python的协程和多线程,python线程和协程区别
本文主要介绍了Python的进程、线程和协同例程,具有一定的参考价值。感兴趣的朋友可以参考一下,希望能帮到你。
00-1010螺纹锁边螺纹。锁紧和穿线。锁差螺纹。事件线程。条件队列队列生产者-消费者模型流程服务器流程进程池协同流程摘要
目录
线程用于提供与线程相关的操作。它是线程化应用中的最小工作单元,包含在进程中,是进程中的实际操作单元。线程是指流程中控制流的单个序列。多个线程可以在一个进程中并发,每个线程并行执行不同的任务。
线程模块建立在_thread模块之上。线程模块以一种底层的、原始的方式处理和控制线程,而线程模块通过对线程的二次封装,提供了一种更方便的api来处理线程。
导入线程
导入时间
定义工人(编号):
时间.睡眠(1)
打印(数字)
返回
对于范围(10):内的I
t=螺纹。线程(target=worker,args=(i,),name=t.%d % i )
启动()
#继承的呼叫
导入线程
导入时间
类MyThread(线程。螺纹):
def __init__(self,num):
threading.Thread.__init__(self)
self.num=数字
Def run(self): #定义了每个线程要运行的函数。
打印(运行于number:%s %self.num
时间.睡眠(2)
if __name__==__main__:
t1=MyThread(1)
t2=MyThread(2)
t1.start()
t2.start()
thread方法:
T.start() :激活线程t.getName() :获取线程名称t.setName():设置线程名称t.name:获取或设置线程名称t.is_alive():确定线程是否激活t.isAlive():确定线程是否激活t.setDaemon()。通过布尔值设置线程是否为守护线程只能在执行start()方法之前使用。如果是后台线程,那么在主线程执行过程中,后台线程也在进行。主线程执行后,后台线程无论成功还是失败都会停止。如果是前台线程,那么在主线程执行期间,前台线程也在进行中。主线程执行完毕后,等待前台线程执行完毕,程序停止t.isDaemon():判断是否是守护线程t.ident:获取线程的标识符。线程标识符是非零整数,只有在调用start()方法后,该属性才有效。否则只返回Nonet.join():逐个执行每个线程,执行完毕后继续执行。这种方法使得多线程变得毫无意义。t.run():线程对象的run方法在线程被cpu调度后自动执行。
线程
穿线。锁螺纹。锁
当我们使用线程对数据进行操作时,如果多个线程同时修改一些数据,可能会出现意想不到的结果。为了保证数据的准确性,引入了锁的概念。
惩罚学生的工作
rt threading
import time
num = 0
lock = threading.RLock() # 实例化锁类
def work():
lock.acquire() # 加锁
global num
num += 1
time.sleep(1)
print(num)
lock.release() # 解锁
for i in range(10):
t = threading.Thread(target=work)
t.start()
threading.RLock和threading.Lock 的区别
RLock允许在同一线程中被多次acquire。而Lock却不允许这种情况。 如果使用RLock,那么acquire和release必须成对出现,即调用了n次acquire,必须调用n次的release才能真正释放所占用的锁。
import threadinglock = threading.Lock()
lock.acquire()
lock.acquire() # 产生死锁
lock.release()
lock.release()
import threadingrlock = threading.RLock()
rlock.acquire()
rlock.acquire() # 在同一线程内,程序不会堵塞。
rlock.release()
rlock.release()
print("end.")
threading.Event
Event是线程间通信最间的机制之一:一个线程发送一个event信号,其他的线程则等待这个信号。用于主线程控制其他线程的执行。 Events 管理一个flag,这个flag可以使用set()设置成True或者使用clear()重置为False,wait()则用于阻塞,在flag为True之前。flag默认为False。
Event.wait([timeout])
: 堵塞线程,直到Event对象内部标识位被设为True或超时(如果提供了参数timeout)
Event.set()
:将标识位设为Ture
Event.clear()
: 将标识伴设为False
Event.isSet()
:判断标识位是否为Ture
当线程执行的时候,如果flag为False,则线程会阻塞,当flag为True的时候,线程不会阻塞。它提供了本地和远程的并发性。
threading.Condition
Python提供的Condition对象提供了对复杂线程同步问题的支持。Condition被称为条件变量,除了提供与Lock类似的acquire和release方法外,还提供了wait和notify方法。线程首先acquire一个条件变量,然后判断一些条件。如果条件不满足则wait;如果条件满足,进行一些处理改变条件后,通过notify方法通知其他线程,其他处于wait状态的线程接到通知后会重新判断条件。不断的重复这一过程,从而解决复杂的同步问题。
在典型的设计风格里,利用condition变量用锁去通许访问一些共享状态,线程在获取到它想得到的状态前,会反复调用wait()。修改状态的线程在他们状态改变时调用 notify() or notify_all(),用这种方式,线程会尽可能的获取到想要的一个等待者状态。
import threadingimport time<br data-filtered="filtered">
def consumer(cond):
with cond:
print("consumer before wait")
cond.wait()
print("consumer after wait")
def producer(cond):
with cond:
print("producer before notifyAll")
cond.notifyAll()
print("producer after notifyAll")
condition = threading.Condition()
c1 = threading.Thread(name="c1", target=consumer, args=(condition,))
c2 = threading.Thread(name="c2", target=consumer, args=(condition,))
p = threading.Thread(name="p", target=producer, args=(condition,))
c1.start()
time.sleep(2)
c2.start()
time.sleep(2)
p.start()
# consumer()线程要等待producer()设置了Condition之后才能继续。
queue 队列
适用于多线程编程的先进先出数据结构,可以用来安全的传递多线程信息。
queue 方法:
q = queue.Queue(maxsize=0) # 构造一个先进显出队列,maxsize指定队列长度,为0 时,表示队列长度无限制。
q.join() # 等到队列为kong的时候,在执行别的操作q.qsize() # 返回队列的大小 (不可靠)
q.empty() # 当队列为空的时候,返回True 否则返回False (不可靠)
q.full() # 当队列满的时候,返回True,否则返回False (不可靠)
q.put(item, block=True, timeout=None) # 将item放入Queue尾部,item必须存在,可以参数block默认为True,表示当队列满时,会等待队列给出可用位置,为False时为非阻塞,此时如果队列已满,会引发queue.Full 异常。 可选参数timeout,表示 会阻塞设置的时间,过后,如果队列无法给出放入item的位置,则引发 queue.Full 异常
q.get(block=True, timeout=None) # 移除并返回队列头部的一个值,可选参数block默认为True,表示获取值的时候,如果队列为空,则阻塞,为False时,不阻塞,若此时队列为空,则引发 queue.Empty异常。 可选参数timeout,表示会阻塞设置的时候,过后,如果队列为空,则引发Empty异常。q.put_nowait(item) # 等效于 put(item,block=False)q.get_nowait() # 等效于 get(item,block=False)
生产者消费者模型
import queueimport threading
que = queue.Queue(10)
def s(i):
que.put(i)
# print("size:", que.qsize())
def x(i):
g = que.get(i)
print("get:", g)
for i in range(1, 13):
t = threading.Thread(target=s, args=(i,))
t.start()
for i in range(1, 11):
t = threading.Thread(target=x, args=(i,))
t.start()
print("size:", que.qsize())
# 输出结果:
get: 1
get: 2
get: 3
get: 4
get: 5
get: 6
get: 7
get: 8
get: 9
get: 10
size: 2
自定义线程池:
自定义线程池(一)
# 自定义线程池(一)
import queue
import threading
import time
class TreadPool:
def __init__(self, max_num=20):
self.queue = queue.Queue(max_num)
for i in range(max_num):
self.queue.put(threading.Thread)
def get_thread(self):
return self.queue.get()
def add_thread(self):
self.queue.put(threading.Thread)
def func(pool, n):
time.sleep(1)
print(n)
pool.add_thread()
p = TreadPool(10)
for i in range(1, 100):
thread = p.get_thread()
t = thread(target=func, args=(p, i,))
t.start()
自定义线程池(二)
# 线程池(二)import queue
import threading
import contextlib
import time
StopEvent = object()
class Threadpool:
def __init__(self, max_num=10):
self.q = queue.Queue()
self.max_num = max_num
self.terminal = False
self.generate_list = [] # 以创建线程列表
self.free_list = [] # 以创建的线程空闲列表
def run(self, func, args, callback=None):
"""
线程池执行一个任务
:param func: 任务函数
:param args: 任务函数所需参数
:param callback: 任务执行失败或成功后执行的回调函数,回调函数有两个参数1、任务函数执行状态;2、任务函数返回值(默认为None,即:不执行回调函数)
:return: 如果线程池已经终止,则返回True否则None
"""
if len(self.free_list) == 0 and len(self.generate_list) < self.max_num:
self.generate_thread()
w = (func, args, callback,)
self.q.put(w)
def generate_thread(self):
"""
创建一个线程
"""
t = threading.Thread(target=self.call)
t.start()
def call(self):
"""
循环去获取任务函数并执行任务函数
"""
current_thread = threading.currentThread # 当前线程
self.generate_list.append(current_thread)
event = self.q.get()
while event != StopEvent:
func, arguments, callback = event
try:
result = func(*arguments)
status = True
except Exception as e:
status = False
result = e
if callback is not None:
try:
callback(status, result)
except Exception as e:
pass
if self.terminal:
event = StopEvent
else:
with self.worker_state(self.free_list, current_thread):
event = self.q.get()
# self.free_list.append(current_thread)
# event = self.q.get()
# self.free_list.remove(current_thread)
else:
self.generate_list.remove(current_thread)
def close(self):
"""
执行完所有的任务后,所有线程停止
"""
num = len(self.generate_list)
while num:
self.q.put(StopEvent)
num -= 1
def terminate(self):
"""
无论是否还有任务,终止线程
"""
self.terminal = True
while self.generate_list:
self.q.put(StopEvent)
self.q.empty() # 清空队列
@contextlib.contextmanager # with上下文管理
def worker_state(self, frelist, val):
"""
用于记录线程中正在等待的线程数
"""
frelist.append(val)
try:
yield
finally:
frelist.remove(val)
def work(i):
time.sleep(1)
print(i)
pool = Threadpool()
for item in range(50):
pool.run(func=work, args=(item,))
pool.close()
# pool.terminate()
进程
# 进程from multiprocessing import Process
def work(name):
print("Hello, %s" % name)
if __name__ == "__main__":
p = Process(target=work, args=("nick",))
p.start()
p.join()
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。
数据共享
不同进程间内存是不共享的,要想实现两个进程间的数据交换,可以用以下方法:
Shared memory
数据可以用Value或Array存储在一个共享内存地图里,如下:
from multiprocessing import Process, Value, Arraydef f(n, a):
n.value = 3.1415927
for i in range(len(a)):
a[i] = -a[i]
if __name__ == __main__:
num = Value(d, 0.0)
arr = Array(i, range(10))
p = Process(target=f, args=(num, arr))
p.start()
p.join()
print(num.value)
print(arr[:])
# 输出:
3.1415927
[0, -1, -2, -3, -4, -5, -6, -7, -8, -9]
创建num和arr时,d和i参数由Array模块使用的typecodes创建:d表示一个双精度的浮点数,i表示一个有符号的整数,这些共享对象将被线程安全的处理。
类型对应表
‘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
from multiprocessing import Process,Arraytemp = Array(i, [11,22,33,44])
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()
Server process
由Manager()返回的manager提供list, dict, Namespace, Lock, RLock, Semaphore, BoundedSemaphore, Condition, Event, Barrier, Queue, Value and Array类型的支持。
from multiprocessing import Process, Managerdef f(d, l):
d[1] = 1
d[2] = 2
d[0.25] = None
l.reverse()
if __name__ == __main__:
with Manager() as manager:
d = manager.dict()
l = manager.list(range(10))
p = Process(target=f, args=(d, l))
p.start()
p.join()
print(d)
print(l)
# 输出结果:
{0.25: None, 1: '1', '2': 2}
[9, 8, 7, 6, 5, 4, 3, 2, 1, 0]
Server process manager比 shared memory 更灵活,因为它可以支持任意的对象类型。另外,一个单独的manager可以通过进程在网络上不同的计算机之间共享,不过他比shared memory要慢。
# 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()
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。
方法:
- apply(func[, args[, kwds]]) :使用arg和kwds参数调用func函数,结果返回前会一直阻塞,由于这个原因,apply_async()更适合并发执行,另外,func函数仅被pool中的一个进程运行。
- apply_async(func[, args[, kwds[, callback[, error_callback]]]]) : apply()方法的一个变体,会返回一个结果对象。如果callback被指定,那么callback可以接收一个参数然后被调用,当结果准备好回调时会调用callback,调用失败时,则用error_callback替换callback。 Callbacks应被立即完成,否则处理结果的线程会被阻塞。
- close() : 阻止更多的任务提交到pool,待任务完成后,工作进程会退出。
- terminate() : 不管任务是否完成,立即停止工作进程。在对pool对象进程垃圾回收的时候,会立即调用terminate()。
- join() : wait工作线程的退出,在调用join()前,必须调用close() or terminate()。这样是因为被终止的进程需要被父进程调用wait(join等价与wait),否则进程会成为僵尸进程
进程池中有两个方法:
- apply
- apply_async
from multiprocessing import Poolimport time
def myFun(i):
time.sleep(2)
return i+100
def end_call(arg):
print("end_call",arg)
p = Pool(5)
# print(p.map(myFun,range(10)))
for i in range(10):
p.apply_async(func=myFun,args=(i,),callback=end_call)
print("end")
p.close()
p.join()
官方示例
from multiprocessing import Pool, TimeoutErrorimport time
import os
def f(x):
return x*x
if __name__ == __main__:
# 创建4个进程
with Pool(processes=4) as pool:
# 打印 "[0, 1, 4,..., 81]"
print(pool.map(f, range(10)))
# 使用任意顺序输出相同的数字,
for i in pool.imap_unordered(f, range(10)):
print(i)
# 异步执行"f(20)"
res = pool.apply_async(f, (20,)) # 只运行一个进程
print(res.get(timeout=1)) # 输出 "400"
# 异步执行 "os.getpid()"
res = pool.apply_async(os.getpid, ()) # 只运行一个进程
print(res.get(timeout=1)) # 输出进程的 PID
# 运行多个异步执行可能会使用多个进程
multiple_results = [pool.apply_async(os.getpid, ()) for i in range(4)]
print([res.get(timeout=1) for res in multiple_results])
# 是一个进程睡10秒
res = pool.apply_async(time.sleep, (10,))
try:
print(res.get(timeout=1))
except TimeoutError:
print("发现一个 multiprocessing.TimeoutError异常")
print("目前,池中还有其他的工作")
# 退出with块中已经停止的池
print("Now the pool is closed and no longer available")
协程
协程又叫微线程,从技术的角度来说,协程就是你可以暂停执行的函数。如果你把它理解成就像生成器一样,那么你就想对了。 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。
# 安装pip install gevent
# 导入模块
import gevent
greenlet
# greenletfrom greenlet import greenlet
def test1():
print(11)
gr2.switch()
print(22)
gr2.switch()
def test2():
print(33)
gr1.switch()
print(44)
gr1 = greenlet(test1)
gr2 = greenlet(test2)
gr1.switch()
# 输出结果:
11
33
22
gevent
# geventimport gevent
def foo():
print("Running in foo")
gevent.sleep(0)
print("Explicit context switch to foo angin")
def bar():
print("Explicit context to bar")
gevent.sleep(0)
print("Implicit context swich back to bar")
gevent.joinall([
gevent.spawn(foo),
gevent.spawn(bar),
])
# 输出结果:
Running in foo
Explicit context to bar
Explicit context switch to foo angin
Implicit context swich back to bar
遇到IO操作自动切换
# 遇到IO自动切换from gevent import monkey
monkey.patch_all()
import gevent
import requests
def f(url):
print("FET: %s" % url)
resp = requests.get(url)
data = len(resp.text)
print(url, data)
gevent.joinall([
gevent.spawn(f, https://www.python.org/),
gevent.spawn(f, https://www.yahoo.com/),
gevent.spawn(f, https://github.com/),
总结
本篇文章就到这里了,希望能够给你带来帮助,也希望您能够多多关注盛行IT软件开发工作室的更多内容!
郑重声明:本文由网友发布,不代表盛行IT的观点,版权归原作者所有,仅为传播更多信息之目的,如有侵权请联系,我们将第一时间修改或删除,多谢。