Python之多进程多线程

进程是多个资源的集合

线程就是进程里面具体干活的

线程和线程之间是相互独立的

多线程：适用于IO密集型任务

多进程：适用于CPU密集型任务

一、多线程

线程需要使用threading模块

启动线程的方法：

threading.Thread(target=XXX,args=('xxx','xxx')) #target接的是函数名，args接的是传递的参数，如果只有一个参数要这么写args=('xxx',)

通过threading.Thread实例出来的线程都是子线程，只有最先开始的一个线程是主线程

写一个简单的多线程

import threading

def down_load():
    time.sleep(1)
    print('运行完了')

for i in range(5): #循环5次，即启动5个线程
    t=threading.Thread(target=down_load) #实例化一个线程
    t.start() #启动线程

print(threading.active_count()) #查看当前线个程数
print(threading.current_thread())#查看当前线程

如果说我现在想看一下启动的线程全部执行完要多久，这就涉及到线程等待，线程等待是用join，使用jion会比较麻烦，可以用一个while循环的方式来处理。

import threading
import time

def down_load():
    time.sleep(1)
    print('运行完了')

start_time=time.time()
for i in range(5): #循环5次，即启动5个线程
    t=threading.Thread(target=down_load) #实例化一个线程
    t.start() #启动线程
while threading.active_count()!=1: #判断线程个数不等于1就一直循环，直到等于1，结束循环
    pass
print(threading.active_count()) #查看当前线程个数
print(threading.current_thread())#查看当前线程

end_time=time.time()
print('时间：',end_time-start_time)

例子：

分别用单线程和多线程两种方式来看一下下载图片的执行时间：

mport requests,time,threading
from hashlib import md5
def down_load_pic(url):
    req = requests.get(url)
    m = md5(url.encode())
    with open( m.hexdigest()+'.png','wb') as fw:
        fw.write(req.content)

url_list = ['http://www.nnzhp.cn/wp-content/uploads/2019/10/f410afea8b23fa401505a1449a41a133.png',
            'http://www.nnzhp.cn/wp-content/uploads/2019/11/481b5135e75c764b32b224c5650a8df5.png',
            'http://www.nnzhp.cn/wp-content/uploads/2019/11/b23755cdea210cfec903333c5cce6895.png',
            'http://www.nnzhp.cn/wp-content/uploads/2019/11/542824dde1dbd29ec61ad5ea867ef245.png']

# 串行运行方式下载（单线程）
# start_time=time.time()
# for url in url_list:
#     down_load_pic(url)
# end_time=time.time()
#
# print(end_time-start_time)


#并行的方式（多线程）
start_time=time.time()
for url in url_list:
    t=threading.Thread(target=down_load_pic,args=(url,))  #只有一个参数要这么写(url,)
    t.start()
    
while threading.activeCount()!=1:
    pass

end_time=time.time()
print(end_time-start_time)

• 线程池

线程池需要使用threadpool模块，需手动安装一下：pip install threadpool

线程池可以自动计算分配数据，不需要我们手动start，还是以下载图片为例：

import threadpool
import requests,time,threading
from hashlib import md5
def down_load_pic(url):
    req = requests.get(url)
    m = md5(url.encode())
    with open( m.hexdigest()+'.png','wb') as fw:
        fw.write(req.content)

url_list = ['http://www.nnzhp.cn/wp-content/uploads/2019/10/f410afea8b23fa401505a1449a41a133.png',
            'http://www.nnzhp.cn/wp-content/uploads/2019/11/481b5135e75c764b32b224c5650a8df5.png',
            'http://www.nnzhp.cn/wp-content/uploads/2019/11/b23755cdea210cfec903333c5cce6895.png',
            'http://www.nnzhp.cn/wp-content/uploads/2019/11/542824dde1dbd29ec61ad5ea867ef245.png']

pool=threadpool.ThreadPool(20) #实例化一个线程池
reqs=threadpool.makeRequests(down_load_pic,url_list)#分配数据，第一个是函数名，第二个是数据
# [pool.putRequest(req) for req in reqs] #列表生成式，同下面2行代码
for req in reqs:
    pool.putRequest(req)
    
pool.wait() #等待，都执行完才打印end，如果不等待会先打印end
print('end')

• 守护线程

守护线程依赖于主线程，主线程结束，守护线程会立刻结束。

import threading,time

def down_load():
    time.sleep(1)
    print('运行完了')

for i in range(5):
    t=threading.Thread(target=down_load)
    t.setDaemon(True) #设置子线程为守护线程
    t.start()

print('over')

• 线程锁

多个线程操作同一个数据的时候，就要加锁，

import threading

num=0
lock =threading.Lock()#申请一把锁

def add():
    global num
    # lock.acquire()#加锁
    # num+=1
    # lock.release()#解锁，如果不加锁后不解锁就会出现死锁

    with lock:#简写，用with也会帮你自动加锁，解锁
        num+=1

for i in range(10):
    t=threading.Thread(target=add)
    t.start()
while threading.activeCount()!=1:
    pass
print('over:',num)

二、多进程

进程使用multiprocessing模块

import multiprocessing,time

def down_load():
    time.sleep(1)
    print('运行完了')

if __name__ == '__main__': #windows下多进程需要在main下写，否则会报错，mac不需要

    for i in range(5):
        p=multiprocessing.Process(target=down_load) #实例化一个进程
        p.start()

    while len(multiprocessing.active_children())!=0:
        pass
    print(multiprocessing.current_process()) #查看当前进程
    # print(multiprocessing.cpu_count()) #查看cpu个数
    print('end')