python学习之多线程多进程

python基础

进程&线程

　　进程是一组资源的集合,运行一个系统就是打开了一个进程,如果同时打开了两个记事本就是开启了两个进程,进程是一个笼统的概念,进程中由线程干活工作,由进程统一管理

　　一个进程至少有一个线程,如果没有,进程也就没有了,线程分为主线程,子线程,而主线程负责调度,支配子线程运行,在代码运行时,主线程分配子线程去干活,而主线程分配之后继续执行后面代码,这时需要我们join一个,主线程等待子线程全部运行完之后,再运行后面代码

单线程　　系统默认就起好一个进程,也就是起了一个进程,一个线程

import time
# 单线程    时间叠加了,运行速度会变慢
start = time.time()
def run():
    time.sleep(5)
    print("over")
run()
run()
end = time.time()
all_time = end - start
print(all_time)

多线程下载网页

# 单线程下载网页
import threading, requests
def downloads(url, file_name):
    res = requests.get(url)
    with open(file_name, 'wb') as wf:
        wf.write(res.content)
url = {'rainbol1': 'https://www.cnblogs.com/RainBol/',
       'rainbol2': 'https://www.cnblogs.com/RainBol/'}
for file_name, url in url.items():
    t1 = threading.Thread(target=downloads,
                          args=(url, file_name))  # target指定一个线程让它来帮助我执行,args执行target中的参数,只有一个用args=(url,)
    t1.start()  # t1.start启动一个线程
    t1.join()  # 等待子线程工作完毕,主线程再继续运行

多线程　　一个进程下面有多个线程

# 由于线程分为主线程和子线程,所以我们要考虑他们之间的同步
# 方法1    for循环实现
import threading, time
def run1():
    time.sleep(5)
    print("over")
start = time.time()
list1 = []  # 定义一个list
for i in range(20):  # 定义要开启20个线程
    t1 = threading.Thread(target=run1)
    t1.start()
    list1.append(t1)  # 添加一个子线程到列表中
for t1 in list1:  # 主线程走到这一步子线程都在执行time.sleep()方法,如果继续执行就代码就会走完,所以要等待所有子线程全部运行完毕
    t1.join()
end = time.time()
print(end - start)

# 方法2    while循环实现
import threading, time
def run1():
    time.sleep(5)
    print("over")
start = time.time()
for j in range(20):  # 定义要开启20个线程
    t1 = threading.Thread(target=run1)
    t1.start()
while threading.activeCount() != 1:  # 如果只有一个线程的时候说明只有一个主线程了,此时循环结束,执行后面代码,否则继续循环
    pass
end = time.time()
print(end - start)

# 方式3    
class Mythread(threading.Thread):
    def run(self):#方法必须叫run
        time.sleep(5)
        print("over")
for k in range(20):
    res = Mythread()
    res.start()#调用必须叫start

守护线程

　　如果你想等待子线程完成再退出，那就什么都不用写，或者显示地调用thread.setDaemon(False)，设置daemon的值为false。新的子线程会继承父线程的daemon标志。整个Python会在所有的非守护线程退出后才会结束，即进程中没有非守护线程存在的时候才结束。

import time,threading
#守护线程
def shouhu():
    time.sleep(5)
    print("555")
for l in range(10):
    res = threading.Thread(target=shouhu)
    res.setDaemon(True)#定义守护线程,当定义了这句话表示开启守护线程
    res.start()
print("守护线程结束")

锁

　　多个线程同时操作同一个数据的时候一定要加锁

import threading

# 锁,记得加锁完一定要解锁,不然出现死锁现象
num = 0
lock = threading.Lock()  # 实例化一把锁
def aaa():
    global num
    lock.acquire()  # 加锁
    num += 1
    lock.release()  # 解锁
　　#或者两者一样
　　#with lock:
　　　　#num +=1
for i in range(100):
    t = threading.Thread(target=aaa)
    t.start()
while threading.activeCount() != 1:
    pass
print(num)
在python2中一定要加锁,python3中会自动加锁解锁,但是为了规范还是加上比较好

多进程　　多个进程,每个进程下面只有一个线程工作

　　狭隘的来说进程是根据计算机的cpu颗粒数来算的,我们通常做性能测试可以模拟1000个线程,那是cpu在做上下文切换,实际上4核cpu也就是同时只能运行4个线程,我们肉眼根本看不出来误以为计算机开了1000个并发.所以说使用进程的多少取决于你使用的cpu

　　而python在语言设计上由于GIL全局解释器锁,只能用cpu的一个核心来处理https://www.cnblogs.com/stubborn412/p/4033651.html

　　为什么时候用多进程什么时候用多线程:

　　cpu密集型任务(循环处理,计数,运算等):多进程可以利用多核cpu,多启动一个进程下一个线程工作,可以大大提交cpu的处理速度,而多线程来回切换极大消耗cpu的资源

　　IO密集型任务(网络爬虫,文件处理等):多线程可以充分利用等待时间,利用其它线程执行代码,而多进程也就是单线程进行IO操作只会傻傻等待

from multiprocessing import Process
import time
def run():
    time.sleep(50)
    print("Zzzzz")
if __name__ == '__main__':
    for i in range(8):  # 启动两个进程
        p = Process(target=run)
        p.start()

多进程&多线程应用

from multiprocessing import Process,Manager　　#Manager.dict()可以多进程之间共享数据
import threading
import time
def run_threading():
    time.sleep(60)
    print("Zzzzz---%s" % threading.current_thread())  # 打印线程名称
def xiancheng():
    for j in range(10):  # 启动10个线程
        p = threading.Thread(target=run_threading)
        p.start()
if __name__ == '__main__':
    for i in range(10):  # 启动10个进程
        p = Process(target=xiancheng)
        p.start()

　　10个为子进程,1一个为主进程,一个为pycharm进程

requests

import requests
import nnlog
class MyRequest:
    log_file_name  = 'MyRequest.log'#日子文件名
    time_out = 10 #请求超时时间
    def __init__(self,url,data=None,headers=None,file=None):
        self.url = url
        self.data = data
        self.headers = headers
        self.file = file
    def post(self):
        try:
            req = requests.post(self.url,data=self.data,headers=self.headers,
                                files=self.file,timeout=self.time_out)
        except Exception as e:
            res = {"status":0,"err_msg":e.args}  #0代表请求失败
        else:
            try:
               res = {"status":1,"data":req.json()} #1代表返回的json
            except Exception as e:
                res = {"staus":2,"data":req.text} #2代表返回不是json
        log_str = 'url： %s 请求方式：post  data：%s ,返回数据：%s'%(self.url,self.data,res)
        self.write_log(log_str)
        return res

    def get(self):
        try:
            req = requests.get(self.url,params=self.data,headers=self.headers,timeout=self.time_out)
        except Exception as e:
            res = {"status":0,"err_msg":e.args}  #0代表请求失败
        else:
            try:
               res = {"status":1,"data":req.json()} #1代表返回的json

            except Exception as e:
                res = {"staus":2,"data":req.text} #2代表返回不是json
        log_str = 'url： %s get请求 data：%s ,返回数据：%s'%(self.url,self.data,res)
        self.write_log(log_str)
        return res

    @classmethod
    def write_log(cls,content):
        log = nnlog.Logger(cls.log_file_name)
        log.debug(content)

#ThreadPoolExecutor线程池的submit
import time
import requests
from concurrent.futures import ThreadPoolExecutor, wait

def time_ji(fuc):
    def wrapping(*args, **kwargs):
        start = time.time()
        fuc(*args, **kwargs)
        res = time.time() - start
        print(res)
        return

    return wrapping
hread = ThreadPoolExecutor(max_workers=2)
page = [x for x in range(1, 6)]
urls01 = ['http://rainbol.cn?page=%s' % i for i in page]
urls01.append('http://www.baidu.com')
list01 = []
@time_ji
def run(i):
    res = requests.get(i)
    print(i, str(len(res.text)) + '字节')
for i in urls01:
    result_submit = thread.submit(run,i)
    list01.append(result_submit)
wait(list01)  # 等待其他线程工作完成后再执行下面操作
print('都执行完了')
#submit:
# http://rainbol.cn?page=1 35489字节
# 0.07800006866455078
# http://rainbol.cn?page=2 35712字节
# 0.12480020523071289
# http://rainbol.cn?page=3 35534字节
# 0.07800030708312988
# http://rainbol.cn?page=4 35495字节
# 0.06240034103393555
# http://www.baidu.com 2381字节
# 0.14039993286132812
# http://rainbol.cn?page=5 25010字节
# 0.32760047912597656



#ThreadPoolExecutor线程池的submit
import time
def time_ji(fuc):
    def wrapping(*args, **kwargs):
        start = time.time()
        fuc(*args, **kwargs)
        res = time.time() - start
        print(res)
        return
    return wrapping
import requests
from concurrent.futures import ThreadPoolExecutor, wait
thread = ThreadPoolExecutor(max_workers=2)
page = [x for x in range(1, 6)]
urls01 = ['http://rainbol.cn?page=%s' % i for i in page]
urls01.append('http://www.baidu.com')
list01 = []
@time_ji
def run(i):
    res = requests.get(i)
    print(i, str(len(res.text)) + '字节')
result_map = list(thread.map(run, urls01))
print('都执行完了')
#http://rainbol.cn?page=2 35712字节
#0.09200549125671387
#http://rainbol.cn?page=1 35489字节
#0.12100696563720703
#http://rainbol.cn?page=3 35534字节
#0.08300471305847168
#http://rainbol.cn?page=4 35495字节
#0.10100579261779785
#http://www.baidu.com 2381字节
#0.06100344657897949
#http://rainbol.cn?page=5 25010字节
#0.28101587295532227
#都执行完了



#ProcessPoolExecutor进程
from concurrent.futures import ProcessPoolExecutor, wait
import time
import requests
page = [x for x in range(1, 6)]
urls01 = ['http://rainbol.cn?page=%s' % i for i in page]
urls01.append('http://www.baidu.com')
def run(i):
    start = time.time()
    res = requests.get(i)
    print(i, str(len(res.text)) + '字节')
    print(time.time()-start )
process1 = ProcessPoolExecutor(max_workers=2)
if __name__ == '__main__':  #必须加main不然会报错
    list01 = []
    for i in urls01:
        result_map = process1.submit(run, i)
        list01.append(result_map)
    wait(list01)
    print('都执行完了')

http://rainbol.cn?page=1 35489字节
0.08200478553771973
http://rainbol.cn?page=2 35712字节
0.10700583457946777
http://rainbol.cn?page=3 35534字节
0.09300518035888672
http://rainbol.cn?page=4 35495字节
0.08600473403930664
http://rainbol.cn?page=5 25010字节
0.06000328063964844
http://www.baidu.com 2381字节
0.06800413131713867
都执行完了

同步非阻塞/异步非阻塞/回调函数

# 进程池
from concurrent.futures import ProcessPoolExecutor, ThreadPoolExecutor
import os, time, random


def func(a, b):
    print(os.getpid(), 'start', a, b)
    time.sleep(random.randint(1, 4))
    print(os.getpid(), 'end')
    return a * b


def roll_back_func(ret):
    print(ret.result())


if __name__ == '__main__':
    # 开启了4个进程
    tp = ProcessPoolExecutor(4)
    funter = {}
    # for i in range(20):同步非阻塞打印
    #     ret = tp.submit(func, i, b=i + 1)
    #     funter[i] = ret
    # for key in funter:  #
    #     print('结果', key, funter[key].result())

    for i in range(20):  # 异步非阻塞打印
        ret = tp.submit(func, i, b=i + 1)
        ret.add_done_callback(
            roll_back_func)  # 异步阻塞 给ret绑定一个回调函数，等待ret的任务有了结果之后立即执行roll_back_func函数，这样的好处是当异步执行有结果之后立即拿到结果，而不用按照顺序接收结果

相关阅读:
面试题--十进制转换成2进制
 c++基础--如何将函数作为参数传递
 面试题--完全二叉树的的最后一层的最右节点
 数据库原理--故障恢复
 数据库原理--事务并发控制
 数据库原理--事务（一）
数据库原理--1nf 2nf 3nf
数据库原理--外键和主键
 数据库原理--函数依赖和范式
 人人都有极客精神
原文地址：https://www.cnblogs.com/RainBol/p/9980099.html

最新文章
委托与Lambda表达式
 反射
 ref和out
命名空间
 泛型
 Object类
 运算符重载
 枚举
 接口
 iSensor APP 之摄像头调试 OV3640 OV2640 MT9d112 ov5642