunc') def daemonFunc():     print('start daemonFunc')     time.sleep(5)     print('end daemonFunc')  # 主进程代码早已执行完毕没机会执行 if __name__ == '__main__':     notDaemonProcess = Process(target=notDaemonFunc)     notDaemonProcess.start()     damonProcess = Process(target=daemonFunc)     damonProcess.daemon = True     damonProcess.start()     time.sleep(1)     print('执行完毕') # 主进程代码执行完毕时守护进程立马结束 # result:     # start notDaemonFunc     # start daemonFunc     # 执行完毕     # end notDaemonFunc

守护进程

 from threading import Thread import time def notDaemonFunc():     print('start notDaemonFunc')     time.sleep(10)     print('end notDaemonFunc') def daemonFunc():     print('start daemonFunc')     time.sleep(5)     print('end daemonFunc') notDaemonThread = Thread(target=notDaemonFunc) notDaemonThread.start() damonThread = Thread(target=daemonFunc) damonThread.daemon = True damonThread.start() time.sleep(1) print('执行完毕') # result:     # start notDaemonFunc     # start daemonFunc     # 执行完毕     # end daemonFunc     # end notDaemonFunc

守护线程

Lock(锁)

同步锁

 from threading import Thread import time def work():     global n     temp = n     time.sleep(0.1)     n = temp - 1 if __name__ == '__main__':     n = 100     l = []     for i in range(100):         p = Thread(target=work)         l.append(p)         p.start()     for p in l:         p.join()     print(n)  # 期望0 但结果可能为99 98

未加锁

 from threading import Thread, Lock import time def work(lock):     with lock:         global n         temp = n         time.sleep(0.1)         n = temp - 1 if __name__ == '__main__':     n = 100     l = []     lock = Lock()     for i in range(100):         p = Thread(target=work, args=(lock,))         l.append(p)         p.start()     for p in l:         p.join()

加锁

死锁

是指两个或两个以上的进程或线程在执行过程中，因争夺资源而造成的一种互相等待的现象，若无外力作用，它们都将无法推进下去。此时称系统处于死锁状态或系统产生了死锁，这些永远在互相等待的进程称为死锁进程

 import time from threading import Thread, Lock noodle_lock = Lock() fork_lock = Lock() def eat1(name):     noodle_lock.acquire()     print('%s 抢到了面条' % name)     time.sleep(1)     fork_lock.acquire()     print('%s 抢到了筷子' % name)     print('%s 吃面' % name)     fork_lock.release()     noodle_lock.release() def eat2(name):     fork_lock.acquire()     print('%s 抢到了筷子' % name)     time.sleep(1)     noodle_lock.acquire()     print('%s 抢到了面条' % name)     print('%s 吃面' % name)     noodle_lock.release()     fork_lock.release() t1 = Thread(target=eat1, args=('tom',)) t2 = Thread(target=eat2, args=('jerry',)) t1.start() t2.start() #result:     # tom 抢到了面条     # jerry 抢到了叉子

吃面例子

死锁的解决-递归锁

在Python中为了支持在同一线程中多次请求同一资源，提供了可重入锁RLock。这个RLock内部维护着一个Lock和一个counter变量，counter记录了acquire的次数，从而使得资源可以被多次请求。直到一个线程所有的acquire都被release，其他的线程才能获得资源。

 import time from threading import Thread, RLock fork_lock = noodle_lock = RLock() def eat1(name):     noodle_lock.acquire()     print('%s 抢到了面条' % name)     time.sleep(1)     fork_lock.acquire()     print('%s 抢到了筷子' % name)     print('%s 吃面' % name)     fork_lock.release()     noodle_lock.release() def eat2(name):     fork_lock.acquire()     print('%s 抢到了筷子' % name)     time.sleep(1)     noodle_lock.acquire()     print('%s 抢到了面条' % name)     print('%s 吃面' % name)     noodle_lock.release()     fork_lock.release() t1 = Thread(target=eat1, args=('tom',)) t2 = Thread(target=eat2, args=('jerry',)) t1.start() t2.start() # result:     # tom 抢到了面条     # tom 抢到了筷子     # tom 吃面     # jerry 抢到了筷子     # jerry 抢到了面条     # jerry 吃面

解决吃面问题

Semaphore(信号量)

 from threading import Thread, Semaphore import time def func(num, s):     s.acquire()     print('编号:{} 正在执行,'.format(num), time.strftime("%Y-%m-%d %X"))     time.sleep(1)     s.release() s = Semaphore(2) [Thread(target=func, args=(i, s)).start() for i in range(10)] # result:     # 编号:0 正在执行, 2018-09-12 20:33:09     # 编号:1 正在执行, 2018-09-12 20:33:09     # 编号:2 正在执行, 2018-09-12 20:33:10     # 编号:3 正在执行, 2018-09-12 20:33:10     # 编号:4 正在执行, 2018-09-12 20:33:11     # 编号:5 正在执行, 2018-09-12 20:33:11     # 编号:7 正在执行, 2018-09-12 20:33:12     # 编号:6 正在执行, 2018-09-12 20:33:12     # 编号:9 正在执行, 2018-09-12 20:33:13     # 编号:8 正在执行, 2018-09-12 20:33:13

Event(事件)

 from threading import Thread, Event import time # 获取指定秒数后的时间 def get_addsec_time(sec=0):     return time.strftime("%Y-%m-%d %X", time.localtime(time.time() + sec)) def func(e):     print('func准备执行')     e.wait()  # 当e.is_set()为True时执行后面代码     print('执行了,当前时间:{}'.format(time.strftime("%Y-%m-%d %X"))) e = Event() print(e.is_set())  # False 初始是阻塞状态 e.set() print(e.is_set())  # True 不阻塞 e.clear() print(e.is_set())  # False 恢复阻塞 after_five_sec = get_addsec_time(5)  # 5秒后的时间 Thread(target=func, args=(e,)).start() while True:     print('当前时间:{}'.format(time.strftime("%Y-%m-%d %X")))     time.sleep(1)     if time.strftime("%Y-%m-%d %X") == after_five_sec:         print('5秒过去了')         e.set()         break; # result:     # False     # True     # False     # func准备执行     # 当前时间:2018-09-12 20:37:27     # 当前时间:2018-09-12 20:37:28     # 当前时间:2018-09-12 20:37:29     # 当前时间:2018-09-12 20:37:30     # 当前时间:2018-09-12 20:37:31     # 5秒过去了     # 执行了,当前时间:2018-09-12 20:37:32

Condition(条件)

使得线程等待，只有满足某条件时，才释放n个线程

Python提供的Condition对象提供了对复杂线程同步问题的支持。Condition被称为条件变量，除了提供与Lock类似的acquire和release方法外，还提供了wait和notify方法。线程首先acquire一个条件变量，然后判断一些条件。如果条件不满足则wait；如果条件满足，进行一些处理改变条件后，通过notify方法通知其他线程，其他处于wait状态的线程接到通知后会重新判断条件。不断的重复这一过程，从而解决复杂的同步问题。

 import threading def run(n):     con.acquire()     print('prepare')     con.wait()     print("run the thread: %s" % n)     con.release() con = threading.Condition() for i in range(5):     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()     print('------------------------') #result:     # prepare     # prepare     # prepare     # prepare     # prepare     # >>>3     # ------------------------     # run the thread: 2     # run the thread: 1     # run the thread: 0     # >>>3     # ------------------------     # run the thread: 4     # run the thread: 3     # >>>q

Timer(定时器)

指定n秒后执行某个函数

 from threading import Timer import time def func():     print('in func,current time:{}'.format(time.strftime('%X'))) print('in main,current time:{}'.format(time.strftime('%X'))) # 5秒后执行 t = Timer(5, func) t.start() # result:     # in main,current time:20:53:52     # in func,current time:20:53:57

扩展

queen模块

在上述threading模块知识点中并没有出现一个和multiprocessing模块中Queen对应的队列,这是因为python本身给我们提供的queen就是线程安全的,而同个进程的线程之间资源是可以共享的,所以我们可以直接使用queen

**`queue.Queue`(maxsize=0) 先进先出**

 import queue q=queue.Queue() q.put('first') q.put('second') q.put('third') print(q.get()) print(q.get()) print(q.get()) ''' result:     first     second     third '''

queue.LifoQueue(maxsize=0) 后进先出

 import queue q = queue.LifoQueue() q.put('first') q.put('second') q.put('third') print(q.get()) print(q.get()) print(q.get()) ''' result:     third     second     first '''

queue.PriorityQueue(maxsize=0) #优先级

 import queue q = queue.PriorityQueue() # put进入一个元组,第一个元素是优先级(通常是数字,也可以是非数字之间的比较),数字越小优先级越高 q.put((20, 'a')) q.put((10, 'b')) q.put((30, 'c')) print(q.get()) print(q.get()) print(q.get()) ''' 数字越小优先级越高,优先级高的优先出队 result:     (10, 'b')     (20, 'a')     (30, 'c') '''

线程池之concurrent.futures模块

介绍

concurrent.futures模块提供了高度封装的异步调用接口ThreadPoolExecutor:线程池，提供异步调用ProcessPoolExecutor:进程池，提供异步调用executor = ProcessPoolExecutor(max_workers=n):初始化进程池 max_workers指定池内最大进程数executor.submit(fn, *args, **kwargs):异步提交任务executor.map(func, *iterables, timeout=None, chunksize=1) 取代for循环submit的操作executor.shutdown(wait=True)  :相当于multiprocessing模块中的pool.close()+pool.join()操作,wait=True时,等待池内所有任务执行完毕回收完资源后才继续.wait=False时,立即返回，并不会等待池内的任务执行完毕,但不管wait参数为何值，整个程序都会等到所有任务执行完毕,submit和map必须在shutdown之前executor.submit().result(timeout=None):取得结果executor.submit().result(timeout=None):取得结果executor.submit().add_done_callback(fn):给任务添加回调函数

使用

创建进程池

 from concurrent.futures import ThreadPoolExecutor, ProcessPoolExecutor import os, time def func(n):     print('{} is runing ,current time:{}'.format(os.getpid(), time.strftime('%X')))     time.sleep(1)     return 'pid:{} finished'.format(os.getpid()) if __name__ == '__main__':     executor = ProcessPoolExecutor(max_workers=2)     result_list = []     for i in range(1, 6):         result = executor.submit(func, i)         result_list.append(result)     executor.shutdown(True)     print('---------------get result-----------------')     for result in result_list:         print(result.result()) ''' result:     3444 is runing ,current time:21:32:39     2404 is runing ,current time:21:32:39     3444 is runing ,current time:21:32:40     2404 is runing ,current time:21:32:40     3444 is runing ,current time:21:32:41     ---------------get result-----------------     pid:3444 finished     pid:2404 finished     pid:3444 finished     pid:2404 finished     pid:3444 finished '''

map使用

 from concurrent.futures import ThreadPoolExecutor import threading import time def task(n):     print('threadId:{} is runing,current time:{}'.format(threading.currentThread().ident, time.strftime('%X')))     time.sleep(1)     return n ** 2 if __name__ == '__main__':     executor = ThreadPoolExecutor(max_workers=2)     # for i in range(11):     #     future=executor.submit(task,i)     executor.map(task, range(1, 5))  # map取代了for+submit ''' result:     threadId:5324 is runing,current time:21:53:24     threadId:3444 is runing,current time:21:53:24     threadId:5324 is runing,current time:21:53:25     threadId:3444 is runing,current time:21:53:25 '''

回调函数

 from concurrent.futures import ThreadPoolExecutor import threading import time def callback_func(result):     print(result.result()) def func(i):     return i * i executor = ThreadPoolExecutor(5) [executor.submit(func, i).add_done_callback(callback_func) for i in range(1, 5)] ''' result:     1     4     9     16 '''

协程之gevent模块

单线程里执行多个任务代码通常会既有计算操作又有阻塞操作，我们完全可以在执行任务1时遇到阻塞，就利用阻塞的时间去执行任务2。如此，才能提高效率，这就用到了Gevent模块。

介绍

简介

协程是单线程下的并发，又称微线程，纤程。英文名Coroutine。一句话说明什么是线程：协程是一种用户态的轻量级线程，即协程是由用户程序自己控制调度的。

需要强调的是：

1. python的线程属于内核级别的，即由操作系统控制调度（如单线程遇到io或执行时间过长就会被迫交出cpu执行权限，切换其他线程运行）

2. 单线程内开启协程，一旦遇到io，就会从应用程序级别（而非操作系统）控制切换，以此来提升效率（！！！非io操作的切换与效率无关）对比操作系统控制线程的切换，用户在单线程内控制协程的切换
优点

1. 协程的切换开销更小，属于程序级别的切换，操作系统完全感知不到，因而更加轻量级

2. 单线程内就可以实现并发的效果，最大限度地利用cpu
缺点

1. 协程的本质是单线程下，无法利用多核，可以是一个程序开启多个进程，每个进程内开启多个线程，每个线程内开启协程

2. 协程指的是单个线程，因而一旦协程出现阻塞，将会阻塞整个线程
特点

1. 必须在只有一个单线程里实现并发

2. 修改共享数据不需加锁

3. 用户程序里自己保存多个控制流的上下文栈

4. 附加：一个协程遇到IO操作自动切换到其它协程（如何实现检测IO，yield、greenlet都无法实现，就用到了gevent模块（select机制））

greenlet模块

安装: pip3 install greenlet

实现状态切换

 from greenlet import greenlet def func1():     print('func1 start')     g2.switch()     print('func1 end')     g2.switch() def func2():     print('func2 start')     g1.switch()     print('func2 end') g1 = greenlet(func1) g2 = greenlet(func2) g1.switch() ''' result:     func1 start     func2 start     func1 end     func2 end '''

顺序执行与切换执行效率对比

 #顺序执行 import time def f1():     res=1     for i in range(100000000):         res+=i def f2():     res=1     for i in range(100000000):         res*=i start=time.time() f1() f2() stop=time.time() print('run time is %s' %(stop-start)) #10.985628366470337 #切换 from greenlet import greenlet import time def f1():     res=1     for i in range(100000000):         res+=i         g2.switch() def f2():     res=1     for i in range(100000000):         res*=i         g1.switch() start=time.time() g1=greenlet(f1) g2=greenlet(f2) g1.switch() stop=time.time() print('run time is %s' %(stop-start)) # 52.763017892837524

单纯的切换（在没有io的情况下或者没有重复开辟内存空间的操作），反而会降低程序的执行速度

协程初使用

安装: pip3 install gevent

非协程和协程耗时对比

 import gevent import threading import os import time def func1():     print('pid:{} threadid:{} from func1 | start'.format(os.getpid(), threading.get_ident()))     gevent.sleep(1)     print('pid:{} threadid:{} from func1 | end'.format(os.getpid(), threading.get_ident())) def func2():     print('pid:{} threadid:{} from func2 | start'.format(os.getpid(), threading.get_ident()))     gevent.sleep(1)     print('pid:{} threadid:{} from func2 | end'.format(os.getpid(), threading.get_ident())) start = time.time() func1() func2() print('非协程耗时:{}'.format(time.time() - start)) start = time.time() g1 = gevent.spawn(func1) g2 = gevent.spawn(func2) g1.join() g2.join() print('协程耗时:{}'.format(time.time() - start)) ''' result:     pid:12092 threadid:2828 from func1 | start     pid:12092 threadid:2828 from func1 | end     pid:12092 threadid:2828 from func2 | start     pid:12092 threadid:2828 from func2 | end     非协程耗时:2.008000135421753     pid:12092 threadid:2828 from func1 | start     pid:12092 threadid:2828 from func2 | start     pid:12092 threadid:2828 from func1 | end     pid:12092 threadid:2828 from func2 | end     协程耗时:1.0 '''

monkey-识别io阻塞

上例gevent.sleep(2)模拟的是gevent可以识别的io阻塞,而time.sleep(2)或其他的阻塞,gevent是不能直接识别的需要用下面一行代码,打补丁,就可以识别了

from gevent import monkey;monkey.patch_all() # 必须放到被打补丁者的前面

 from gevent import monkey;monkey.patch_all() import gevent import threading import os import time def func1():     print('pid:{} threadid:{} from func1 | start'.format(os.getpid(), threading.get_ident()))     time.sleep(1)     print('pid:{} threadid:{} from func1 | end'.format(os.getpid(), threading.get_ident())) def func2():     print('pid:{} threadid:{} from func2 | start'.format(os.getpid(), threading.get_ident()))     time.sleep(1)     print('pid:{} threadid:{} from func2 | end'.format(os.getpid(), threading.get_ident())) start = time.time() func1() func2() print('非协程耗时:{}'.format(time.time() - start)) start = time.time() g1 = gevent.spawn(func1) g2 = gevent.spawn(func2) g1.join() g2.join() print('协程耗时:{}'.format(time.time() - start)) ''' result:     pid:7200 threadid:43458064 from func1 | start     pid:7200 threadid:43458064 from func1 | end     pid:7200 threadid:43458064 from func2 | start     pid:7200 threadid:43458064 from func2 | end     非协程耗时:2.004999876022339     pid:7200 threadid:55386728 from func1 | start     pid:7200 threadid:55387544 from func2 | start     pid:7200 threadid:55386728 from func1 | end     pid:7200 threadid:55387544 from func2 | end     协程耗时:1.000999927520752 '''

统计网页长度

 from gevent import monkey;monkey.patch_all() import gevent import requests import time def get_page(url):     print('GET: %s' % url)     response = requests.get(url)     if response.status_code == 200:         print('%d bytes received from %s' % (len(response.text), url)) start_time = time.time() gevent.joinall([     gevent.spawn(get_page, 'https://www.python.org/'),     gevent.spawn(get_page, 'https://www.yahoo.com/'),     gevent.spawn(get_page, 'https://github.com/'), ]) stop_time = time.time() print('run time is %s' % (stop_time - start_time)) ''' result:     GET: https://www.python.org/     GET: https://www.yahoo.com/     GET: https://github.com/     64127 bytes received from https://github.com/     48854 bytes received from https://www.python.org/     502701 bytes received from https://www.yahoo.com/     run time is 1.9760000705718994 '''

单线程下的socket并发

 from gevent import monkey;monkey.patch_all() from socket import * import gevent # 如果不想用money.patch_all()打补丁,可以用gevent自带的socket # from gevent import socket # s=socket.socket() def server(server_ip, port):     s = socket(AF_INET, SOCK_STREAM)     s.setsockopt(SOL_SOCKET, SO_REUSEADDR, 1)     s.bind((server_ip, port))     s.listen(5)     while True:         conn, addr = s.accept()         gevent.spawn(talk, conn, addr) def talk(conn, addr):     try:         while True:             res = conn.recv(1024)             print('client %s:%s msg: %s' % (addr[0], addr[1], res))             conn.send(res.upper())     except Exception as e:         print(e)     finally:         conn.close() if __name__ == '__main__':     server('127.0.0.1', 8080)

server

 from threading import Thread from socket import * import threading def client(server_ip, port):     c = socket(AF_INET, SOCK_STREAM)  # 套接字对象一定要加到函数内，即局部名称空间内，放在函数外则被所有线程共享，则大家公用一个套接字对象，那么客户端端口永远一样了     c.connect((server_ip, port))     count = 0     while True:         c.send(('%s say hello %s' % (threading.current_thread().getName(), count)).encode('utf-8'))         msg = c.recv(1024)         print(msg.decode('utf-8'))         count += 1 if __name__ == '__main__':     for i in range(500):         t = Thread(target=client, args=('127.0.0.1', 8080))         t.start()

client

进程之multiprocessing模块

Process(进程)

介绍

初始化参数

方法

属性

注

使用

创建子进程

join()

查看进程号

执行多个子进程

继承Process类开启进程

守护进程

Lock(锁)

Semaphore(信号量)

Event(事件)

Queue(队列)

介绍

初始化参数

方法

使用

队列用法

子进程与主进程通行

JoinableQueue(可连接队列)

介绍

方法

使用

生产者和消费者模型

Pipe(管道)

介绍

初始化参数

方法

使用

初使用

引发EOFError

Manager

Pool(进程池)

介绍

初始化参数

方法

使用

效率对比

同步

异步

回调函数

线程之threading模块

进程和线程的关系

Thread(线程)

介绍

使用

创建线程

继承Thread创建线程

数据共享

守护线程与守护进程的对比

Lock(锁)

同步锁

死锁

死锁的解决-递归锁

Semaphore(信号量)

Event(事件)

Condition(条件)

Timer(定时器)

扩展

queen模块

queue.Queue(maxsize=0) 先进先出

线程池之concurrent.futures模块

介绍

使用

创建进程池

map使用

回调函数

协程之gevent模块

介绍

简介

优点

缺点

特点

greenlet模块

实现状态切换

**`queue.Queue`(maxsize=0) 先进先出**