Python线程

Threading用于提供线程相关的操作，线程是应用程序中工作的最小单元。

#!/usr/bin/env python

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

import threading

import time

def show(arg):

    time.sleep(1)

    print 'thread'+str(arg)

for i in range(10):

    t = threading.Thread(target=show, args=(i,))

    t.start()

print 'main thread stop'

上述代码创建了10个“前台”线程，然后控制器就交给了CPU，CPU根据指定算法进行调度，分片执行指令。

更多方法：

start 线程准备就绪，等待CPU调度
setName 为线程设置名称
getName 获取线程名称
setDaemon 设置为后台线程或前台线程（默认）
如果是后台线程，主线程执行过程中，后台线程也在进行，主线程执行完毕后，后台线程不论成功与否，均停止
如果是前台线程，主线程执行过程中，前台线程也在进行，主线程执行完毕后，等待前台线程也执行完成后，程序停止
join 逐个执行每个线程，执行完毕后继续往下执行，该方法使得多线程变得无意义
run 线程被cpu调度后执行Thread类对象的run方法

线程锁

由于线程之间是进行随机调度，并且每个线程可能只执行n条执行之后，CPU接着执行其他线程。所以，可能出现如下问题：

未使用锁：

#!/usr/bin/env python

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

import threading

import time

gl_num = 0

def show(arg):

    global gl_num

    time.sleep(1)

    gl_num +=1

    print gl_num

for i in range(10):

    t = threading.Thread(target=show, args=(i,))

    t.start()

print 'main thread stop'

使用锁：

#!/usr/bin/env python

#coding:utf-8

import threading

import time

gl_num = 0

lock = threading.RLock()

def Func():

    lock.acquire()

    global gl_num

    gl_num +=1

    time.sleep(1)

    print gl_num

    lock.release()

for i in range(10):

    t = threading.Thread(target=Func)

    t.start()

event

python线程的事件用于主线程控制其他线程的执行，事件主要提供了三个方法 set、wait、clear。

事件处理的机制：全局定义了一个“Flag”，如果“Flag”值为 False，那么当程序执行 event.wait 方法时就会阻塞，如果“Flag”值为True，那么event.wait 方法时便不再阻塞。

clear：将“Flag”设置为False
set：将“Flag”设置为True

#!/usr/bin/env python

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

import threading

def do(event):

    print 'start'

    event.wait()

    print 'execute'

event_obj = threading.Event()

for i in range(10):

    t = threading.Thread(target=do, args=(event_obj,))

    t.start()

event_obj.clear()

inp = raw_input('input:')

if inp == 'true':

    event_obj.set()

Python 进程

 from multiprocessing import Process

 import threading

 import time

 def foo(i):

     print 'say hi',i

 for i in range(10):

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

     p.start()

注意：由于进程之间的数据需要各自持有一份，所以创建进程需要的非常大的开销。

进程数据共享

进程各自持有一份数据，默认无法共享数据

#!/usr/bin/env python

#coding:utf-8

from multiprocessing import Process

from multiprocessing import Manager

import time

li = []

def foo(i):

    li.append(i)

    print 'say hi',li

for i in range(10):

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

    p.start()

print 'ending',li

进程间默认无法数据共享

如果想让进程之间数据共享，就得有个特殊的数据结构：

 #方法一，Array

 from multiprocessing import Process,Array

 temp = Array('i', [11,22,33,44]) #这里的i是C语言中的数据结构，其他的类型见下面

 def Foo(i):

     temp[i] = 100+i

     for item in temp:

         print i,'----->',item

 for i in range(2):

     p = Process(target=Foo,args=(i,))

     p.start()

 #方法二：manage.dict()共享数据

 from multiprocessing import Process,Manager

 manage = Manager()

 dic = manage.dict()

 def Foo(i):

     dic[i] = 100+i

     print dic.values()

 for i in range(2):

     p = Process(target=Foo,args=(i,))

     p.start()

     p.join()

'c': ctypes.c_char,  'u': ctypes.c_wchar,

'b': ctypes.c_byte,  'B': ctypes.c_ubyte,

'h': ctypes.c_short, 'H': ctypes.c_ushort,

 'i': ctypes.c_int,   'I': ctypes.c_uint,

 'l': ctypes.c_long,  'L': ctypes.c_ulong,

 'f': ctypes.c_float, 'd': ctypes.c_double

类型对应表

当创建进程时（非使用时），共享数据会被拿到子进程中，当进程中执行完毕后，再赋值给原值。

进程锁实例：

#!/usr/bin/env python

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

from multiprocessing import Process, Array, RLock

def Foo(lock,temp,i):

    """

    将第0个数加100

    """

    lock.acquire()

    temp[0] = 100+i

    for item in temp:

        print i,'----->',item

    lock.release()

lock = RLock()

temp = Array('i', [11, 22, 33, 44])

for i in range(20):

    p = Process(target=Foo,args=(lock,temp,i,))

    p.start()

进程池

进程池内部维护一个进程序列，当使用时，则去进程池中获取一个进程，如果进程池序列中没有可供使用的进进程，那么程序就会等待，直到进程池中有可用进程为止。

进程池中有两个方法：

apply
apply_async

 #!/usr/bin/env python

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

 from  multiprocessing import Process,Pool

 import time

 def Foo(i):

     time.sleep(2)

     return i+100

 def Bar(arg):

     print arg

 pool = Pool(5)

 #print pool.apply(Foo,(1,))

 #print pool.apply_async(func =Foo, args=(1,)).get()

 for i in range(10):

     pool.apply_async(func=Foo, args=(i,),callback=Bar)

 print 'end'

 pool.close()

 pool.join()#进程池中进程执行完毕后再关闭，如果注释，那么程序直接关闭。

协程

线程和进程的操作是由程序触发系统接口，最后的执行者是系统；协程的操作则是程序员。

协程存在的意义：对于多线程应用，CPU通过切片的方式来切换线程间的执行，线程切换时需要耗时（保存状态，下次继续）。协程，则只使用一个线程，在一个线程中规定某个代码块执行顺序。

协程的适用场景：当程序中存在大量不需要CPU的操作时（IO），适用于协程；

greenlet

#!/usr/bin/env python

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

from greenlet import greenlet

def test1():

    print 12

    gr2.switch()

    print 34

    gr2.switch()

def test2():

    print 56

    gr1.switch()

    print 78

gr1 = greenlet(test1)

gr2 = greenlet(test2)

gr1.switch()

gevent

import gevent

def foo():

    print('Running in foo')

    gevent.sleep(0)

    print('Explicit context switch to foo again')

def bar():

    print('Explicit context to bar')

    gevent.sleep(0)

    print('Implicit context switch back to bar')

gevent.joinall([

    gevent.spawn(foo),

    gevent.spawn(bar),

])

遇到IO操作自动切换：

from gevent import monkey; monkey.patch_all()

import gevent

import urllib2

def f(url):

    print('GET: %s' % url)

    resp = urllib2.urlopen(url)

    data = resp.read()

    print('%d bytes received from %s.' % (len(data), url))

gevent.joinall([

        gevent.spawn(f, 'https://www.python.org/'),

        gevent.spawn(f, 'https://www.yahoo.com/'),

        gevent.spawn(f, 'https://github.com/'),

])

秒客网

python--第十天总结（线程、进程和协程）

Python线程

Python 进程

协程

gevent

相关文章