Day13 – 进程和线程

作者: paranoid 分类: Python 发布时间: 2021-01-31 23:42

日期:2021年1月31日

今天是学习Python的第十三天,不再干抄书里的内容,作为一份总结来使用。

学习用的教材是GitHub上骆昊编写的《Python - 100天从新手到大师》


一、多进程

通过增加进程数量同步运行来达到提升执行速度的目的,新的进程拥有自己的独立内存空间,因此必须通过进程间通信机制来实现数据共享,包括:管道、信号、套接字、共享内存区等。

用到的函数

  • os.getpid() # 获取进程号

  • multiprocessing.Process(target=函数名,args=(*传入参数)) # 创建进程对象

    • start() # 启动进程

    • join() # 等待进程执行结束

  • multiprocessing.Queue([maxsize]) # 创建共享的进程队列

    • put() # 放值

    • get() # 取值

多进程的内存空间相互独立,所以变量也是独立的,如果想让进程之间共用一个变量,需要使用共享进程队列,参考《Python进程间通信 multiProcessing Queue队列实现详解》

二、多线程

用到的函数

  • threading.Thread(target=函数名,args=(*传入参数)) # 创建线程对象

    • start() # 启动线程

    • join() # 等待线程执行结束

  • threading.Lock() # “临界资源”保护锁

    • acquire() # 取锁

    • release() # 放锁

如果多个线程共享并竞争使用同一个变量(临界资源),可能会因为同时读取到的资源数据不及时更新而导致错误的结果,所以需要一个锁来将线程拒之门外,只允许一个一个通过。

💡 ProcessThread本身是类,所以可以通过创建新类并对其继承,来简化一些操作。

三、多进程 or 多线程

  1. 无论是多进程还是多线程,都要适量,太多会导致系统频繁切换任务而没有时间执行任务。

  2. 计算密集型使用python来执行效率很低,使用c语言更合适

    • 计算密集型:需要进行大量计算,消耗CPU资源

    • I/O密集型:CPU消耗少,任务的大部分时间都在等待I/O操作完成

  3. 单线程+异步I/O(协程)

    优势:极高的执行效率,没有线程切换的开销;不需要多线程的锁机制,只需判断状态。充分利用CPU的多核特性,使用 多线程+协程,可以获得极高的性能。

如果觉得我的文章对您有用,请随意赞赏。您的支持将鼓励我继续创作!

发表评论

邮箱地址不会被公开。