Python的多執行緒和多行程
一、簡介
并發是今天計算機編程中的一項重要能力，尤其是在面對需要大量計算或I/O操作的任務時，Python 提供了多種并發的處理方式，本篇文章將深入探討其中的兩種：多執行緒與多行程，決議其使用場景、優點、缺點，并結合代碼例子深入解讀，
二、多執行緒
Python中的執行緒是利用threading模塊實作的，執行緒是在同一個行程中運行的不同任務，
2.1 執行緒的基本使用
在Python中創建和啟動執行緒很簡單，下面是一個簡單的例子：
import threading
import time
def print_numbers():
for i in range(10):
time.sleep(1)
print(i)
def print_letters():
for letter in 'abcdefghij':
time.sleep(1.5)
print(letter)
thread1 = threading.Thread(target=print_numbers)
thread2 = threading.Thread(target=print_letters)
thread1.start()
thread2.start()
在這個例子中，print_numbers和print_letters函式都在各自的執行緒中執行，彼此互不干擾，
2.2 執行緒同步
由于執行緒共享記憶體，因此執行緒間的資料是可以互相訪問的，但是，當多個執行緒同時修改資料時就會出現問題，為了解決這個問題，我們需要使用執行緒同步工具，如鎖（Lock）和條件（Condition）等，
import threading
class BankAccount:
def __init__(self):
self.balance = 100 # 共享資料
self.lock = threading.Lock()
def deposit(self, amount):
with self.lock: # 使用鎖進行執行緒同步
balance = self.balance
balance += amount
self.balance = balance
def withdraw(self, amount):
with self.lock: # 使用鎖進行執行緒同步
balance = self.balance
balance -= amount
self.balance = balance
account = BankAccount()
特別說明：Python的執行緒雖然受到全域解釋器鎖（GIL）的限制，但是對于IO密集型任務（如網路IO或者磁盤IO），使用多執行緒可以顯著提高程式的執行效率，
三、多行程
Python中的行程是通過multiprocessing模塊實作的，行程是作業系統中的一個執行物體，每個行程都有自己的記憶體空間，彼此互不影響，
3.1 行程的基本使用
在Python中創建和啟動行程也是非常簡單的：
from multiprocessing import Process
import os
def greet(name):
print(f'Hello {name}, I am process {os.getpid()}')
if __name__ == '__main__':
process = Process(target=greet, args=('Bob',))
process.start()
process.join()
3.2 行程間的通信
由于行程不共享記憶體，因此行程間通信（IPC）需要使用特定的機制，如管道（Pipe）、佇列（Queue）等，
from multiprocessing import Process, Queue
def worker(q):
q.put('Hello from
process')
if __name__ == '__main__':
q = Queue()
process = Process(target=worker, args=(q,))
process.start()
process.join()
print(q.get()) # Prints: Hello from process
特別說明：Python的多行程對于計算密集型任務是一個很好的選擇，因為每個行程都有自己的Python解釋器和記憶體空間，可以并行計算，
One More Thing
讓我們再深入地看一下concurrent.futures模塊，這是一個在Python中同時處理多執行緒和多行程的更高級的工具，concurrent.futures模
塊提供了一個高級的介面，將異步執行的任務放入到執行緒或者行程的池中，然后通過future物件來獲取執行結果，這個模塊使得處理執行緒和行程變得更簡單，
下面是一個例子：
from concurrent.futures import ThreadPoolExecutor, as_completed
def worker(x):
return x * x
with ThreadPoolExecutor(max_workers=4) as executor:
futures = {executor.submit(worker, x) for x in range(10)}
for future in as_completed(futures):
print(future.result())
這個代碼創建了一個執行緒池，并且向執行緒池提交了10個任務，然后，通過future物件獲取每個任務的結果，這里的as_completed函式提供了一種處理完成的future的方式，
通過這種方式，你可以輕松地切換執行緒和行程，只需要將ThreadPoolExecutor更改為ProcessPoolExecutor，
無論你是處理IO密集型任務還是計算密集型任務，Python的多執行緒和多行程都提供了很好的解決方案，理解它們的運行機制和適用場景，可以幫助你更好地設計和優化你的程式，
如有幫助，請多關注
個人微信公眾號：【Python全視角】
TeahLead_KrisChang，10+年的互聯網和人工智能從業經驗，10年+技術和業務團隊管理經驗，同濟軟體工程本科，復旦工程管理碩士，阿里云認證云服務資深架構師，上億營收AI產品業務負責人，
轉載請註明出處，本文鏈接：https://www.uj5u.com/houduan/555659.html
標籤：其他
上一篇：驅動開發：基于事件同步的反向通信
下一篇：返回列表