python 之 线程，进程，协程

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('threading' + 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没有意义。
• run         线程被cpu调度后自动执行线程对象的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条之后，CPU接着执行其它线程，所以，可能出现如下问题：

#!/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!'

 

#!/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它线程的执行，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“Falg”值为False，那么当程序执行event.wait方法时就会阻塞，如果“Falg”值为True，那么执行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 ('Hello victor!', 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('Hello victor!', li)

for i in range(10):
    p = Process(target=foo, args=(i,))
    p.start()

print ('hehe', li)

# 方法一，Array
from multiprocessing import Process, Array
temp = Array('i', [1,2,3,4])

def Foo(i):
    temp[i] = 10 + i
    for i 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  = Manage()
dic = manage.dict()

def Foo(i):
    dic[i] = 10 + 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

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。

#!/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。

协程的使用场景：当程序中存在大量不需要CPU的操作时(IO操作)，适合协程。

greenlet

#!/usr/bin/env python 
# _*_coding:utf-8_*_

from greenlet import greenlet

def test1():
    print 1
    gr2.switch()
    print 2
    gr2.switch()

def test2():
    print 3
    gr1.switch()
    print 4

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自动切换：

from gevent import monkey
from gevent import 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.join([
        gevent.spawn(f, 'https://www.python.org/'),
        gevent.spawn(f, 'https://www.yahoo.com/'),
        gevent.spawn(f, 'https://github.com/'),
])