正文
python3 多线程和多进程
提示：扫一扫查出行【扫一扫了解最新限行尾号】
复制提示
一.线程和进程
1.操作系统中，线程是CPU调度和分派的基本单位，线程依存于程序中
2.操作系统中，进程是系统进行资源分配和调度的一个基本单位，一个程序至少有一个进程
3.一个进程由至少一个线程组成，线程组成进程
4.多进程、多进程实际是进程、线程、进程和线程的并发而不是并行，用来加快程序运行速度
5.Python既支持多线程，也支持多进程。
二.多线程threading
1.python3线程操作中常用模块：_thread和threading，其中一般都用threading模块
2.线程分为： 内核线程： 由操作系统内核创建和撤销； 用户线程： 不需要内核支持而在用户程序中实现的线程
3.Python中使用线程有两种方式：函数或者用类来包装线程对象
2. 创建线程
import threading #def main():#定义一个存放多线程的函数
# print(threading.active_count())#获取已激活的线程数
# print(threading.enumerate()) # see the thread list查询线程信息
# print(threading.current_thread())#查询当前运行的线程 def thread_job():#定义一个线程的工作的函数
print('This is a thread of %s' % threading.current_thread())
def main():
thread = threading.Thread(target=thread_job,)#添加线程，参数为线程的目标（任务）
thread.start()#执行线程thread if __name__ == '__main__':#在该程序中运行
main()
---------------------------------------
This is a thread of <Thread(Thread-1, started 5664)>
创建线程1
#调用 _thread 模块中的start_new_thread()函数来产生新线程
#_thread.start_new_thread ( function, args[, kwargs] )（线程函数，函数的参数tuple，可选参数）
import _thread
import time # 为线程定义一个函数
def print_time( threadName, delay):
count = 0
while count < 5:
time.sleep(delay)
count += 1
print ("%s: %s" % ( threadName, time.ctime(time.time()) )) # 创建两个线程
try:
_thread.start_new_thread( print_time, ("Thread-1", 2, ) )
_thread.start_new_thread( print_time, ("Thread-2", 4, ) )
except:
print ("Error: 无法启动线程") while 1:
pass
---------------------------------------------------------
Thread-1: Thu May 17 17:13:01 2018
Thread-2: Thu May 17 17:13:03 2018
Thread-1: Thu May 17 17:13:03 2018
Thread-1: Thu May 17 17:13:05 2018
Thread-2: Thu May 17 17:13:07 2018
。。。
创建线程 2
#从 threading.Thread 继承创建一个新的子类，并实例化后调用 start() 方法启动新线程，即它调用了线程的 run() 方法
import threading
import time
exitFlag = 0
class myThread (threading.Thread):
def __init__(self, threadID, name, counter):
threading.Thread.__init__(self)
self.threadID = threadID
self.name = name
self.counter = counter
def run(self):
print ("开始线程：" + self.name)
print_time(self.name, self.counter, 5)
print ("退出线程：" + self.name) def print_time(threadName, delay, counter):
while counter:
if exitFlag:
threadName.exit()
time.sleep(delay)
print ("%s: %s" % (threadName, time.ctime(time.time())))
counter -= 1 # 创建新线程
thread1 = myThread(1, "Thread-1", 1)
thread2 = myThread(2, "Thread-2", 2) # 开启新线程
thread1.start()
thread2.start()
thread1.join()
thread2.join()
print ("退出主线程")
------------------------------------------------
开始线程：Thread-1
开始线程：Thread-2
Thread-1: Thu May 17 17:18:32 2018
Thread-2: Thu May 17 17:18:33 2018
Thread-1: Thu May 17 17:18:33 2018
。。。
创建线程 3
3.join功能，控制执行顺序
import threading
import time def thread_job():#定义一个线程
print('T1 start\n')#开始t1线程
for i in range(10):#设置10步
time.sleep(0.1)#任务间隔0.1秒，增加时耗
print('T1 finish\n')#结束t1线程 def T2_job():#又定义一个线程
print('T2 start\n')#开始
print('T2 finish\n')#结束 def main():#定义主程序
thread1 = threading.Thread(target=thread_job, name='T1')#添加线程t1
thread2 = threading.Thread(target=T2_job, name='T2')#添加线程t2
thread1.start()#开始运行t1
thread2.start()#开始运行t2
#使用join控制多个线程的执行顺序
thread2.join()#等到t2运行完再进行下一步
thread1.join()#到t1运行完再进行下一步
print('all done\n')#表明程序执行完 if __name__ == '__main__':
main()
--------------------------------------------------------
T1 start T2 start T2 finish T1 finish all done
join
4.存储进程结果Queue,多线程调用的函数不能有返回值, 所以使用Queue存储多个线程运算的结果
#，将数据列表中的数据传入，使用四个线程处理，将结果保存在Queue中，
# 线程执行完后，从Queue中获取存储的结果
import threading
import time
from queue import Queue#导入队列模块 def job(l,q):#函数的参数是一个列表l和一个队列q
#函数的功能是，对列表的每个元素进行平方计算，将结果保存在队列中
for i in range(len(l)):
l[i] = l[i]**2
q.put(l)#把列表l存放进队列q中 def multithreading():#定义一个多线程函数
q = Queue()#创建一个空队列，用来保存返回值
threads = []#定义一个多线程列表
data = [[1,2,3],[3,4,5],[4,4,4],[5,5,5]]#初始化一个多维数据列表
for i in range(4):#定义四个线程
t = threading.Thread(target=job, args=(data[i], q))
#创建一个线程，任务是job函数，被调用的job函数没有括号，只是一个索引，参数在后面
t.start()#开始t
threads.append(t)# #把每个线程append到线程列表中
for thread in threads:
thread.join()#分别join四个线程到主线程
results = []#定义一个空的列表results，将四个线运行后保存在队列中的结果返回给空列表results
for _ in range(4):
results.append(q.get()) #q.get()按顺序从q中拿出一个值
print(results) if __name__ == '__main__':
multithreading()
-------------------------------------------------
[[1, 4, 9], [9, 16, 25], [16, 16, 16], [25, 25, 25]]
queue
import queue
import threading
import time exitFlag = 0 class myThread (threading.Thread):
def __init__(self, threadID, name, q):
threading.Thread.__init__(self)
self.threadID = threadID
self.name = name
self.q = q
def run(self):
print ("开启线程：" + self.name)
process_data(self.name, self.q)
print ("退出线程：" + self.name) def process_data(threadName, q):
while not exitFlag:
queueLock.acquire()
if not workQueue.empty():
data = q.get()
queueLock.release()
print ("%s processing %s" % (threadName, data))
else:
queueLock.release()
time.sleep(1) threadList = ["Thread-1", "Thread-2", "Thread-3"]
nameList = ["One", "Two", "Three", "Four", "Five"]
queueLock = threading.Lock()
workQueue = queue.Queue(10)
threads = []
threadID = 1 # 创建新线程
for tName in threadList:
thread = myThread(threadID, tName, workQueue)
thread.start()
threads.append(thread)
threadID += 1 # 填充队列
queueLock.acquire()
for word in nameList:
workQueue.put(word)
queueLock.release() # 等待队列清空
while not workQueue.empty():
pass # 通知线程是时候退出
exitFlag = 1 # 等待所有线程完成
for t in threads:
t.join()
print ("退出主线程")
------------------------------------------------------
开启线程：Thread-1
开启线程：Thread-2
开启线程：Thread-3
Thread-3 processing One
Thread-2 processing Two
Thread-1 processing Three
Thread-3 processing Four
Thread-2 processing Five
退出线程：Thread-3
退出线程：Thread-2
退出线程：Thread-1
退出主线程
queue
5.GIL（Global Interpreter Lock）全局解释锁：它确保任何时候都只有一个Python线程执行，导致了多线程无法利用多核。
实质上python中的多线程就是节省了i/o时间
# 测试 GIL
import threading
from queue import Queue
import copy
import time def job(l, q):#传入一个列表和一个队列，
#操作：计算列表的总和，并把它传入到队列中
res = sum(l)
q.put(res) def multithreading(l):#多线程函数
q = Queue()
threads = []
for i in range(4):#同时执行4个线程
t = threading.Thread(target=job, args=(copy.copy(l), q), name='T%i' % i)
t.start()#t开始执行
threads.append(t)#线程列表中添加t
[t.join() for t in threads]
total = 0
for _ in range(4):
total += q.get()
print(total) def normal(l):#计算列表的总值
total = sum(l)
print(total) if __name__ == '__main__':
l = list(range(1000000))
# 1.正常执行：一个列表扩展4倍，并打印出执行时间
s_t = time.time()
normal(l*4)
print('normal: ',time.time()-s_t) #2.线程执行：建立四个线程执行
s_t = time.time()
multithreading(l)
print('multithreading: ', time.time()-s_t)
-------------------------------------------------------------
1999998000000
normal: 0.24673938751220703
1999998000000
multithreading: 0.244584321975708
GIL
6.lock线程锁：lock在不同线程使用同一共享内存时（只允许一个线程修改数据），能够确保线程之间互不影响，但是阻止了多线程并行，也可能导致死锁
如果多个线程共同对某个数据修改，则可能出现不可预料的结果，为了保证数据的正确性，需要对多个线程进行同步
多线程和多进程最大的不同在于:多进程中，同一个变量，各自有一份拷贝存在于每个进程中，互不影响，而多线程中，所有变量都由所有线程共享，所以，任何一个变量都可以被任何一个线
程修改，因此，线程之间共享数据最大的危险在于多个线程同时改一个变量，把内容给改乱了
#使用lock的方法是， 在每个线程执行运算修改共享内存之前，执行lock.acquire()将共享内存上锁，
# 确保当前线程执行时，内存不会被其他线程访问，
# 执行运算完毕后，使用lock.release()将锁打开， 保证其他的线程可以使用该共享内存。 import threading def job1():
global A, lock#使用线程锁
lock.acquire()#lock.acquire()将共享内存上锁
for i in range(10):
A += 1
print('job1', A)
lock.release()#lock.release()将锁打开， 保证其他的线程可以使用该共享内存 def job2():
global A, lock
lock.acquire()#确保当前线程执行时，内存不会被其他线程访问
for i in range(10):
A += 10
print('job2', A)
lock.release()#保证其他的线程可以使用该共享内存 if __name__ == '__main__':
lock = threading.Lock()#创建一个线程锁
A = 0
t1 = threading.Thread(target=job1)
t2 = threading.Thread(target=job2)
t1.start()
t2.start()
t1.join()
t2.join()
------------------------------------------------------------
job1 1
job1 2
job1 3
job1 4
job1 5
job1 6
job1 7
job1 8
job1 9
job1 10
job2 20
job2 30
job2 40
job2 50
job2 60
job2 70
job2 80
job2 90
job2 100
lock
#使用 Thread 对象的 Lock 和 Rlock 可以实现简单的线程同步
import threading
import time
class myThread (threading.Thread):
def __init__(self, threadID, name, counter):
threading.Thread.__init__(self)
self.threadID = threadID
self.name = name
self.counter = counter
def run(self):
print ("开启线程： " + self.name)
# 获取锁，用于线程同步
threadLock.acquire()
print_time(self.name, self.counter, 3)
# 释放锁，开启下一个线程
threadLock.release() def print_time(threadName, delay, counter):
while counter:
time.sleep(delay)
print ("%s: %s" % (threadName, time.ctime(time.time())))
counter -= 1 threadLock = threading.Lock()
threads = [] # 创建新线程
thread1 = myThread(1, "Thread-1", 1)
thread2 = myThread(2, "Thread-2", 2) # 开启新线程
thread1.start()
thread2.start() # 添加线程到线程列表
threads.append(thread1)
threads.append(thread2) # 等待所有线程完成
for t in threads:
t.join()
print ("退出主线程")
------------------------------------------------------
开启线程： Thread-1
开启线程： Thread-2
Thread-1: Thu May 17 17:25:58 2018
Thread-1: Thu May 17 17:25:59 2018
Thread-1: Thu May 17 17:26:00 2018
Thread-2: Thu May 17 17:26:02 2018
Thread-2: Thu May 17 17:26:04 2018
Thread-2: Thu May 17 17:26:06 2018
退出主线程
lock 补充
递归锁RLcok类的用法和Lock类一模一样，但它支持嵌套，在多个锁没有释放的时候一般会使用使用RLcok类
信号量（BoundedSemaphore类）用法和Lock类一模一样，但同时允许一定数量的线程更改数据
7.补充
三.多进程multiprocessing(或者说是多核)
1.多进程 Multiprocessing 和多线程 threading 类似，但是多核使用，用来弥补 threading 的一些劣势, 比如GIL
2.创建进程
import multiprocessing as mp
import threading as td def job(a,d):#定义一个被线程和进程调用的函数
print('aaaaa') if __name__=='__main__':
# 创建线程和进程
t1 = td.Thread(target=job,args=(1,2))
p1 = mp.Process(target=job,args=(1,2)) t1.start()
p1.start() t1.join()
p1.join()
-------------------------------------------------------
aaaaa
aaaaa
进程创建
3.Queue:将每个核或线程的运算结果放在队里中， 等到每个线程或核运行完毕后再从队列中取出结果， 继续加载运算。
import multiprocessing as mp #调用的函数不能有返回值
def job(q):
res = 0
for i in range(1000):
res += i+i**2+i**3
q.put(res) # queue把结果放到q中 if __name__ == '__main__':
q = mp.Queue()
p1 = mp.Process(target=job, args=(q,))
#要加逗号，否则TypeError: 'Queue' object is not iterable
p2 = mp.Process(target=job, args=(q,))
p1.start()
p2.start()
p1.join()
p2.join()
res1 = q.get()#获取q中的结果
res2 = q.get()
print(res1+res2)
--------------------------------------------------------------
499667166000
queue
4.效率对比
#多线程与多进程的效率对比
import multiprocessing as mp
import threading as td
import time def job(q):
res = 0
for i in range(1000000):
res += i+i**2+i**3
q.put(res) # queue def multicore():
q = mp.Queue()
p1 = mp.Process(target=job, args=(q,))
p2 = mp.Process(target=job, args=(q,))
p1.start()
p2.start()
p1.join()
p2.join()
res1 = q.get()
res2 = q.get()
print('multicore:' , res1+res2) def normal():#普通运算
res = 0
for _ in range(2):
for i in range(1000000):
res += i+i**2+i**3
print('normal:', res) def multithread():
q = mp.Queue()
t1 = td.Thread(target=job, args=(q,))
t2 = td.Thread(target=job, args=(q,))
t1.start()
t2.start()
t1.join()
t2.join()
res1 = q.get()
res2 = q.get()
print('multithread:', res1+res2) if __name__ == '__main__':
st = time.time()
normal()
st1= time.time()
print('normal time:', st1 - st) st2 = time.time()
multithread()
st3 = time.time()
print('multithread time:', st3 - st2) st4 = time.time()
multicore()
st5 = time.time()
print('multicore time:', st5-st4)
-----------------------------------------------------------------
normal: 499999666667166666000000
normal time: 1.8749690055847168
multithread: 499999666667166666000000
multithread time: 1.583195686340332
multicore: 499999666667166666000000
multicore time: 1.2573533058166504
效率对比
5.进程池pool
#进程池就是我们将所要运行的东西，放到池子里，Python会自行解决多进程的问题
import multiprocessing as mp def job(x):
return x*x def multicore():
pool = mp.Pool(processes=2)#创建进程池，定义调用2个cpu核
# 让池子对应某一个函数，我们向池子里丢数据，池子就会返回函数返回的值
# Pool和之前的Process的不同点是丢向Pool的函数有返回值，而Process的没有返回值 res = pool.map(job, range(10))
#用map()获取结果，在map()中需要放入函数和需要迭代运算的值，然后它会自动分配给CPU核，返回结果
print(res) res = pool.apply_async(job, (2,))
# apply_async()返回结果，只能传递一个值，它只会放入一个核进行运算，但是传入值时要注意是可迭代的，
# 所以在传入值后需要加逗号, 同时需要用get()方法获取返回值
print(res.get()) # 将apply_async()放入迭代器中，来输出多个结果
multi_res =[pool.apply_async(job, (i,)) for i in range(10)]
print([res.get() for res in multi_res]) if __name__ == '__main__':
multicore()
--------------------------------------------------
[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
4
[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
pool
6.进程锁lock
# 共享内存
# import multiprocessing as mp
#
# # Value数据存储在一个共享的内存表中
# value1 = mp.Value('i', 0)
# value2 = mp.Value('d', 3.14)
# #d和i参数用来设置数据类型的
#
# #Array类，可以和共享内存交互，来实现在进程之间共享数据。
# array = mp.Array('i', [1, 2, 3, 4])
# # 它只能是一维的，不能是多维的 #进程锁lock
import multiprocessing as mp
import time def job(v, num, l):
l.acquire()#设置进程锁的使用，保证运行时一个进程的对锁内内容的独占
for _ in range(10):
time.sleep(0.1)
v.value += num# v.value获取共享变量值
print(v.value)
l.release()#进程锁保证了进程p1的完整运行，然后才进行了进程p2的运行 def multicore():
l = mp.Lock()# 定义一个进程锁
v = mp.Value('i', 0) # 定义共享变量
# 设定不同的number看如何抢夺内存
p1 = mp.Process(target=job, args=(v, 1, l))
p2 = mp.Process(target=job, args=(v, 3, l))
p1.start()
p2.start()
p1.join()
p2.join() if __name__ == '__main__':
multicore()
-------------------------------------------------
1
2
3
4
5
6
7
8
9
10
13
16
19
22
25
28
31
34
37
40
进程锁lock
