python并发编程之多进程、多线程、异步和协程详解
最近学习python并发,于是对多进程、多线程、异步和协程做了个总结。
一、多线程
多线程就是允许一个进程内存在多个控制权,以便让多个函数同时处于激活状态,从而让多个函数的操作同时运行。即使是单CPU的计算机,也可以通过不停地在不同线程的指令间切换,从而造成多线程同时运行的效果。
多线程相当于一个并发(concunrrency)系统。并发系统一般同时执行多个任务。如果多个任务可以共享资源,特别是同时写入某个变量的时候,就需要解决同步的问题,比如多线程火车售票系统:两个指令,一个指令检查票是否卖完,另一个指令,多个窗口同时卖票,可能出现卖出不存在的票。
在并发情况下,指令执行的先后顺序由内核决定。同一个线程内部,指令按照先后顺序执行,但不同线程之间的指令很难说清除哪一个会先执行。因此要考虑多线程同步的问题。同步(synchronization)是指在一定的时间内只允许某一个线程访问某个资源。
1、thread模块
2、threading模块
threading.Thread创建一个线程。
给判断是否有余票和卖票,加上互斥锁,这样就不会造成一个线程刚判断没有余票,而另外一个线程就执行卖票操作。
#!/usr/bin/python #-*coding:utf-8-* #__author__="tyomcat" importthreading importtime importos defbooth(tid): globali globallock whileTrue: lock.acquire() ifi!=0: i=i-1 print"窗口:",tid,",剩余票数:",i time.sleep(1) else: print"Thread_id",tid,"Nomoretickets" os._exit(0) lock.release() time.sleep(1) i=100 lock=threading.Lock() forkinrange(10): new_thread=threading.Thread(target=booth,args=(k,)) new_thread.start()
二、协程(又称微线程,纤程)
协程,与线程的抢占式调度不同,它是协作式调度。协程也是单线程,但是它能让原来要使用异步+回调方式写的非人类代码,可以用看似同步的方式写出来。
1、协程在python中可以由生成器(generator)来实现。
首先要对生成器和yield有一个扎实的理解.
调用一个普通的python函数,一般是从函数的第一行代码开始执行,结束于return语句、异常或者函数执行(也可以认为是隐式地返回了None)。
一旦函数将控制权交还给调用者,就意味着全部结束。而有时可以创建能产生一个序列的函数,来“保存自己的工作”,这就是生成器(使用了yield关键字的函数)。
能够“产生一个序列”是因为函数并没有像通常意义那样返回。return隐含的意思是函数正将执行代码的控制权返回给函数被调用的地方。而"yield"的隐含意思是控制权的转移是临时和自愿的,我们的函数将来还会收回控制权。
看一下生产者/消费者的例子:
#!/usr/bin/python #-*coding:utf-8-* #__author__="tyomcat" importtime importsys #生产者 defproduce(l): i=0 while1: ifi<10: l.append(i) yieldi i=i+1 time.sleep(1) else: return #消费者 defconsume(l): p=produce(l) while1: try: p.next() whilelen(l)>0: printl.pop() exceptStopIteration: sys.exit(0) if__name__=="__main__": l=[] consume(l)
当程序执行到produce的yieldi时,返回了一个generator并暂停执行,当我们在custom中调用p.next(),程序又返回到produce的yieldi继续执行,这样l中又append了元素,然后我们printl.pop(),直到p.next()引发了StopIteration异常。
2、StacklessPython
3、greenlet模块
基于greenlet的实现则性能仅次于StacklessPython,大致比StacklessPython慢一倍,比其他方案快接近一个数量级。其实greenlet不是一种真正的并发机制,而是在同一线程内,在不同函数的执行代码块之间切换,实施“你运行一会、我运行一会”,并且在进行切换时必须指定何时切换以及切换到哪。
4、eventlet模块
三、多进程
1、子进程(subprocess包)
在python中,通过subprocess包,fork一个子进程,并运行外部程序。
调用系统的命令的时候,最先考虑的os模块。用os.system()和os.popen()来进行操作。但是这两个命令过于简单,不能完成一些复杂的操作,如给运行的命令提供输入或者读取命令的输出,判断该命令的运行状态,管理多个命令的并行等等。这时subprocess中的Popen命令就能有效的完成我们需要的操作
>>>importsubprocess >>>command_line=raw_input() ping-c10www.baidu.com >>>args=shlex.split(command_line) >>>p=subprocess.Popen(args)
利用subprocess.PIPE将多个子进程的输入和输出连接在一起,构成管道(pipe):
importsubprocess child1=subprocess.Popen(["ls","-l"],stdout=subprocess.PIPE) child2=subprocess.Popen(["wc"],stdin=child1.stdout,stdout=subprocess.PIPE) out=child2.communicate() print(out)
communicate()方法从stdout和stderr中读出数据,并输入到stdin中。
2、多进程(multiprocessing包)
(1)、multiprocessing包是Python中的多进程管理包。与threading.Thread类似,它可以利用multiprocessing.Process对象来创建一个进程。
进程池(ProcessPool)可以创建多个进程。
apply_async(func,args) 从进程池中取出一个进程执行func,args为func的参数。它将返回一个AsyncResult的对象,你可以对该对象调用get()方法以获得结果。
close() 进程池不再创建新的进程
join() wait进程池中的全部进程。必须对Pool先调用close()方法才能join。
#!/usr/bin/envpython #-*-coding:utf-8-*- #__author__=="tyomcat" #"我的电脑有4个cpu" frommultiprocessingimportPool importos,time deflong_time_task(name): print'Runtask%s(%s)...'%(name,os.getpid()) start=time.time() time.sleep(3) end=time.time() print'Task%sruns%0.2fseconds.'%(name,(end-start)) if__name__=='__main__': print'Parentprocess%s.'%os.getpid() p=Pool() foriinrange(4): p.apply_async(long_time_task,args=(i,)) print'Waitingforallsubprocessesdone...' p.close() p.join() print'Allsubprocessesdone.'
(2)、多进程共享资源
通过共享内存和Manager对象:用一个进程作为服务器,建立Manager来真正存放资源。
其它的进程可以通过参数传递或者根据地址来访问Manager,建立连接后,操作服务器上的资源。
#!/usr/bin/envpython #-*-coding:utf-8-*- #__author__=="tyomcat" frommultiprocessingimportQueue,Pool importmultiprocessing,time,random defwrite(q): forvaluein['A','B','C','D']: print"Put%stoQueue!"%value q.put(value) time.sleep(random.random()) defread(q,lock): whileTrue: lock.acquire() ifnotq.empty(): value=q.get(True) print"Get%sfromQueue"%value time.sleep(random.random()) else: break lock.release() if__name__=="__main__": manager=multiprocessing.Manager() q=manager.Queue() p=Pool() lock=manager.Lock() pw=p.apply_async(write,args=(q,)) pr=p.apply_async(read,args=(q,lock)) p.close() p.join() print print"所有数据都写入并且读完"
四、异步
无论是线程还是进程,使用的都是同步进制,当发生阻塞时,性能会大幅度降低,无法充分利用CPU潜力,浪费硬件投资,更重要造成软件模块的铁板化,紧耦合,无法切割,不利于日后扩展和变化。
不管是进程还是线程,每次阻塞、切换都需要陷入系统调用(systemcall),先让CPU跑操作系统的调度程序,然后再由调度程序决定该跑哪一个进程(线程)。多个线程之间在一些访问互斥的代码时还需要加上锁,
现下流行的异步server都是基于事件驱动的(如nginx)。
异步事件驱动模型中,把会导致阻塞的操作转化为一个异步操作,主线程负责发起这个异步操作,并处理这个异步操作的结果。由于所有阻塞的操作都转化为异步操作,理论上主线程的大部分时间都是在处理实际的计算任务,少了多线程的调度时间,所以这种模型的性能通常会比较好。
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持毛票票。