听到一些关于python多进程与多线的例子，感觉比较经典，把一些例子分享一下.
内容如下：
Process、Thread、GIL、Process fork、Multiprocessing、Queue、ProcessPool、Multiprocess-Multithread comparison
(1) Process : 程序的一次执行(程序编写完毕后代码装载入内存,系统分配资源运行)。每个进程有自己的内存空间、数据栈等,只能使用进 程间通讯,而不能直接共享信息
(2) Thread线程:所有线程运行在同一个进程中,共享相同的运行环境。 每个独立的线程有一个程序运行的入口、顺序执行序列和程序的出口； 线程的运行可以被抢占(中断),或暂时被挂起 (睡眠),让其他线程运行(让步)；一个进程中的各个线程间共享同一片数据空间
(3) 全局解释器锁GIL
GIL全称全局解释器锁Global Interpreter Lock,GIL并不是Python的特性,它是在实现Python解析器(CPython)时 所引入的一个概念。
GIL是一把全局排他锁,同一时刻只有一个线程在运行。 毫无疑问全局锁的存在会对多线程的效率有不小影响。甚至就几乎等于Python是个单线程的程序。
multiprocessing库的出现很大程度上是为了弥补thread库因为 GIL而低效的缺陷。它完整的复制了一套thread所提供的接口方便迁移。唯一的不同就是它使用了多进程而不是多线程。每个进程有自己的独立的GIL,因此也不会出现进程之间的GIL争抢。
多线程处理的例子：
from threading import Thread
import time
def my_counter():
i = 0
for _ in range(100000000):
i =i+1
return True
def main():
thread_array = {}
start_time = time.time()
for tid in range(2):
t = Thread(target=my_counter())
t.start()
t.join()
#以单线程、阻塞的方式顺序运行两次my_counter函数
end_time = time.time()
print("Total time:{}").format(end_time - start_time)
if __name__=="__main__":
main()执行结果如下：
Total time:12.7875118256
from threading import Thread
import time
def my_counter():
i = 0
for _ in range(100000000):
i = i+1
return True
def main():
thread_array = {}
start_time = time.time()
for tid in range(2):
t = Thread(target=my_counter())
t.start()
thread_array[tid] = t
for i in range(2):
thread_array[i].join()
#以多进程、并发的方式运行两次my_counter函数
end_time = time.time()
print("Total time:{}").format(end_time - start_time)
if __name__=="__main__":
main()执行结果如下：
Total time:15.8216409683
上述两个例子的结果发现：单线程运行两次函数的时间 要比 两个线程同时运行函数的时间短（仅限于本例）。
(4) fork操作:
调用一次,返回两次。因为操作系统自动把当前进程(称为父 进程)复制了一份(称为子进程),然后分别在父进程和子进 程内返回。子进程永远返回0,而父进程返回子进程的ID。子 进程只需要调用getppid()就可以拿到父进程的ID。
例：
import os print 'Process (%s) start ...' % os.getpid() pid=os.fork() if pid==0: print 'I am child process (%s) and my parent is (%s)' % (os.getpid(),os.getppid()) else: print 'I (%s) just created a child process (%s).' % (os.getpid(),pid)
执行结果如下：
Process (16480) start ...
I (16480) just created a child process (16481).
I am child process (16481) and my parent is (16480)
(5) multiprocessing是跨平台版本的多进程模块,它提供了一个Process类来代表一个进程对象,下面是示例代码:
from multiprocessing import Process import time def f(n): time.sleep(1) print n*n if __name__=="__main__": for i in range(10): p=Process(target=f,args=[i,]) p.start() #使用多进程并发的方式执行函数f
这个程序如果用单进程写则需要执行10秒以上的时间, 而用多进程则启动10个进程并行执行,只需要用1秒多的时间。多进程时，每个进程各自有各自的GIL。而同一进程中的多线程受到GIL的影响，效率返而会下降。
(6) Queue是多进程安全的队列,可以使用Queue实现多进程之间的数据传递
from multiprocessing import Process,Queue
import time
def write(q):
for i in ['A','B','C','D','E']:
print ('Put %s to queue' % i)
q.put(i)
time.sleep(0.5)
def read(q):
while True:
v = q.get(True)
print('get %s from queue' %v)
if __name__ == '__main__':
q = Queue()
pw = Process(target=write,args=(q,))
pr = Process(target=read,args=(q,))
pw.start()
pr.start()
pr.join()
pr.terminate()输出结果：
Put A to queue
get A from queue
Put B to queue
get B from queue
Put C to queue
get C from queue
Put D to queue
get D from queue
Put E to queue
get E from queue
(7) 进程池pool , 用于批量创建子进程,可以灵活控制子进程的数量
from multiprocessing import Pool
import time
def f(x):
print x*x
time.sleep(2)
return x*x
if __name__ == '__main__':
pool = Pool(processes=5)
res_list = []
for i in range(10):
res = pool.apply_async(f,[i,])
''' 以异步并行的方式启动进程处理函数f，如果要同步等待的方式，可以在每次进程启动之后调用res.get()方法，也可以使用Pool.apply'''
print('-------:',i)
res_list.append(res)
pool.close()
pool.join()
for r in res_list:
print 'result',(r.get(timeout=5))输出结果如下：
('-------:', 0)
('-------:', 1)
('-------:', 2)
('-------:', 3)
('-------:', 4)
('0-------:', 5)
('-------:', 6)
('-------:', 7)
1
('-------:', 8)
('-------:', 9)
4
16
9
25
36
49
64
81
result 0
result 1
result 4
result 9
result 16
result 25
result 36
result 49
result 64
result 81
如果使用同步方式，处理函数时 必须等待 前一个处理的结束，所以如果将该程序换为同步方式，输出结果则是顺序的。
(8) 多进程与多线程的对比：
from multiprocessing import Process
import threading
import time
lock = threading.Lock()
def run(info_list,n):
lock.acquire()
info_list.append(n)
lock.release()
print('%s' % info_list)
if __name__ == '__main__':
info = []
for i in range(10):
p = Process(target=run,args=[info,i])
p.start()
p.join()
time.sleep(1)
print('-----------------threading--------------')
for i in range(10):
p = threading.Thread(target=run,args=[info,i])
p.start()
p.join()输出结果为：
[0]
[1]
[2]
[3]
[4]
[5]
[6]
[7]
[8]
[9]
-----------------threading--------------
[0]
[0, 1]
[0, 1, 2]
[0, 1, 2, 3]
[0, 1, 2, 3, 4]
[0, 1, 2, 3, 4, 5]
[0, 1, 2, 3, 4, 5, 6]
[0, 1, 2, 3, 4, 5, 6, 7]
[0, 1, 2, 3, 4, 5, 6, 7, 8]
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
多进程间数据不能直接共享，每次处理函数run的结果都不能继承。而多线程间数据可以共享，但受到GIL的影响，run函数中在将数据追加到列表时，使用lock锁，追回完毕再释放lock，这样避免冲突。
