本系列主要学习Python的基本使用和语法知识,后续可能会围绕着AI学习展开。
Python3 (1) Python语言的简介
Python3 (2) Python语法基础
Python3 (3) Python函数
Python3 (4) Python高级特性
Python3 (5) Python 函数式编程
Python3 (6) Python 模块
Python3 (7) Python 面向对象编程
Python3 (8) Python 面向对象高级编程
Python3 (9) Python 错误、调试和测试
Python3 (10) Python IO编程
Python3 (11) Python 进程和线程
进程和线程是多并发开发中非常重要的两个概念,也是衡量一个开发人员技术水平的一个很重要依据,可想而知,应用好进程和线程的难度有多大,不是一天或者一篇文章可以学到的,而是一个开发人员慢慢成长,在项目中积累,根据各种应用场景,选择最佳的技术方案。所以我们今天只聊一些进程、线程的概念,和Python中封装的一些使用方法。千里之行,始于足下,我们开始吧。
进程和线程
进程和线程是多任务操作系统中的概念 ,如Mac OS X,UNIX,Linux,Windows等操作系统,对于操作系统来说,一个任务就是一个进程(Process),如在一台Android设备(android 采用Linux做内核)上打开一个网易云客户端听歌、打开一个微信客户端聊天、打开一个今日头条看新闻等每一个应用就是一个进程,操作系统会轮流的将多任务调度到核心的CPU上执行。现在的硬件CPU基本上都是多核,处理能力成倍的提升。 线程就更好理解了,因为线程是最小的执行单元,所以每个进程至少拥有一个线程,比如android的某个应用打开时就创建了一个主线程,如果要进行IO操作、网络请求等耗时操作就需要开启多个工作线程,这就是在一个进程中同时创建多个子任务(Thread) 的典型例子。Python既支持多进程,又支持多线程,我们会讨论如何编写这两种多任务程序。
多进程
Python是跨平台的,提供了一个跨平台的多进程支持。
multiprocessing
模块就是跨平台版本的多进程模块。但是针对Unix/Linux操作系统提供了一个fork()
,所以这两种操作系统或延伸的系统如mac
(基于BSD(Unix的一种)内核)等在Python的os
模块封装的各个系统的方法调用包括fork()
方法,所以在Python中部分系统也可以通过fork()
来创建进程。
from multiprocessing import Pool
import os
print('Process (%s) start...' % os.getpid())
# Only works on Unix/Linux/Mac:
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))
# works on All:
# 子进程要执行的代码
def run_proc(name):
print('Run child process %s (%s)...' % (name, os.getpid()))
if __name__=='__main__':
print('Parent process %s.' % os.getpid())
p = Process(target=run_proc, args=('test',))
print('Child process will start.')
#开始进程
p.start()
#等待子进程结束后再继续往下运行
p.join()
print('Child process end.')
运行结果就不写了,应为我是window系统,第一中通过fork()复制子进程的方法不能运行,fork()与Process()两种方法都可以创建子进程,这样我们就可以通过多个进程来执行多个任务。当然进程模块还有很多方法join()
可以实现进程间的同步、还有守护进程等概念。
进程池(Pool)
Python 中提供了进程池来批量创建、管理进程
#!/usr/bin/env python3
# -*- coding: utf-8 -*-
from multiprocessing import Pool
import os, time, random
def long_time_task(name):
print('Run task %s (%s)...' % (name, os.getpid()))
start = time.time()
time.sleep(random.random() * 3)
end = time.time()
print('Task %s runs %0.2f seconds.' % (name, (end - start)))
if __name__=='__main__':
print('Parent process %s.' % os.getpid())
#核心进程数
p = Pool(4)
for i in range(5):
# 创建子进程
p.apply_async(long_time_task, args=(i,))
print('Waiting for all subprocesses done...')
#关闭进程池,关闭后不能添加新的子进程
p.close()
#进程间同步,子进程运行完成后,代码继续执行
p.join()
print('All subprocesses done.')
输出结果:
Parent process 10624.
Waiting for all subprocesses done...
Run task 0 (6784)...
Run task 1 (11812)...
Run task 2 (740)...
Run task 3 (11048)...
Task 2 runs 0.07 seconds.
Run task 4 (740)...
Task 3 runs 0.30 seconds.
Task 1 runs 0.87 seconds.
Task 4 runs 0.98 seconds.
Task 0 runs 2.50 seconds.
All subprocesses done.
这就是进程池的使用通过apply_async
添加子线程,还提供控制线程池的各种方法。
子进程
上面我们介绍了父进程可以
fork()
出多个子进程,multiprocessing
模块中通过Process()
生成子进程,还有Pool
中apply_async()
批量创建子进程,这几种模式都是子进程对自身的操作,但是很多时候子进程需要执行其他程序或命令,还需要控制子进程的输入输出。这样的子进程我们可以通过subprocess
来创建并进程输入输出操作。
#!/usr/bin/env python3
# -*- coding: utf-8 -*-
import subprocess
import os
print('Run current process (%s)...' % ( os.getpid()))
print('nslookup www.python.ory')
# 转 utf-8 编码
os.system('chcp 65001')
r = subprocess.call(['nslookup','www.python.org'])
print('Exit code',r)
print('----------------------------------------------')
print('$ nslookup')
print('Run current process (%s)...' % ( os.getpid()))
p = subprocess.Popen(['nslookup'], stdin=subprocess.PIPE, stdout=subprocess.PIPE, stderr=subprocess.PIPE)
output, err = p.communicate(b'set q=mx\npython.org\nexit\n')
print(output.decode('utf-8'))
print('subprocess.Popen is',p.pid)
print('Exit code:', p.returncode)
输出结果:
Run current process (8172)...
nslookup www.python.ory
Active code page: 65001
Non-authoritative answer:
Server: public1.114dns.com
Address: 114.114.114.114
Name: python.map.fastly.net
Addresses: 2a04:4e42:36::223
151.101.228.223
Aliases: www.python.org
Exit code 0
----------------------------------------------
$ nslookup
Run current process (8172)...
Default Server: public1.114dns.com
Address: 114.114.114.114
> > Server: public1.114dns.com
Address: 114.114.114.114
python.org MX preference = 50, mail exchanger = mail.python.org
python.org nameserver = ns3.p11.dynect.net
python.org nameserver = ns2.p11.dynect.net
python.org nameserver = ns4.p11.dynect.net
python.org nameserver = ns1.p11.dynect.net
mail.python.org internet address = 188.166.95.178
mail.python.org AAAA IPv6 address = 2a03:b0c0:2:d0::71:1
ns1.p11.dynect.net internet address = 208.78.70.11
ns2.p11.dynect.net internet address = 204.13.250.11
ns3.p11.dynect.net internet address = 208.78.71.11
ns4.p11.dynect.net internet address = 204.13.251.11
>
subprocess.Popen is 15896
Exit code: 0
-
subprocess.call()
创建子进程执行程序,然后等待子进程完成。call()
返回子进程的 退出状态 即child.returncode
属性; -
subprocess.Popen
创建并返回一个子进程,并在这个进程中执行指定的程序。并且Popen 对象提供了很多与子进程交互的方法,如:p.communicate(input=None)
和子进程 p 交流,将参数 input (字符串)中的数据发送到子进程的 stdin,同时从子进程的 stdout 和 stderr 读取数据,直到EOF。返回值为二元组 (stdoutdata, stderrdata) 分别表示从标准出和标准错误中读出的数据。注意,该方法一旦调用立即阻塞父进程,直到子进程结束! - 关于
subprocess.Popen
更多的使用方法,可以自己去了解。
进程间通信
Python的multiprocessing模块包装了底层的机制,提供了Queue、Pipes等多种方式来交换数据。
做一个Queue
通信的示例:
#!/usr/bin/env python3
# -*- coding: utf-8 -*-
from multiprocessing import Process, Queue
import os, time, random
# 写数据进程执行的代码:
def write(q):
print('Process to write: %s' % os.getpid())
for value in ['A', 'B', 'C']:
print('Put %s to queue...' % value)
q.put(value)
time.sleep(random.random())
# 读数据进程执行的代码:
def read(q):
print('Process to read: %s' % os.getpid())
while True:
value = q.get(True)
print('Get %s from queue.' % value)
if __name__=='__main__':
# 父进程创建Queue,并传给各个子进程:
q = Queue()
pw = Process(target=write, args=(q,))
pr = Process(target=read, args=(q,))
# 启动子进程pw,写入:
pw.start()
# 启动子进程pr,读取:
pr.start()
# 等待pw结束:
pw.join()
# pr进程里是死循环,无法等待其结束,只能强行终止:
pr.terminate()
输出结果:
Process to read: 13760
Process to write: 9296
Put A to queue...
Get A from queue.
Put B to queue...
Get B from queue.
Put C to queue...
Get C from queue.
上面完成了一个读/写 操作,将数据存储在父进程创建的Queue
队列中,两个子进程进行写入/读取操作。
进程间的通信方法很多,这这里不深入学习。
多线程
线程是操作系统直接支持的执行单元,因此,高级语言通常都内置多线程的支持,Python也不例外,并且,Python的线程是真正的Posix Thread,而不是模拟出来的线程。Python的标准库提供了两个模块:_thread和threading,_thread是低级模块,threading是高级模块,对_thread进行了封装。绝大多数情况下,我们只需要使用threading这个高级模块。
#!/usr/bin/env python3
# -*- coding: utf-8 -*-
import time, threading
# 新线程执行的代码:
def loop():
print('thread %s is running...' % threading.current_thread().name)
n = 0
while n < 5:
n = n + 1
print('thread %s >>> %s' % (threading.current_thread().name, n))
time.sleep(1)
print('thread %s ended.' % threading.current_thread().name)
print('thread %s is running...' % threading.current_thread().name)
t = threading.Thread(target=loop, name='LoopThread')
t.start()
t.join()
print('thread %s ended.' % threading.current_thread().name)
输出结果:
thread MainThread is running...
thread LoopThread is running...
thread LoopThread >>> 1
thread LoopThread >>> 2
thread LoopThread >>> 3
thread LoopThread >>> 4
thread LoopThread >>> 5
thread LoopThread ended.
thread MainThread ended.
通过threading.Thread()
就可以创建一个新的线程,执行对应的方法。
Lock
在多进程中,同一个变量,各自有一份拷贝存在于每个进程中,互不影响。而在多线程中,所有变量都由所有线程共享,所以,任何一个变量都可以被任何一个线程修改,这就可能导致执行的结果与预期不符,所以在处理多线程的问题中,出现了一个线程锁。
#!/usr/bin/env python3
# -*- coding: utf-8 -*-
import time, threading
# 假定这是你的银行存款:
balance = 0
def change_it(n):
# 先存后取,结果应该为0:
global balance
balance = balance + n
balance = balance - n
def run_thread(n):
for i in range(100000):
change_it(n)
t1 = threading.Thread(target=run_thread, args=(5,))
t2 = threading.Thread(target=run_thread, args=(8,))
t1.start()
t2.start()
t1.join()
t2.join()
print(balance)
以上是两个线程,同时操作同一个函数,逻辑上输出的结果应该是0,但是多次运行会有不同的结果。因为高级语言的一条语句在CPU执行时是若干条语句,所以多个线程同时使用某个变量时,会发生错位的现象。Python中通过threading.Lock()
来实现。
#!/usr/bin/env python3
# -*- coding: utf-8 -*-
import time, threading
# 假定这是你的银行存款:
balance = 0
lock = threading.Lock()
def change_it(n):
# 先存后取,结果应该为0:
global balance
balance = balance + n
balance = balance - n
def run_thread(n):
for i in range(100000):
# 先要获取锁:
lock.acquire()
try:
# 放心地改吧:
change_it(n)
finally:
# 改完了一定要释放锁:
lock.release()
t1 = threading.Thread(target=run_thread, args=(5,))
t2 = threading.Thread(target=run_thread, args=(8,))
t1.start()
t2.start()
t1.join()
t2.join()
print(balance)
输出结果:
0
这次无论执行多少次,结果都是0。多个线程同时执行lock.acquire()时,只有一个线程能成功地获取锁,然后继续执行代码,其他线程就继续等待直到获得锁为止。在执行完成一次后一定要释放锁lock.release()
,我们用```try...finally...`确保锁被释放,不然会造成死锁
- 好处:确保了某段关键代码只能由一个线程从头到尾完整地执行。
- 坏处:1. 先是阻止了多线程并发执行,包含锁的某段代码实际上只能以单线程模式执行,效率就大大地下降了。 2. 由于可以存在多个锁,不同的线程持有不同的锁,并试图获取对方持有的锁时,可能会造成死锁,导致多个线程全部挂起,既不能执行,也无法结束,只能靠操作系统强制终止。
多核CPU
Python解释器由于设计时有GIL全局锁,导致了多线程无法利用多核。Python的线程虽然是真正的线程,但解释器执行代码时,有一个GIL锁:Global Interpreter Lock,任何Python线程执行前,必须先获得GIL锁,然后,每执行100条字节码,解释器就自动释放GIL锁,让别的线程有机会执行。这个GIL全局锁实际上把所有线程的执行代码都给上了锁,所以,多线程在Python中只能交替执行,即使100个线程跑在100核CPU上,也只能用到1个核。Python虽然不能利用多线程实现多核任务,但可以通过多进程实现多核任务。多个Python进程有各自独立的GIL锁,互不影响。
ThreadLocal
ThreadLoacal 可以是一个全局变量,但是每个线程都只能读写自己线程的独立副本,ThreadLocal解决了参数在一个线程中各个函数之间互相传递的问题,而不用考虑管理锁的问题。
#!/usr/bin/env python3
# -*- coding: utf-8 -*-
import threading
# 创建全局ThreadLocal对象:
local_school = threading.local()
def process_student():
# 获取当前线程关联的student:
std = local_school.student
print('Hello, %s (in %s)' % (std, threading.current_thread().name))
def process_thread(name):
# 绑定ThreadLocal的student:
local_school.student = name
process_student()
t1 = threading.Thread(target= process_thread, args=('张三',), name='Thread-1')
t2 = threading.Thread(target= process_thread, args=('李四',), name='Thread-2')
t1.start()
t2.start()
t1.join()
t2.join()
输出结果:
Hello, 张三 (in Thread-1)
Hello, 李四 (in Thread-2)
上面实现了student
变成一个 local_school
对象的属性,每个Thread
都可以读取student
属性,每个线程读取的都是该线程的局部变量,不会造成错乱,也无需管理锁的问题。ThreadLocal最常用的地方就是为每个线程绑定一个数据库连接,HTTP请求,用户身份信息等配置信息,这样一个线程的所有调用到的处理函数都可以非常方便地访问这些资源。
进程 VS 线程
首先要实现多任务的执行,应该采用Master-Worker模式,Master负责分配任务,Worker负责执行任务:
- 多进程实现Master-Worker,主进程就是Master,其他进程就是Worker。
- 多进程模式最大的优点就是稳定性高,因为一个子进程崩溃了,不会影响主进程和其他子进程。(当然主进程挂了所有进程就全挂了,但是Master进程只负责分配任务,挂掉的概率低)著名的Apache最早就是采用多进程模式。
- 多进程模式的缺点是创建进程的代价大,在Unix/Linux系统下,用fork调用还行,在Windows下创建进程开销巨大。另外,操作系统能同时运行的进程数也是有限的,在内存和CPU的限制下,如果有几千个进程同时运行,操作系统连调度都会成问题。
- 多线程实现Master-Worker,主线程就是Master,其他线程就是Worker。
- 多线程模式通常比多进程快一点,但是也快不到哪去,而且,多线程模式致命的缺点就是任何一个线程挂掉都可能直接造成整个进程崩溃,因为所有线程共享进程的内存。
所以为了缓解这个问题,IIS和Apache现在又有多进程+多线程的混合模式,但这种模式的复杂度更大。
进程/线程切换
无论是多进程还是多线程,只要数量一多,效率肯定上不去 ,因为在进程/线程切换过程中,要进行保护现场、准备新的环境会耗费很多资源、时间。在任务达到一定的限度,就会消耗掉系统所有的资源,结果效率急剧下降,所有任务都做不好。
计算密集型 vs IO密集型
在考虑多任务时,要考虑任务的类型:
- 计算密集型任务的特点是要进行大量的计算,消耗CPU资源,比如计算圆周率、对视频进行高清解码等等,全靠CPU的运算能力。这样的任务应该开启与CPU核心数相同的任务数量,来保证最大效率的执行计算,另外Python这样的脚本语言运行效率很低,完全不适合计算密集型任务。应该使用 C 语言等接近汇编语言来编写。
- IO密集型 ,主要涉及到网络、磁盘IO的任务都是IO密集型任务,这类任务的特点是CPU消耗很少,任务的大部分时间都在等待IO操作完成(因为IO的速度远远低于CPU和内存的速度),对于IO密集型任务,最合适的语言就是开发效率最高(代码量最少)的语言。
异步IO
现代操作系统支持异步IO,单进程单线程模型来执行多任务,这种模型称为事件驱动模型。Nginx就是支持异步IO的Web服务器。对于Python语言,单线程的异步编程模型称为协程,有了协程的支持,就可以基于事件驱动编写高效的多任务程序。
分布式进程
分布式进程只做了解,因为进程是支持分布到多台机器上,而线程是不能的。在Python的multiprocessing模块不但支持多进程,其中managers子模块还支持把多进程分布到多台机器上。一个服务进程可以作为调度者,将任务分布到其他多个进程中,依靠网络通信。Python的分布式进程接口简单,封装良好,适合需要把繁重任务分布到多台机器的环境下。
参考
https://www.liaoxuefeng.com/wiki/0014316089557264a6b348958f449949df42a6d3a2e542c000/0014319272686365ec7ceaeca33428c914edf8f70cca383000
http://www.cnblogs.com/Security-Darren/p/4733368.html