Process类，Thread类，Pool类，gevent类，ProcessPoolExecutor,ThreadPoolExecutor的用法比较

一 Process类

　　multiprocessing模块下的一个类

　　创建子进程。

　　有两种方法

　　方法一

from multiprocessing import Process
import os
def foo():
    print('%s from foo'%os.getpid())
def bar():
    print('%s from bar' % os.getpid())
if __name__ == '__main__':
    p1=Process(target=foo)
    p2=Process(target=bar)
    p1.start()
    p2.start()
    p1.join()
    p2.join()
    print('%s over'%os.getpid())

　　输出：　

13524 from foo
12848 from bar
12696 over

　　方法二

from multiprocessing import Process
import os
class Myprocess(Process):
    def __init__(self,name):
        super().__init__()
        self.name=name
    def run(self):
        print('%s from %s' % (os.getpid(),self.name))
if __name__ == '__main__':
    p1=Myprocess('foo')
    p2=Myprocess('bar')
    p1.start()
    p2.start()
    p1.join()
    p2.join()
    print('%s over' % os.getpid())

　　输出：

15260 from foo
5980 from bar
8844 over

二 Thread类

　　threading模块下的类

　　创建线程

　　有两种方法

　　与Process类一样。

三 Pool类

　　Pool类的方法:

　　　　p=Pool()

　　　　p.apply_async()，异步提交任务，生成ApplyResult对象

　　　　p.close()

　　　　p.join()

　　　　ApplyResult.get()，从ApplyResult对象中获取返回值。

from multiprocessing import Pool
import os,time
def foo():
    time.sleep(1)
    print('%s from foo'%os.getpid())
    return 'foo'
def bar():
    time.sleep(2)
    print('%s from bar' % os.getpid())
    return 'bar'
if __name__ == '__main__':
    p=Pool()
    t1=time.time()
    res1=p.apply_async(foo)
    res2=p.apply_async(bar)
    p.close()
    p.join()
    print(res1)
    print(time.time()-t1)          ##多出来的0.15秒是开启进程所花费的时间
    t2=time.clock()
    print(res1.get())
    print(res2.get())
    print(time.clock()-t2)

　　输出：

12468 from foo
8832 from bar
<multiprocessing.pool.ApplyResult object at 0x00000126511CEE48>
2.1609864234924316
foo
bar
2.1880321932470032e-05

　　map()方，比较常用。

　　官方介绍：

Apply `func` to each element in `iterable`, collecting the results
        in a list that is returned.

　　废话少说，上代码

import time
from multiprocessing import Pool

def foo(x):
    time.sleep()
    return x*x

if __name__ == '__main__':
    l = [,,,,,,,,,]
    t1 = time.time()
    p = Pool()
    print(time.time()-t1)
    res = p.map(foo,l) # 这行代码表示所有的进行都已经执行完了，并且每个进程的结果都拿到，放在了res中
    print(time.time()-t1)
    print(res,type(res))
    p.close()
    p.join()
    print(time.time()-t1)

　　输出：

0.14187192916870117
2.2597498893737793
[, , , , , , , , , ] <class 'list'>
2.401075601577759

四 gevent

　　gevent是一个基于协程的Python网络库。

　　单线程实现并发，协程。

　　需要用到猴子补丁。

　　方法：

　　　　g1=gevent.spawn(func)：提交任务，生成Greenlet对象--g1。

　　　　g1.join(),阻塞，直到g1任务完成。

　　　　g1.value。从Greenlet对象g1中获取返回值。　　　

import gevent
from gevent import monkey;monkey.patch_all()
import os,time
from threading import current_thread
def foo():
    time.sleep(1)
    print('%s  %s from foo'%(os.getpid(),current_thread().getName()))
def bar():
    time.sleep(2)
    print('%s  %s from bar' % (os.getpid(),current_thread().getName()))
t1=time.time()
g1=gevent.spawn(foo)
g2=gevent.spawn(bar)
print(g1,g2)
g1.join()
g2.join()
print(time.time()-t1)

　　输出：

<Greenlet at 0x1e3fc1396d0: foo> <Greenlet at 0x1e3fc139800: bar>
7536  DummyThread-1 from foo
7536  DummyThread-2 from bar
2.0017032623291016              #可以看到协程开启进程花销非常小。

五 ProcessPoolExecutor

　　创建多进程

　　concurrent.futures库内的ProcessPoolExecutor类

　　executor=ProcessPoolExecutor()：生成一个ProcessPoolExecutor对象；

　　future=executor.submit():提交任务，返回一个Future对象。

　　executor.shutdown()。相当于Pool类中的close()和join()

　　future.result()：从Future对象中获取其返回值。

from concurrent.futures import ProcessPoolExecutor,ThreadPoolExecutor
import os,time
from threading import current_thread
def foo():
    time.sleep(1)
    print('%s  %s from foo'%(os.getpid(),current_thread().getName()))
    return 'foo'
def bar():
    time.sleep(2)
    print('%s  %s from bar' % (os.getpid(),current_thread().getName()))
    return 'bar'
if __name__ == '__main__':
    t1=time.time()
    executor=ProcessPoolExecutor()
    print('executor',executor)
    future1=executor.submit(foo)
    future2=executor.submit(bar)
    print(future1,future2)
    executor.shutdown()
    print(future1.result())
    print(future2.result())
    print(time.time()-t1)

　　输出：

6480  MainThread from foo
6756  MainThread from bar
foo
bar
2.7526917457580566                   #可以看到创建进程还是比较花费时间的

六 ThreadPoolExecutor()

　　创建多线程

　　concurrent.futures库内的ProcessPoolExecutor类

　　executor=ThreadPoolExecutor()：生成一个ThreadPoolExecutor对象；

　　future=executor.submit():提交任务，返回一个Future对象。

　　executor.shutdown()。相当于Pool类中的close()和join()。

　　future.result()：从Future对象中获取其返回值。

　　

from concurrent.futures import ThreadPoolExecutor
import os,time
from threading import current_thread
def foo():
    time.sleep(1)
    print('%s  %s from foo'%(os.getpid(),current_thread().getName()))
    return 'foo'
def bar():
    time.sleep(2)
    print('%s  %s from bar' % (os.getpid(),current_thread().getName()))
    return 'bar'
if __name__ == '__main__':
    t1=time.time()
    executor=ThreadPoolExecutor()
    print('executor',executor)
    future1=executor.submit(foo)
    future2=executor.submit(bar)
    print(future1,future2)
    executor.shutdown()
    print(future1.result())
    print(future2.result())
    print(time.time()-t1)

　　输出：

executor <concurrent.futures.thread.ThreadPoolExecutor object at 0x0000020073EAAAC8>
<Future at 0x20073eb4198 state=running> <Future at 0x20074176940 state=running>
4380  <concurrent.futures.thread.ThreadPoolExecutor object at 0x0000020073EAAAC8>_0 from foo         #可以看到进程号是一样的
4380  <concurrent.futures.thread.ThreadPoolExecutor object at 0x0000020073EAAAC8>_1 from bar
foo
bar
2.001234531402588                     #相比较开启进程，线程开启的时间非常快，花销非常小