前言：线程和进程的关系图

　　由下图可知，在每个应用程序执行的过程中，都会去产生一个主进程和主线程来完成工作，当我们需要并发的执行的时候，就会通过主进程去生成一系列的子进程（然后通过子进程产生一系列的子线程）来使不同的cpu调用，从而达到并发的效果。但是需要注意的是，在一般情况下每个进程之间是相互独立的。

　　GIL全局解释器锁在Python中是独有的，java和c#中都没有，他的作用主要是什么呢？我们都知道程序的执行最小单元是线程，在cpu1通过进程来调用线程的时候（只是在cpu调用的时候），只能轮询的去调用某个进程中的线程，线程并不能进行并发的执行，也就是说一个时刻每颗cpu只能通过一个进程中的一个线程来完成某项工作。

　　在我们一般的程序中，如果没有特意的创建进程和线程，那么我们程序就是按照顺序一步一步执行的，当我们创建了进程和线程之后，就会产生并发执行的效果。

　　进程

　　　　优点: 可同时利用多个cpu，进行多个操作

　　　　缺点: 重新开辟内存空间，非常耗费资源

　　　　个数: 一般和cpu颗数相同

　　　　使用场所: 一般是计算密集型

　　线程

　　　　优点: 共享内存（一个进程内），i/o操作可实现并发执行

　　　　缺点: 抢占资源，切换上下文非常耗时

　　　个数: 一般依情况而定

　　　　使用场所: i/o密集型

一.进程

　　进程的定义

　　　　进程（Process）是计算机中的程序关于某数据集合上的一次运行活动，是系统进行资源分配和调度的基本单位。其实进程就是程序执行的实例，程序放在那里是不会执行的，只能通过创建进程来完成程序的操作。例如：我现在想去做饭，首先我拿起菜刀，然后我去切菜，之后开火，炒菜。做饭其实就是一个程序，我拿刀，切菜，开火，炒菜就就可以看成是一个一个的进程，他们在程序的执行流中有序的执行从而完成了一个操作。

　　1. 创建进程（Process类）

　　对于我们写的一个程序而言，默认的都会有一个主进程和主线程来从上到小的去执行代码，如果一但遇到要去创建进程和线程，然后主进程就会创建进程和线程，（然后创建的子进程和子线程就会自己去执行他要的执行的代码），创建完成之后有两种操作，一个就是等待子进程或者子线程的操作完成之后在结束程序，另一种就是当我的主进程完成之后，就立马结束程序，无论你的子进程或者子线程有没有完成。

# 在windows下做实验的话，第一句必须加上

if __name__ == "__main__":

    # 创建进程,

    # 参数target后面的代表的是此进程要执行的函数名称

    # args后面跟的是一个元组,代表target后面函数所需要的参数

    p = multiprocessing.Process(target=foo, args=(1,))

    p.join(5)   # 当执行完此子进程之后再去执行其他的进程,参数5代表执行此子进程等待的最长时间,默认为s

    # daemon是指主进程是否要等待子进程完成之后再结束，默认是等待

    # True 代表不等待

    # False 代表等待

    p.daemon = True

    p.start()   # 启动子进程

 # 下面这段代码显示结果为空，因为在主进程结束之后就结束程序了

 # 并不会去执行foo函数

 import multiprocessing

 import time

 def foo(args):

     # 这是个要通过子进程执行的函数

     time.sleep(3)   # 延迟三秒

     print(args)

 if __name__ == "__main__":

     p = multiprocessing.Process(target=foo, args=(1,))

     p.daemon = True # 不等待子进程结束

     p.start()   

 # 下面这段代码的执行结果为1 因为daemon的值为false，所以主进程要等待子进程执行完foo之后才会去结束程序

 import multiprocessing

 import time

 def foo(args):

     # 这是个要通过子进程执行的函数

     time.sleep(3)   # 延迟三秒

     print(args)

 if __name__ == "__main__":

     p = multiprocessing.Process(target=foo, args=(1,))

     p.daemon = False # 不等待子进程结束

     p.start()

事例一daemon

# 当没有join的时候，输入结果为基本上是同时输出的123456789

import multiprocessing

import time

def foo(args):

    # 这是个要通过子进程执行的函数

    time.sleep(1)

    print(args)

if __name__ == "__main__":

    for i in range(10):

        p = multiprocessing.Process(target=foo, args=(i,))

        p.start()

#有join的时候，他是一个一个输出的，因为join代表的就是当这个子进程执行完之后才会去执行其他的进程

import multiprocessing

import time

def foo(args):

    # 这是个要通过子进程执行的函数

    time.sleep(1)

    print(args)

if __name__ == "__main__":

    for i in range(10):

        p = multiprocessing.Process(target=foo, args=(i,))

        p.start()

        p.join(2)

事例二join

# 下面这个代码不会输出任何值，当程序执行了1s之后就会结束原因是join默认等待的时间为1s中，但是你的子进程却需要10s的时间，所以子进程还没有执行完主进程就结束了

import multiprocessing

import time

def foo(args):

    # 这是个要通过子进程执行的函数

    time.sleep(10)

    print(args)

if __name__ == "__main__":

    p = multiprocessing.Process(target=foo, args=(1,))

    p.daemon = True

    p.start()

    p.join(1)

事例三join　

　　2. 进程池（pool模块）

　　　　什么叫做进程池呢？通俗点就是装进程的容器，在我们写程序的时候，我们不可能来一个程序，我们就去创建一个进程，进程是非常耗费资源的，因此我们通过事先定义一个装进程的容器（进程的个数是固定的），当我们程序需要的时候就会自动的去进程池中区取，如果进程池中的子进程数被取完了，我们就只有等待其他的程序释放了之后我们才能够继续使用。

if __name__ == "__main__":

    # 创建进程池

    proc_pool = multiprocessing.Pool(5)

    # 以下两个都是使用进程池的方式

    # apply:他内部使用了join方法,每一个子进程进行了完了之后才会去进行下一个子进程的使用

    # apply_async:他内部没有使用join方法,因此是所有的子进程并发的执行

    proc_pool.apply()

    proc_pool.apply_async()

 # 从结果可以看出来，每一个子进程完成了之后才会打印出最后的子进程创建完成

 import multiprocessing

 import time

 def foo(s1):

     time.sleep(1)

     print(s1)

 if __name__ == "__main__":

     # 创建进程池,进程的个数为5

     proc_pool = multiprocessing.Pool(5)

     for i in range(10):

         # 创建十个子进程,每个子进程都去执行foo函数,传入的参数为i

         proc_pool.apply(foo, args=(i, ))

     print("子进程创建完成")

 输出结果：

 0

 1

 2

 3

 4

 5

 6

 7

 8

 9

 子进程创建完成

事例一apply

# 结果是先打印了进程创建完毕，从执行结果可以看出来，apply_async函数会使所有的子进程并发执行，后面的join函数要使主进程等待子进程完成之后在关闭程序

import multiprocessing

import time

# 执行的函数

def foo(s1):

    time.sleep(1)

    return s1

# 回调函数

def foo2(s1):

    print(s1)

if __name__ == "__main__":

    # 创建进程池,进程的个数为5

    proc_pool = multiprocessing.Pool(5)

    for i in range(10):

        # 创建十个子进程,每个子进程都去执行foo函数,传入的参数为i,把foo函数的返回值当做参数给foo2,然后执行foo2函数

        proc_pool.apply_async(foo, args=(i, ), callback=foo2)

    print("子进程创建完成")

    # 关闭进程池

    proc_pool.close()

    # 等待子进程执行完毕之后返回

    proc_pool.join()

输出结果：

子进程创建完成

0

1

2

3

4

5

6

7

8

事例2 apply_aysnc

　　3. 进程之间的共享

　　　　进程之间本来是独立，互不影响的，如果实在想要在进程之间进行通信的话有两种方法。

　　　　　　<1>. 数组

　　　　　　<2>. manage模块创建特殊的数据类型

import multiprocessing

import multiprocessing

def f1(s1, dic):

    dic[s1] = s1

if __name__ == "__main__":

    # 创建一个manage的对象

    manage = multiprocessing.Manager()

    # 通过manage创建一个特殊类型的dict,供进程之间进行使用

    dic = manage.dict()

    print("没有修改之前的dic:",dic)

    for i in range(10):

        p = multiprocessing.Process(target=f1, args=(i, dic))

        p.start()

        p.join()

    print("修改之后的dic:",dic)

结果：

没有修改之前的dic: {}

修改之后的dic: {0: 0, 1: 1, 2: 2, 3: 3, 4: 4, 5: 5, 6: 6, 7: 7, 8: 8, 9: 9}

二.线程

　　线程是程序最下的执行单元，他本质上也是一个进程，只不过是把进程更加的细微化的一个东西，也是用来执行程序的。

　　1. 创建线程

# 线程的创建和进程的创建都差不多,因为从形式上来将线程就是进程

# 下面的方法和进程的方法是一样的,就是把daemon变成了setDaemon而已

if __name__ == "__main__":

    # 创建线程foo函数为要用子线程执行的函数,args为传递的参数

    thread = threading.Thread(target=foo, args=(1, ))

    # 启动线程

    thread.start()

    # 子线程等的最长时间

    thread.join(5)

    # 设置主进程完成之后是否要等待子线程完成,默认是不等待的

    thread.setDaemon(True)

 # 下面这段代码是没有结果的，因为线程和进程不太一样，线程默认是不等待子线程的

 import threading

 import time

 # 执行的函数

 def foo(s1):

     time.sleep(1)

     print(s1)

 if __name__ == "__main__":

     thread = threading.Thread(target=foo, args=(1, ))

     thread.start()

 # 修改成下面这段代码，就可以显示结果了，

 import threading

 import time

 # 执行的函数

 def foo(s1):

     time.sleep(1)

     print(s1)

 if __name__ == "__main__":

     thread = threading.Thread(target=foo, args=(1, ))

     thread.setDaemon(False)

     thread.start()

事例一setDaemon

 import threading

 import time

 # 执行的函数

 def foo(s1):

     time.sleep(1)

     print(s1)

 if __name__ == "__main__":

     for i in range(5):

         thread = threading.Thread(target=foo, args=(i, ))

         thread.start()

         thread.join(2)

事例二join

　　2. Rlock模块

　　　　Rlock模块从名字就可以看出来是一个锁模块，我们都知道线程之间是内存共享的，因此当两个线程同时修改某个值的时候，就会出现脏值（也就是我们预期不到的值），因为我们不知道到底哪个线程修改的有效，因此这个模块就应运而生了，当我们想去修改某个值的时候，就可以用到锁模块，把值锁定起来

 # 其实这个例子看不出来数据的混乱。。。。

 # 只是简单的说了一下rlock模块的使用方法

 import threading

 import time

 # 创建一个全局变量,要运用线程对其进行修改

 num = []

 # 创建一个锁对象

 lock = threading.RLock()

 # 执行的函数

 def foo(s1):

     # 加锁

     # lock.acquire()

     global num

     num.append(s1)

     print(num)

     # 释放锁

     # lock.release()

 if __name__ == "__main__":

     for i in range(40):

         thread = threading.Thread(target=foo, args=(i, ))

         thread.start()

     print(num)

rlock

　　3. event模块

　　　　event模块其实就是暂停的意思，当我们使用了此模块之后，线程就会停在此处，当我们设置了相应的值之后，就会继续执行。

 import threading

 import time

 # 创建一个全局变量,要运用线程对其进行修改

 num = []

 # 创建一个锁对象

 lock = threading.RLock()

 event = threading.Event()

 # 执行的函数

 def foo(s1):

     # 加锁

     lock.acquire()

     # 线程在此暂停（红灯）

     event.wait()

     global num

     num.append(s1)

     print(num)

     # 释放锁

     lock.release()

 if __name__ == "__main__":

     for i in range(5):

         thread = threading.Thread(target=foo, args=(i, ))

         thread.start()

     event.clear()   # 设置为红灯

     inp = input("输入q继续:")

     if inp == 'q':

         # 如果输入的为q,就把event的等待状态改变,继续执行

         event.set() 

 结果输出

 输入True继续:q

 [0]

 [0, 1]

 [0, 1, 2]

 [0, 1, 2, 3]

 [0, 1, 2, 3, 4]

event+lock之后的状态

 import threading

 import time

 # 创建一个全局变量,要运用线程对其进行修改

 num = []

 # 创建一个锁对象

 lock = threading.RLock()

 event = threading.Event()

 # 执行的函数

 def foo(s1):

     # 加锁

     # lock.acquire()

     # 线程在此暂停（红灯）

     event.wait()

     global num

     num.append(s1)

     print(num)

     # 释放锁

     # lock.release()

 if __name__ == "__main__":

     for i in range(5):

         thread = threading.Thread(target=foo, args=(i, ))

         thread.start()

     event.clear()   # 设置为红灯

     inp = input("输入q继续:")

     if inp == 'q':

         # 如果输入的为q,就把event的等待状态改变,继续执行

         event.set()

 输出结果：

 输入q继续:q

 [0]

 [0, 2]

 [0, 2, 1]

 [0, 2, 1, 4]

 [0, 2, 1, 4, 3]

event模型

　　4. 生产者消费者模型（queue模块）

　　　　生产者消费者模型其实说的就是队列，队列我们只需要记住先进先出就可以了。

# 导入队列的模块

import queue

# 创建一个队列,队列的长度最多为5

obj = queue.Queue(5)

# 从队列中获取值,如果队列为空,则等待

obj.get()

# 从队列中获取值,如果队列为空,则放弃取值(不等待)

obj.get_nowait()

# 给队列中上传一个值

obj.put("value")

　　5. 线程池

　　　　在Python中默认没有创建线程池的方法，因此在此处总结了wupeiqi老师的两个方法，方法的地址如下　　

　　　　http://www.cnblogs.com/wupeiqi/articles/4839959.html

　　　　这段代码的有些地方是比较难懂的，主要的原因是之前写的代码都是顺序执行的，而对于线程和进程而言，都是可以并发执行的，因此对于执行流还是需要注意的。

 import queue

 import threading

 import time

 class ThreadPool:

     def __init__(self, max_num):

         self.ThreadQueue = queue.Queue(max_num)

         for i in range(max_num):

             self.ThreadQueue.put(threading.Thread)

     def get_Thread(self):

         return self.ThreadQueue.get()

     def add_Thread(self):

         self.ThreadQueue.put(threading.Thread)

 def func(pool, args):

     time.sleep(2)

     print(args)

     pool.add_Thread()

线程池实现--简单的方法

 # -*- coding:utf-8 -*-

 # zhou

 # 2017/7/5

 import threading

 import queue

 import time

 # 列表退出标志位

 StopEvent = object()

 class ThreadPool:

     def __init__(self, max_num):

         # 创建一个空的队列用来存放任务而不是线程

         self.q = queue.Queue()

         # 设置空闲的线程数为0

         self.free_list = []

         # 已经创建的线程数

         self.generate_list = []

         # 创建线程的最大个数

         self.max_num = max_num

         # 创建任务列表为空

         self.task = []

         self.terminal_flag = False

     def apply(self, target, args, callback=None):

         # 得到任务列表

         task = (target, args, callback, )

         # print('***', args)

         # 把任务列表加入队列中

         self.q.put(task)

         # 去执行

         if len(self.free_list) == 0 and len(self.generate_list) < self.max_num:

             # 如果没有空闲的线程并且创建的线程数小于最大线程数，就创建一个线程

             self.generate_thread()

     def generate_thread(self):

         t = threading.Thread(target=self.run)

         t.start()

     def run(self):

         current_thread = threading.currentThread

         self.generate_list.append(current_thread)

         event = self.q.get()

         while event != StopEvent:

             # 是任务,解开任务包,执行任务

             func1, argument, func2 = event

             # print("++",argument)

             try:

                 ret = func1(*argument)

                 state = True

             except Exception as e:

                 state = False

                 ret = e

             if func2 is not None:

                 try:

                     func2(state, ret)

                 except Exception as e:

                     pass

             if not self.terminal_flag:

                 self.free_list.append(current_thread)

                 event = self.q.get()

                 self.free_list.remove(current_thread)

             else:

                 event = StopEvent

         else:

             # 不是任务,就移除

             self.generate_list.remove(current_thread)

     def close(self):

         # StopEvent作为循环结束的标志,有多少个线程就会给他创建多少个标志位

         num = len(self.generate_list)

         while num:

             self.q.put(StopEvent)

             num -= 1

     def terminal(self):

         self.terminal_flag = True

         while self.generate_list:

             self.q.put(StopEvent)

         # self.close()

         self.q.empty()

 # 执行函数

 def foo(s1):

     # time.sleep(0.5)

     print(s1)

 # 回调函数

 def f2(state, s2):

     print(s2)

 if __name__ == "__main__":

     # 创建一个线程池

     pool = ThreadPool(5)

     for i in range(40):

         # 应用线程池

         # print('___',i)

         pool.apply(target=foo, args=(i, ))

     time.sleep(4)

     pool.terminal()

线程池实现--复杂的方法

三.协程

　　协程是什么呢？协程其实就是微线程，如下图，协程一般用在web页面请求上面，使用协程要导入模块gevent，下面贴一个简单的使用例子

 # -*- coding:utf-8 -*-

 # zhou

 # 2017/7/5

 import gevent

 import requests

 def f1(url):

     requests.get(url)

 gevent.joinall([

     gevent.spawn(f1, "https://www.baidu.com/"),

     gevent.spawn(f1, "http://www.sohu.com/"),

 ]

 )

协程使用方法

四. 上下文切换（contextlib）

　　其实这个上下文切换和装饰器有点类似，也是在一个操作的前后在去加上一点操作。

　　下面代码执行流程

import contextlib

@contextlib.contextmanager

def file_open(file_name, mode):

    f = open(file_name, mode)

    try:

        yield f

    finally:

        f.close()

with file_open('te', 'r') as obj_f:

    print(obj_f.read())

python系列7进程线程和协程的更多相关文章

python进程.线程和协程的总结
I.进程: II.多线程threading总结 threading用于提供线程相关的操作,线程是应用系统中工作的最小单位(cpu调用的最小单位). Python当前版本的多线程没有实现优先级,线程组, ...
python并发编程之进程、线程、协程的调度原理(六)
进程.线程和协程的调度和运行原理总结. 系列文章 python并发编程之threading线程(一) python并发编程之multiprocessing进程(二) python并发编程之asynci ...
Python（八）进程、线程、协程篇
本章内容: 线程(线程锁.threading.Event.queue 队列.生产者消费者模型.自定义线程池) 进程(数据共享.进程池) 协程线程 Threading用于提供线程相关的操作.线程是应用 ...
Python学习之路--进程，线程，协程
进程.与线程区别 cpu运行原理 python GIL全局解释器锁线程语法 join 线程锁之Lock\Rlock\信号量将线程变为守护进程 Event事件 queue队列生产者消费者模型 Q ...
Python—进程、线程、协程
一.线程线程是操作系统能够进行运算调度的最小单位.它被包含在进程之中,是进程中的实际运作单位.一条线程指的是进程中一个单一顺序的控制流,一个进程中可以并发多个线程,每条线程并行执行不同的任务方法: ...
11.python之线程，协程，进程，
一,进程与线程 1.什么是线程线程是操作系统能够进行运算调度的最小单位.它被包含在进程之中,是进程中的实际运作单位.一条线程指的是进程中一个单一顺序的控制流,一个进程中可以并发多个线程,每条线程并行 ...
python中socket、进程、线程、协程、池的创建方式和应用场景
进程场景利用多核.高计算型的程序.启动数量有限进程是计算机中最小的资源分配单位进程和线程是包含关系每个进程中都至少有一条线程可以利用多核,数据隔离创建销毁切换时间开销都比较大随着 ...
python 进程、线程与协程的区别
进程.线程与协程区别总结 - 1.进程是计算器最小资源分配单位 - 2.线程是CPU调度的最小单位 - 3.进程切换需要的资源很最大,效率很低 - 4.线程切换需要的资源一般,效率一般(当然了在不考虑 ...
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 [, t ...

随机推荐

io饥饿
看书,在书上看到一句话,防止io饥饿,google了一下,也没有找到相关的解释,究竟什么是io饥饿.
Flume的load-balance、failover
配置flume集群参考https://www.cnblogs.com/jifengblog/p/9277793.html load-balance负载均衡介绍负载均衡是用于解决一台机器(一个进程) ...
Dynamics CRM 批量新建域用户
好久没写了,今天大牛教了我偷懒的批量新建域用户的方法是不是觉得控制面板 =>管理工具=>用户和计算机=>Users=>新建用户,一个个建,很烦是不是,而且耗时,我上个项目 ...
tomcat、Apache服务器外网无法访问80和8080端口，其他端口可以访问
tomcat.Apache服务器外网无法访问80和8080端口,其他端口都可以访问,很明显地看出这是网络运营商的问题,他们把80和8080端口对外访问屏蔽了. 解释:这两个端口是常用的HTTP协议端口 ...
创建Spark镜像文件
创建Spark镜像文件 1.将spark容器提交到新的镜像中 $>docker commit 01a25bdf1499 myrepos:centos-spark 2.将centos-spark镜 ...
C#转Java之路之二：多线程原子变量
多线程操作会带来不一致性,为了实现一直性.我们可以用关键字:synchronized同步对象或者volatile轻量级.内存可见性. 两个关键字使用对比: 1.synchronized比较重,属于悲观 ...
May 09th 2017 Week 19th Tuesday
Everything you see exists together in a delicate balance. 世上所有的生命都在微妙的平衡中生存. A delicate balance? Can ...
c++互斥锁的实现
class IMyLock { public: virtual ~IMyLock(){} ; ; }; class Mutex : public IMyLock { public: Mutex(); ...
（第五场）G max 【数论】
题目链接:https://www.nowcoder.com/acm/contest/143/G 题目描述 Give two positive integer c, n. You need to fin ...
去掉谷歌浏览器 video标签下的下载按钮
一.判断浏览器版本(区分谷歌和360浏览器) function myBrowser(){ var userAgent = navigator.userAgent; //取得浏览器的userAgent字 ...

python系列7进程线程和协程

目录