关于python:八进程和线程

[TOC]

一.过程

1.相干概念

• 什么是程序？

程序：例如XXXX.py这是程序，处于动态的。

• 什么是过程

过程：一个程序运行起来后，代码+用到的资源称之为过程，它是操作系统分配资源的根本单元。

在晚期面向过程设计的计算机构造中，过程是程序的根本执行实体；
在当代面向线程设计的计算机构造中，过程是线程的容器。

• 同步/异步

所谓同步就是一个工作的实现须要依赖另外一个工作时，只有期待被依赖的工作实现后，依赖的工作能力算实现，这是一种牢靠的工作序列。
所谓异步是不须要期待被依赖的工作实现，只是告诉被依赖的工作要实现什么工作，依赖的工作也立刻执行，只有本人实现了整个工作就算实现了。至于被依赖的工作最终是否真正实现，依赖它的工作无奈确定，所以它是不牢靠的工作序列。

• 阻塞/非阻塞

阻塞和非阻塞跟同步和异步无关，次要与程序期待音讯告诉时的状态无关。也就是说阻塞与非阻塞次要是从程序（线程）期待音讯告诉时的状态角度来讲的。

• 并发/并行

1）并行，parallel 强调同一时刻同时执行
2）并发 concurrency 则指的一个时间段内去一起执行

2.过程的状态

就绪态：运行的条件都曾经慢去，正在等在cpu执行
执行态：cpu正在执行其性能
期待态：期待某些条件满足，例如一个程序sleep了，此时就处于期待态

3.Python中应用多过程

multiprocessing模块就是跨平台版本的多过程模块，提供了一个Process类来代表一个过程对象，这个对象能够了解为是一个独立的过程，能够执行另外的事件

• 示例1

from multiprocessing import Process
import time


def run_process():
    while True:
        print("子过程----2----")
        time.sleep(1)


if __name__=='__main__':
    p = Process(target=run_process) # target指定指标函数
    p.start()
    while True:
        print("主过程----1----")
        time.sleep(1)

Process语法：
Process([group [, target [, name [, args [, kwargs]]]]])

参数————————–
target：如果传递了函数的援用，能够工作这个子过程就执行这里的代码
args：给target指定的函数传递的参数，以元组的形式传递
kwargs：给target指定的函数传递命名参数
name：给过程设定一个名字，能够不设定
group：指定过程组，大多数状况下用不到
Process创立的实例对象的罕用办法：

办法————————–
start()：启动子过程实例（创立子过程）
is_alive()：判断过程子过程是否还在活着
join([timeout])：是否期待子过程执行完结，或期待多少秒
terminate()：不论工作是否实现，立刻终止子过程
Process创立的实例对象的罕用属性：

属性————————-
name：以后过程的别名，默认为Process-N，N为从1开始递增的整数
pid：以后过程的pid（过程号）

• 示例2 过程pid

from multiprocessing import Process
import time
import os


def run_process():
    while True:
        print("子过程----pid:{}----".format(os.getpid()))
        print()
        time.sleep(1)


if __name__=='__main__':
    p = Process(target=run_process)
    p.start()
    while True:
        print("主过程----pid:{}----".format(os.getpid()))
        time.sleep(1)

• 示例3 子过程指标办法传参

from multiprocessing import Process
import time
import os


def run_process(course, teacher, *args, **kwargs):
    while True:
        print("子过程----pid:{}----{}上{}课".format(os.getpid(), teacher, course))
        print()
        time.sleep(1)


if __name__=='__main__':
    p = Process(target=run_process, args=('语文',), kwargs={'teacher':'张三'})
    p.start()
    while True:
        print("主过程----pid:{}----{}上{}课".format(os.getpid(),'李四','数学'))
        time.sleep(1)

• 示例4 过程间不会共享全局变量

from multiprocessing import Process
import time
import os

num_list = [0 , 1, 3, 4, 5, 6, 7, 8, 9, 10]
i = 3

def run_process1():
    global  i
    while i:
        print("子过程----pid:{}----".format(os.getpid()))
        num_list.pop()
        print(num_list)
        i = i - 1
        time.sleep(1)


def run_process2():
    global i
    while i:
        print("子过程----pid:{}----".format(os.getpid()))
        num_list.append(i+1)
        print(num_list)
        i = i - 1
        time.sleep(1)


if __name__=='__main__':
    p = Process(target=run_process1)
    p.start()

    p = Process(target=run_process2)
    p.start()

输入

子过程----pid:10187----
[0, 1, 3, 4, 5, 6, 7, 8, 9]
子过程----pid:10188----
[0, 1, 3, 4, 5, 6, 7, 8, 9, 10, 4]
子过程----pid:10187----
[0, 1, 3, 4, 5, 6, 7, 8]
子过程----pid:10188----
[0, 1, 3, 4, 5, 6, 7, 8, 9, 10, 4, 3]
子过程----pid:10187----
[0, 1, 3, 4, 5, 6, 7]
子过程----pid:10188----
[0, 1, 3, 4, 5, 6, 7, 8, 9, 10, 4, 3, 2]

4.过程间通信

能够应用multiprocessing模块的Queue实现多过程之间的数据传递，Queue自身是一个音讯列队程序。

示例

from multiprocessing import Process, Queue
import time, random


def worker(q):
    """实现文件"""
    for i in range(10):
        file_num = random.randint(1, 100)
        print('已实现工作{}...'.format(file_num))
        q.put(file_num)
        time.sleep(1)


def boss(q):
    """查看文件"""
    while True:
        if not q.empty():
            file_num = q.get(True)
            print('已查看工作{}...'.format(file_num))
            time.sleep(1)
        else:
            break

if __name__=='__main__':
    # 创立Queue，并传给各个子过程：
    q = Queue(5)
    pw = Process(target=worker, args=(q,))
    pb = Process(target=boss, args=(q,))
    pw.start()
    # pw.join()
    pb.start()
    # pb.join()

5.过程池

当须要创立的子过程数量不多时，能够间接利用multiprocessing中的Process动静成生多个过程，但如果是上百甚至上千个指标，手动的去创立过程的工作量微小，此时就能够用multiprocessing模块提供的Pool办法。

初始化Pool时，能够指定一个最大过程数，当有新的申请提交到Pool中时，如果池还没有满，那么就会创立一个新的过程用来执行该申请；但如果池中的过程数曾经达到指定的最大值，那么该申请就会期待，直到池中有过程完结，才会用之前的过程来执行新的工作。

示例

from multiprocessing import Pool
import os, time, random

def worker(msg):
    t_start = time.time()
    print("start pro {},pid为{}".format(msg,os.getpid()))
    # random.random()随机生成0~1之间的浮点数
    time.sleep(random.random()*2)
    t_stop = time.time()
    print(msg,"执行结束，耗时{:.2f}" .format(t_stop-t_start))

# 定义一个过程池，最大过程数3
po = Pool(5)
for i in range(0,10):
    # Pool().apply_async(要调用的指标,(传递给指标的参数元祖,))
    # 每次循环将会用闲暇进去的子过程去调用指标
    po.apply_async(worker,(i,))

print("----start----")
time.sleep(10)
po.close()  # 敞开过程池，敞开后po不再接管新的申请
po.join()  # 期待po中所有子过程执行实现，必须放在close语句之后
print("-----end-----")

6.过程间过程的通信

应用Pool创立过程，就须要应用multiprocessing.Manager()中的Queue()

示例

from multiprocessing import Pool, Manager
import time, random


def worker(q):
    """实现文件"""
    for i in range(10):
        file_num = random.randint(1, 100)
        print('已实现工作{}...'.format(file_num))
        q.put(file_num)
        time.sleep(1)


def boss(q):
    """查看文件"""
    while True:
        if not q.empty():
            file_num = q.get(True)
            print('已查看工作{}...'.format(file_num))
            time.sleep(1)
        else:
            break

if __name__=='__main__':
    # 创立Queue，并传给各个子过程：
    q = Manager().Queue()
    po = Pool()
    po.apply_async(worker, (q,))
    time.sleep(1)  # 先让下面的工作向Queue存入数据，而后再让上面的工作开始从中取数据
    po.apply_async(boss, (q,))

    po.close()
    po.join()

二.线程

当初操作系统提出过程的概念，每一个过程都认为本人独占所有的计算机硬件资源。
过程就是独立的王国，过程间不能够轻易的共享数据。
线程就是省份，同一个过程内的线程能够共享过程的资源，每一个线程都领有本人独立的堆栈。

线程同样有着相似过程的状态
1）运行态：该时刻，该线程正在占用CPU
2）就绪态：可随时转换为运行态，因为其余线程正在运行而暂停，该过程不占用CPU
3）阻塞态：除非某些内部事件产生，否则线程不能运行

Python线程的操作能够应用threading模块，threading模块是对更底层thread做了一些包装的，能够更加不便的被应用。

1.threading.Thread

Thread类:
def __init__(self, group=None, target=Nonoe, name=None, args=(), kwargs=None, daemon=None)

target 线程调用的对象，就是指标函数
name 为线程起个名字（能够重名，因为线程辨别靠ID，不靠名字）
args，为指标函数传递实参，元组
kwargs， 为指标函数关键字传参，字典

threading的属性和办法
current_thread() 返回以后线程对象
main_thread() 返回主线程对象
active_count() 以后处于alive状态的线程个数
enumerate() 返回所有活着的线程的列表，不包含曾经终止的和未开始的线程
get_ident() 返回以后线程的ID，非0整数

Thread实例的属性和办法
name 只是一个名字
ident 线程ID
is_alive() 返回线程是否活着

start() 启动线程，每一个线程必须且只能执行该办法一次
run() 运行线程函数

• 示例1 线程的启动

import threading
import time


def worker():
    for _ in range(10):
        time.sleep(0.5)
        print('start')
        print(threading.get_ident()) # 返回以后线程对象线程id
        print('Thread over')


t = threading.Thread(target=worker)
t.start()

• 示例2 多线程

import threading
import time

def finish_working():
    for i in range(5):
        print("线程:{} --实现工作加{}".format(threading.currentThread(), i))
        print(threading.current_thread())
        time.sleep(1)

if __name__ == "__main__":
    for i in range(5):
        t = threading.Thread(target=finish_working, name=str(i))
        t.start() #启动线程，即让线程开始执行

• .线程执行代码的封装

通过应用threading模块能实现多任务的程序开发，为了让每个线程的封装性更完满，所以应用threading模块时，往往会定义一个新的子类class，只有继承threading.Thread就能够了，而后重写run办法。

import threading
import time

class MyThread(threading.Thread):
    def run(self):
        print('run')
        super().run()

    def start(self):
        print('start')
        super().start()

def worker1():
    for _ in range(5):

        time.sleep(0.5)
        print('线程:{}-woring'.format(threading.currentThread()))
        print('Thread over')

t = MyThread(target=worker1,name='w')
t.start()

• 线程之间共享全局变量

import time

count = 100

def work1():
    global count
    for i in range(3):
        count += 1

    print("----in work1, g_num is {}---".format(count))


def work2():
    global count
    print("----in work2, g_num is {}---".format(count))


print("---线程创立之前g_num is {}---".format(count))

t1 = Thread(target=work1)
t1.start()

#延时一会，保障t1线程中的事件做完
time.sleep(1)

t2 = Thread(target=work2)
t2.start()

输入

---线程创立之前g_num is 100---
----in work1, g_num is 103---
----in work2, g_num is 103---

2.线程同步

线程同步，线程间协同，通过某种技术，让一个线程拜访某些数据时，其余线程不能拜访这些数据，直到该线程实现对数据的操作。

• Event

Event事件，是线程间通信机制中最简略的实现，应用一个外部的标记flag，通过flag的True或False的变动来进行操作。

from threading import Event, Thread
import time


def boss(event:Event):
    """
    期待员工所有工作实现，点评
    """
    print("I'm boss, waiting for u.")
    event.wait()
    print('good job')

def worker(event:Event, count=10):
    print("I am working for u")
    cups = []
    while True:
        print('make 1')
        time.sleep(0.5)
        cups.append(1)
        if len(cups) >= count:
            event.set()
            break
        print('I finished my job. cups={}'.format(cups))

event = Event()
w = Thread(target=worker, args=(event, ))
b = Thread(target=boss, args=(event, ))
w.start()
time.sleep(1)
b.start(

总结:
应用同一个event对象的标记flag
谁wait就是等到flag变为True，或者等到超时返回False，不限度期待的个数。

• Lock

锁，但凡存在共享资源争抢的中央都能够应用锁，从而保障只有一个使用者都能够齐全应用这个资源。
示例 不加锁：

import threading
cups = []
def worker(task=100):
    while True:
        count = len(cups)
        print(count)
        if count >= task:
            break
        cups.append(1)
        print('{}'.format(threading.current_thread()))
    print('I finished {} cups'.format(count))

for x in range(10):
    threading.Thread(target=worker, args=(100, )).start()

以上工作实现的数量会大于100，应用锁能够解决
示例

import logging
import threading
logging.basicConfig(level=logging.INFO)

cups = []
# 实例一把锁
lock = threading.Lock()

def worker(lock:threading.Lock,task=100):
    while True:
        lock.acquire() # 加锁
        count = len(cups)

        logging.info(count)
        if count >= task:
            lock.release() #记得退出循环时开释锁
            break

        cups.append(1)
        lock.release() # 开释锁
        logging.info('{}'.format(threading.current_thread()))
    logging.info('I finished {} cups'.format(count))

for x in range(10):
    threading.Thread(target=worker, args=(lock, 100)).start()

一般来说加锁后还有一些代码实现，在开释锁之前还有可能抛异样，一旦出现异常，锁是无奈开释，然而以后线程可能因为这个异样被终止了，这就产生了死锁。

加锁、解锁罕用语句：
1）应用try…finally语句保障锁的开释
2）with上下文治理，锁对象反对上下文治理

示例:

from threading import Thread, Lock
import time, logging
logging.basicConfig(level=logging.INFO)

class Counter:
    def __init__(self):
        self.c = 0
        self.lock = Lock()

    def inc(self):
        try:
            self.lock.acquire()
            self.c += 1
            logging.info('add {}'.format(self.c))
        finally:
            self.lock.release()

    def dec(self):
        try:
            self.lock.acquire()
            self.c -= 1
            logging.info('sub {}'.format(self.c))
        finally:
            self.lock.release()

    @property
    def value(self):
        with self.lock:
            return self.c

def do(c:Counter, count=100):
    for  _ in range(count):
        for i in range(-50, 50):
            if i < 0:
                c.dec()
            else:
                c.inc()

c = Counter()
c1 = 10
c2 = 10
for i in range(c1):
    Thread(target=do, args=(c,c2)).start()

time.sleep(5)
logging.info(c.value)

3.Condition

Condition 用于生产者、生产模型，为了解决生产者生产速度匹配问题。

构造方法Condition(lock=None), 能够传入一个lock或者RLock对象,默认是RLock。

示例1 不应用Condition

import threading
import logging
import random
logging.basicConfig(level=logging.INFO)

class Dispatcher:

    def __init__(self, data=0):
        self.data = data
        self.event = threading.Event()

    def produce(self):
        for i in range(100):
            data =  random.randint(1,100)
            self.data = data
            logging.info("produce--{}".format(self.data))
            self.event.wait(1)  

    def custom(self):
        while True:
            logging.info("curstom---{}".format(self.data))
            self.event.wait(1)

d = Dispatcher()
p = threading.Thread(target=d.produce)
c = threading.Thread(target=d.custom)

c.start()
p.start()

示例2 应用Condition

import threading
import logging
import random
logging.basicConfig(level=logging.INFO)

class Dispatcher:
    def __init__(self, data=0):
        self.data = data
        self.event = threading.Event()
        self.cond = threading.Condition()

    def produce(self):
        for i in range(100):
            data =  random.randint(1,100)
            with self.cond:
                self.data = data
                self.cond.notify_all()
            logging.info('produce {}'.format(self.data))
            self.event.wait(1)

    def custom(self):
        while True:
            with self.cond:
                self.cond.wait()
                logging.info('custom {}'.format(self.data))
            self.event.wait(0.5)

d = Dispatcher()
p = threading.Thread(target=d.produce)
c = threading.Thread(target=d.custom)

c.start()
p.start()

示例3 多个消费者

import threading
import logging
import random
logging.basicConfig(level=logging.INFO, format='%(thread)d %(threadName)s %(message)s')

class Dispatcher:
    def __init__(self, data=0):
        self.data = data
        self.event = threading.Event()
        self.cond = threading.Condition()

    def produce(self):
        for i in range(100):
            data =  random.randint(1,100)
            with self.cond:
                self.data = data
                self.cond.notify(1)
            logging.info('pru {}'.format(self.data))
            self.event.wait(1)

    def custom(self):
        while True:
            with self.cond:
                self.cond.wait()
                logging.info("线程{}--生产{}".format(threading.get_ident(), self.data))
            self.event.wait(0.5)

d = Dispatcher()
p = threading.Thread(target=d.produce)
c = threading.Thread(target=d.custom)
c1 = threading.Thread(target=d.custom)
c.start()
c1.start()

p.start()

总结：
Condition是用于生产者消费者模型中，解决生产者消费者速度匹配的问题。
采纳告诉机制，十分有效率。

应用形式：
应用Condition必须先acquire，用玩release，因为外部应用锁，默认应用RLock，最好的形式是应用with上下文。
消费者wait，期待告诉。
生产者生产好消息，对消费者发告诉，能够应用notify或者notify_all办法。

4 .Barrier

办法:

示例

import threading
import logging
logging.basicConfig(level=logging.INFO, format='%(thread)d %(threadName)s %(message)s')

def worker(barrier:threading.Barrier):
    logging.info('n_waiting={}'.format(barrier.n_waiting))
    try:
        bid = barrier.wait()
        logging.info("after barrier {}".format(bid))
    except threading.BrokenBarrierError:
        logging.info('Broken Barrier in {}'.format(threading.current_thread().name))

barrier = threading.Barrier(3)

for i in range(5): #调整数字看后果
    threading.Thread(target=worker, args=(barrier, )).start()

所有线程冲到了Barrier前期待，直到达到parties的数目，屏障关上，所有线程进行期待，继续执行。
再有线程wait，屏障就绪等到达到参数方数目。

Barrier利用场景:
并发初始化
所有线程都必须初始化实现后，能力持续工作，例如运行前加载数据、查看，如果这些工作没实现，就开始运行，将不能失常工作。
10个线程做10种筹备工作，每个线程负责一种工作，只有这10个线程都实现后，能力持续工作，先实现的要期待后实现的线程。
例如，启动一个程序，须要先加载磁盘文件、缓存预热、初始化连接池等工作。这些工作能够齐头并进，不过只有都满足了，程序能力持续向后执行。假如数据库连贯失败，则初始化工作失败，就要about，屏障broken，所有线程收到异样退出。