进程与线程的关系

#!/usr/bin/env python
# -*- coding;utf-8 -*-
"""
多进程(主进程,子进程):
优点:能同时利用多个CPU,进行多个操作,提高效率。
缺点:耗费内存资源(进程要开辟内存空间),进程不是越多越好,CPU个数 = 进程个数。
注意:进程创建内存空间,线程共享内存空间,进程里有全局解释器锁,进程中一次只应许一个线程被处理。
使用场景:计算密集型适合多进程。
多线程(主线程,子线程):
优点:共享内存,IO操作时(不用CPU),创造并发操作(多个操作同时进行),提高效率。
缺点:抢占资源,请求上下文切换非常耗时(线程处理切换后找到上次处理的地方),线程不是越多越好,视具体案例而定。
注意:在计算机中,执行任务的最小单元就是线程。
使用场景:IO密集型适合多线程。
"""
"""
使用进程
1、创建进程
"""
import multiprocessing def f1(a1):
print(a1) if __name__ == "__main__":
t1 = multiprocessing.Process(target=f1, args=(11,))
# t1.daemon = True
t1.start()
t1.join(2)
t2 = multiprocessing.Process(target=f1, args=(22,))
# t2.daemon = True
t2.start()

  进程池:

  1. 进程池1

    #!/usr/bin/env python
    # -*- coding;utf-8 -*-
    """
    调用Pool进程池模块,创建进程池
    """
    from multiprocessing import Pool
    import time def myfun(i):
    time.sleep(2)
    return i + 100 def end_call(arg):
    print("end_all", arg) if __name__ == "__main__":
    p = Pool(5)
    for i in range(10):
    p.apply_async(func=myfun, args=(i,), callback=end_call)
    print("end")
    p.close()
    p.join()
  2. 进程池2
    #!/usr/bin/env python
    # -*- coding;utf-8 -*-
    """
    apply与apply_sync的区别
    """
    from multiprocessing import Pool
    import time def f1(a):
    time.sleep(1)
    print(a) return a def f2(b):
    r = "第" + str(b+1) + "个子进程执行完毕"
    print(r) if __name__ == "__main__":
    pool = Pool(5)
    for i in range(10):
    # pool.apply(func=f1, args=(i,))
    pool.apply_async(func=f1, args=(i,), callback=f2)
    """
    pool.apply:每个进程之间是串行执行的,排队执行;每一个进程都有一个join()方法
    pool.apply_sync:每个进程是并发执行的,并发数取决于进程池,并且可以触发回调函数;每一个进程没有一个join()方法;每一个进程的daemon = True
    """
    print("主进程执行完毕")
    pool.close() # 等所有任务终止再结束,能拿到子进程的结果
    # pool.terminate() # 立即终止所有任务,拿不到子进程的结果
    pool.join()

进程数据共享:

  1. 进程数据共享1

    #!/usr/bin/env python
    # -*- coding;utf-8 -*-
    """
    默认情况下进程数据不共享,要用一个中介数据类型实现进程数据共享
    进程数据共享方式一:
    使用数组,Array使用时必须先定义大小
    temp = Array("i",[11,22,33,44]),"i"表示数据类型,数组中的数据类型必须一致
    """
    from multiprocessing import Process, Value, Array def f(n, a):
    n.Value = 3.1415927
    for i in range(len(a)):
    a[i] = -a[i] if __name__ == "__main__":
    num = Value("d", 0.0)
    arr = Array("i", range(10)) p = Process(target=f, args=(num, arr))
    a = Process(target=f, args=(num, arr))
    p.start()
    a.start()
    p.join()
    a.join() print(num.value)
    print(arr[:])
  2. 进程数据共享2
    #!/usr/bin/env python
    # -*- coding;utf-8 -*-
    """
    默认情况下进程数据不共享,要用一个中介数据类型实现进程数据共享
    进程数据共享方式二:
    使用特殊字典
    dic = manager.dict()
    """
    from multiprocessing import Process, Manager def f(d, l):
    d[1] = "1"
    d["2"] = 2
    d[0.25] = None
    l.reverse() if __name__ == "__main__":
    with Manager() as manager:
    d = manager.dict()
    l = manager.list(range(10))
    p = Process(target=f, args=(d, l))
    p.start()
    p.join()
    print(d)
    print(l)
  3. 进程数据不共享
    #!/usr/bin/env python
    # -*- coding;utf-8 -*-
    """
    默认情况下进程数据不共享
    """
    from multiprocessing import Process
    li = [] def foo(i):
    li.append(i)
    print("hello", li) if __name__ == "__main__":
    for i in range(10):
    t = Process(target=foo, args=(i,))
    t.start()
  4. 进程字典
    #!/usr/bin/env python
    # -*- coding;utf-8 -*-
    """
    进程数据共享方式二:
    使用特殊字典dic = manager.dict()
    """
    from multiprocessing import Process, Manager def foo(i, dic):
    dic[i] = 100 + i
    print(len(dic)) if __name__ == "__main__":
    manage = Manager()
    dic = manage.dict()
    # dic = dict() 数据无法共享
    for i in range(2):
    p = Process(target=foo, args=(i, dic))
    p.start()
    p.join()
  5. 进程数组
    #!/usr/bin/env python
    # -*- coding;utf-8 -*-
    """
    进程数据共享方式一:
    使用数组,Array使用时必须先定义大小
    temp = Array("i",[11,22,33,44]),"i"表示数据类型,数组中的数据类型必须一致
    """ from multiprocessing import Process, Array def foo(i, temp):
    print(id(temp))
    temp[i] = 100 + i
    for item in temp:
    print(i, "------>>", item) if __name__ == "__main__":
    temp = Array("i", [11, 22, 33, 44])
    for i in range(2):
    p = Process(target=foo, args=(i, temp))
    p.start()
    p.join()

      

Python全栈开发:进程代码实例的更多相关文章

  1. python全栈开发 * 进程理论 进程创建 * 180724

    一.进程理论 1.进程是资源分配的最小单位. 2.进程调度就是多个进程在操作系统的控制下被CPU执行,去享用计算机的资源. 先来先服务 短作业优先 时间片轮转 多级反馈队列 3.进程调度的过程是不能够 ...

  2. python全栈开发 * 进程之间的通信,进程之间数据共享 * 180726

    进程之间的通信(IPC)队列和管道一.队列 基于管道实现 管道 + 锁 数据安全(一).队列 队列遵循先进先出原则(FIFO) 多用于维护秩序,买票,秒杀 队列的所有方法: put()(给队列里添加数 ...

  3. python全栈开发 * 进程池,线程理论 ,threading模块 * 180727

    一.进程池 (同步 异步 返回值) 缺点: 开启进程慢 几个CPU就能同时运行几个程序 进程的个数不是无线开启的 应用: 100个任务 进程池 如果必须用多个进程 且是高计算型 没有IO型的程序 希望 ...

  4. Python全栈开发:递归实例

    #!/usr/bin/env python # -*- coding;utf-8 -*- """ 递归不能无限,python会限制递归深度,递归主要用于费布拉切数列 &q ...

  5. Python全栈开发【面向对象】

    Python全栈开发[面向对象] 本节内容: 三大编程范式 面向对象设计与面向对象编程 类和对象 静态属性.类方法.静态方法 类组合 继承 多态 封装 三大编程范式 三大编程范式: 1.面向过程编程 ...

  6. Python全栈开发【模块】

    Python全栈开发[模块] 本节内容: 模块介绍 time random os sys json & picle shelve XML hashlib ConfigParser loggin ...

  7. Python全栈开发【基础三】

    Python全栈开发[基础三]  本节内容: 函数(全局与局部变量) 递归 内置函数 函数 一.定义和使用 函数最重要的是减少代码的重用性和增强代码可读性 def 函数名(参数): ... 函数体 . ...

  8. python全栈开发中级班全程笔记(第二模块、第四章)(常用模块导入)

    python全栈开发笔记第二模块 第四章 :常用模块(第二部分)     一.os 模块的 详解 1.os.getcwd()    :得到当前工作目录,即当前python解释器所在目录路径 impor ...

  9. 学习笔记之Python全栈开发/人工智能公开课_腾讯课堂

    Python全栈开发/人工智能公开课_腾讯课堂 https://ke.qq.com/course/190378 https://github.com/haoran119/ke.qq.com.pytho ...

  10. Python全栈开发【面向对象进阶】

    Python全栈开发[面向对象进阶] 本节内容: isinstance(obj,cls)和issubclass(sub,super) 反射 __setattr__,__delattr__,__geta ...

随机推荐

  1. PAT_A1086#Tree Traversals Again

    Source: PAT A1086 Tree Traversals Again (25 分) Description: An inorder binary tree traversal can be ...

  2. maven-dependencyManagement和dependencies区别

    在多模块的maven项目中,如果各个子项目的依赖包相同但版本不同的话,对于测试.发布和管理非常困难 dependencyManagement就是起统一版本作用的一个标签,好处有2,一是统一版本,二是子 ...

  3. 从数组中任意取出2个数,判断他们的和是否为输入的数字sum,时间复杂度为0(n^2),空间复杂度0(1)

    从数组中任意取出2个数,判断他们的和是否为输入的数字sum,时间复杂度为0(n^2),空间复杂度0(1) 假设数据已经是排序好的 #include <stdio.h> #include & ...

  4. 对Springdata模块的简单理解

    有关于Spring对数据库的操作属于为Spring中的Springdata模块,对数据库的操作.Spring对JDBC和Mybatis都有封装与简化 可以从以下角度学习研究 SpringData: 1 ...

  5. Spring Boot 整合 Shiro+Thymeleaf

    1.导包 <!-- springboot 与 shiro 的集成--> <dependency> <groupId>org.apache.shiro</gro ...

  6. Oracle Net Configuration Assistant failed异常的解决方案

    来自:http://blog.itpub.net/25851087/viewspace-1419440/ 分类: Oracle [环境参数]     Host OS::Win7 32bit     C ...

  7. Centos6.5离线安装gcc

    木有网的centos折腾起来简直费劲的不要不要的~ 学校的虚拟机最开始只安装了一个libgcc-4.4.7-4,然而这是不够用的,比如安装软件的时候,需要输入"./configure&quo ...

  8. 基于第三方开源库的OPC服务器开发指南(2)——LightOPC的编译及部署

    前文已经说过,OPC基于微软的DCOM技术,所以开发OPC服务器我们要做的事情就是开发一个基于DCOM的EXE文件.一个代理/存根文件,然后就是写一个OPC客户端测试一下我们的服务器了.对于第一项工作 ...

  9. Ansible实现批量无密码登录

    如果机器多,假如有一百台服务器,每台服务器登录前都得先输入yes,使用交互式的方式下发公钥的话就很麻烦(ssh-copy-id). 第一次操作需要通过密码来操作服务器,所以配置文件需要把密码配置好 a ...

  10. nodejs . module.exports

    //utils.js let a = 100; console.log(module.exports); //能打印出结果为:{} console.log(exports); //能打印出结果为:{} ...