Python 多线程和多进程用法

avatar
作者
筋斗云
阅读量:5

文章目录


1. Python 多进程

1.1 常见用法

multiprocessing 是 Python 标准库中的一个模块,用于在多核或多处理器环境中并行执行任务。它提供了一种便捷的方法来创建和管理多个进程,以实现并行计算。multiprocessing 模块的功能包括创建进程、进程间通信、进程同步、进程池、共享数据结构等。

下面是一些 multiprocessing 模块的常用功能和用法介绍:

1. 创建进程

你可以使用 multiprocessing.Process 类创建新的进程。目标函数可以接受参数并在进程中执行。

import multiprocessing  def worker_function(name):     print(f"Hello from process {name}")  if __name__ == '__main__':     # 创建进程     process1 = multiprocessing.Process(target=worker_function, args=("Process 1",))     process2 = multiprocessing.Process(target=worker_function, args=("Process 2",))      # 启动进程     process1.start()     process2.start()      # 等待进程完成     process1.join()     process2.join() 

2. 进程池

multiprocessing.Pool 类提供了一种方式,可以在进程池中并行执行任务。

import multiprocessing  def square(x):     return x * x  if __name__ == '__main__':     # 创建进程池     with multiprocessing.Pool(processes=4) as pool:         # 并行执行任务         results = pool.map(square, range(10))         print(results) 

3. 进程间通信

multiprocessing 提供了管道 (Pipe) 和队列 (Queue) 来实现进程间的通信。

示例代码:

import multiprocessing  def producer(pipe):     # 通过管道发送数据     pipe.send("Hello from producer")  def consumer(pipe):     # 从管道接收数据     message = pipe.recv()     print(message)  if __name__ == '__main__':     # 创建管道     parent_pipe, child_pipe = multiprocessing.Pipe()          # 创建进程     p1 = multiprocessing.Process(target=producer, args=(child_pipe,))     p2 = multiprocessing.Process(target=consumer, args=(parent_pipe,))          # 启动进程     p1.start()     p2.start()          # 等待进程完成     p1.join()     p2.join() 

4. 进程同步

multiprocessing 提供了锁 (Lock)、条件变量 (Condition) 和信号量 (Semaphore) 等同步原语,以便在进程间进行同步。

示例代码:

import multiprocessing  def worker(lock, num):     with lock:         # 锁定后执行的操作         print(f"Locked by process {num}")  if __name__ == '__main__':     # 创建锁     lock = multiprocessing.Lock()      # 创建进程     processes = []     for i in range(3):         process = multiprocessing.Process(target=worker, args=(lock, i))         processes.append(process)      # 启动进程     for process in processes:         process.start()      # 等待所有进程完成     for process in processes:         process.join() 

1.2 结合进度条显示

(1)列表作为参数

def square(x):     return x * x  import multiprocessing from tqdm import tqdm  iters = [1, 2, 3, 4] pool = multiprocessing.Pool(processes = 5) ret_list = [ret for ret in tqdm(pool.imap(func=square, iterable=iters), total=len(iters))] pool.close() pool.join() 

(2)字典,需要转换成列表

def square(args): 	x, y = args     return x * y  import multiprocessing from tqdm import tqdm  dict_map = {"1": 1, "2": 2, "3": 3} iters = [(k, v) for k, v in dict_map.items()] pool = multiprocessing.Pool(processes = 5) ret_list = [ret for ret in tqdm(pool.imap(func=square, iterable=iters), total=len(iters))] pool.close() pool.join() 

2. Python 多线程

在 Python 中,多线程是一种并行执行多个任务的方法。threading 模块提供了多线程编程的支持。通过使用多线程,你可以并行执行多个任务,从而提高程序的效率,尤其是在 I/O 密集型任务中(例如网络请求、文件读写等)。多线程适合于 I/O 密集型任务,因为 Python 的全局解释器锁(GIL)会限制 CPU 密集型任务的并行执行。

2.1 常见用法

在 Python 中,threading 模块提供了多线程编程的基础。你可以通过创建 threading.Thread 对象来创建新的线程,并将目标函数和参数传递给线程。在创建和启动线程后,可以通过 join() 方法等待线程完成执行。

下面是一个示例,展示了多线程的基本用法:

import threading import time  # 定义目标函数 def worker_function(name, sleep_time):     print(f"Thread {name} starting")     time.sleep(sleep_time)     print(f"Thread {name} finishing")  if __name__ == '__main__':     # 创建线程     thread1 = threading.Thread(target=worker_function, args=("Thread 1", 2))     thread2 = threading.Thread(target=worker_function, args=("Thread 2", 3))      # 启动线程     thread1.start()     thread2.start()      # 等待线程完成     thread1.join()     thread2.join()      print("All threads finished.") 

在这个示例中,我们定义了一个目标函数 worker_function,该函数接收线程的名字和睡眠时间作为参数。在 __name__ == '__main__' 中,我们创建两个线程,并将目标函数和参数传递给线程。启动线程后,我们使用 join() 方法等待线程完成。

1. 使用线程池

除了直接创建线程外,你还可以使用 concurrent.futures 模块中的 ThreadPoolExecutor 来创建线程池,并执行任务。线程池可以方便地管理多个线程,并发执行多个任务。

示例代码:

from concurrent.futures import ThreadPoolExecutor import time  # 定义目标函数 def worker_function(name, sleep_time):     print(f"Thread {name} starting")     time.sleep(sleep_time)     print(f"Thread {name} finishing")     return f"{name} completed"  if __name__ == '__main__':     # 创建线程池     with ThreadPoolExecutor(max_workers=2) as executor:         # 提交任务到线程池         future1 = executor.submit(worker_function, "Thread 1", 2)         future2 = executor.submit(worker_function, "Thread 2", 3)          # 获取结果         result1 = future1.result()         result2 = future2.result()          print(result1)         print(result2) 

在这个示例中,我们使用 ThreadPoolExecutor 创建一个线程池,并设定最大工作线程数。通过 executor.submit() 方法提交任务到线程池中。然后通过调用 future.result() 来获取任务的结果。

需要注意的是,由于 Python 的全局解释器锁(GIL),多线程在 CPU 密集型任务中的性能受限。因此,多线程更适合 I/O 密集型任务。如果你的任务是 CPU 密集型任务,可以考虑使用 multiprocessing 模块来利用多核 CPU。

2.2 结合进度条显示

def square(x):     return x * x  arg_list = [1, 2, 3, 4] with ThreadPoolExecutor(max_workers=20) as executor: 	ret_list = list(tqdm(executor.map(square, arg_list), total=len(arg_list))) 

广告一刻

为您即时展示最新活动产品广告消息,让您随时掌握产品活动新动态!