python3 多线程和多进程

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