python任务执行之线程，进程，与协程

一、线程

　　线程为程序中执行任务的最小单元，由Threading模块提供了相关操作，线程适合于IO操作密集的情况下使用

 #!/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'

线程基本使用

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。

更多操作如下

 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

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混乱数据，所以，出现了线程锁 - 同一时刻允许一个线程执行操作。使用代码方法如下

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

 import threading
 import time

 gl_num = 0

 lock = threading.RLock()#定义锁

 def Func():
     lock.acquire()#使用锁
     global gl_num
     gl_num +=1
     time.sleep(1)
     print gl_num
     lock.release()#操作完毕，解锁

 for i in range(10):
     t = threading.Thread(target=Func)
     t.start()

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()

互拆锁

线程的事件（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()

event实例

条件，使线程等待，只有条件满足才释放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()

Timer定时器，指定n秒之后执行操作

from threading import Timer

def hello():
    print("hello, world")

t = Timer(1, hello)
t.start()  # after 1 seconds, "hello, world" will be printed

二、进程

　　进程的创建会耗费内存的空间，谨慎创建，多进程适用于计算密集型的情况适用

from threading import Timer

def hello():
    print("hello, world")

t = Timer(1, hello)
t.start()  # after 1 seconds, "hello, world" will be printed

进程的基本使用

进程默认情况下的数据不是共享的（线程共享内存数据），所以开销比较大，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

默认无法共享数据

#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()

共享数据的方法

 '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, queues
import multiprocessing

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

if __name__ == '__main__':
    q = queues.Queue(ctx=multiprocessing)

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

    for i in range(3):
        p = Process(target=f, args=(i, q, ))
        p.start()

通过队列实现数据共享

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。因此进程也是有锁的

#!/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

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。

进程池中主要有两个方法：

• 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。

apply_async是非阻塞的，apply、是阻塞的，而且apply_async多一个参数，为回调函数

更多方法

•close()    关闭pool，使其不在接受新的任务。
•terminate()    结束工作进程，不在处理未完成的任务。
•join()    主进程阻塞，等待子进程的退出， join方法要在close或terminate之后使用。

三、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，简单的说就是将线程的执行的任务进行了优化，切片执行，比如一个线程在做一个网络请求的时候就会有延迟，这段时间线程是等待的，协成用这等待的时间去做别的

基本协程模块

#!/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()

greenlet

封装比较完善的协成模块

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),
])

gevett

遇到IO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/'),
])