Python入门进阶教程-多线程与多进程
作者：一叶
介绍：放不下灵魂的搬砖者
全文共1935字，阅读全文需8分钟
Python版本3.8.0，开发工具：Pycharm
试想一下当你有1w个小文件需要处理，假设每个文件读取处理到写入需要1秒，
那么你处理完所以文件会需要两个多小时。
但是如果你可以同时开启四个任务处理1w 个文件，每个任务平均处理2500个。
这个时候你的时间可以压缩在一小时以内。
如何同时对一个文件夹开启四个任务同时处理不同的任务，而不会产生冲突？接下来我们一起了解一下多线程和多进程。
进程与线程
从一定意义上讲，进程就是一个应用程序在处理机上的一次执行过程，它是一个动态的概念，而线程是进程中的一部分，进程包含多个线程在运行。 进程是资源（CPU、内存等）分配的基本单位，它是程序执行时的一个实例。线程是程序执行时的最小单位，它是进程的一个执行流，是CPU调度和分派的基本单位，一个进程可以由很多个线程组成，线程间共享进程的所有资源。
01
—
Python多线程
Python 中提供两个标准库 thread 和 threading 用于对线程的支持，但 Python3 中已放弃对 thread 的支持，所以接下来均以 threading 为例。
Python中有两种方式实现线程：
- 实例化一个 threading.Thread 的对象，并传入一个初始化函数对象作为线程执行的入口；
- 继承 threading.Thread，并重写 run 函数；
1# 第一种实现线程的方法
2import threading
3# my_fun为自定义函数，args为自定义函数的参数
4thread1 = threading.Thread(target=my_fun, args=('This is thread 1',))
5thread2 = threading.Thread(target=my_fun, args=('This is thread 2',))
6# 启动线程
7thread1.start()
8thread2.start()
9
10
11# 第二中实现线程的方法
12class MyThread(threading.Thread):
13 # step 1: call base __init__ function
14 def __init__(self, thread_name):
15 super(CustomThread, self).__init__(name=thread_name)
16 self._tname = thread_name
17 # step 2: overide run function
18 def run(self):
19 print("This is %s running...." % self._tname)
20# 实例化MyThread
21thread1 = MyThread("thread 1")
22thread2 = MyThread("thread 2")
23# 启动线程
24thread1.start()
25thread2.start()注：
- 两种方式创建线程，指定的参数最终都会传给threading.Thread类；
- 传给线程的目标函数是在基类Thread的run函数体中被调用的，如果run没有被重写的话。
threading.Thread提供的线程对象方法和属性：
1. start()：创建线程后通过start启动线程，等待CPU调度，为run函数执行做准备；
2. run()：线程开始执行的入口函数，函数体中会调用用户编写的target函数，或者执行被重载的run函数；
3. join([timeout])：阻塞挂起调用该函数的线程，直到被调用线程执行完成或超时。通常会在主线程中调用该方法，等待其他线程执行完成。
4. name、getName()&setName()：线程名称相关的操作；
5. ident：整数类型的线程标识符，线程开始执行前（调用start之前）为None；
6. isAlive()、is_alive()：start函数执行之后到run函数执行完之前都为True；
7. daemon、isDaemon()&setDaemon()：守护线程相关。02
—
Python多进程
Python 提供 multiprocessing 用于创建多进程
创建进程的方式和创建线程的方式类似：
- 实例化一个 multiprocessing.Process 的对象，并传入一个初始化函数对象作为新建进程执行入口；
- 继承 multiprocessing.Process，并重写 run 函数；
1# 第一种实现进程的方法
2from multiprocessing import Process
3
4# my_fun为自定义函数，args为自定义函数的参数
5process1 = Process(target=my_fun, args=('This is process 1',))
6process2 = Process(target=my_fun, args=('This is process 2',))
7# 启动线程
8process1.start()
9process2.start()
10# join()方法可以等待子进程结束后再继续往下运行，通常用于进程间的同步。
11process1.join()
12process2.join()
13
14
15# 第二中实现进程的方法
16from multiprocessing import Process
17
18class MyProcess(Process):
19 def __init__(self, p_name, target=None):
20 # step 1: call base __init__ function()
21 super().__init__(name=p_name, target=target, args=(p_name,))
22
23 def run(self):
24 # step 2:
25 print("Process name: %s, pid: %s " % (self.name, os.getpid()))
26
27if __name__ == '__main__':
28 # 实例化MyProcess
29 process1 = MyProcess("process 1")
30 process2 = MyProcess("process 2")
31 # 启动进程
32 process1.start()
33 process2.start()
34 process1.join()
35 process2.join()03
—
进程 VS. 线程
是否采用多任务需要考虑任务的类型，我们可以把任务分为CPU密集型和IO密集型。
- CPU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。
- 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
总结：
- CPU密集型：程序需要占用CPU进行大量的运算和数据处理；
- I/O密集型：程序中需要频繁的进行I/O操作；例如网络中socket数据传输和读取等；
由于Python多线程并不是并行执行，因此较适合与I/O密集型程序，多进程并行执行适用于CPU密集型程序；
根据任务的需求选择相应的多任务方式，在多文件数据操作、爬虫等任务时相当实用！
下节将介绍Python JSON操作
Python系列
Python系列会持续更新，从基础入门到进阶技巧，从编程语法到项目实战。若您在阅读的过程中发现文章存在错误，烦请指正，非常感谢；若您在阅读的过程中能有所收获，欢迎一起分享交流。
如果你也想和我一起学习Python，关注我吧！
学习Python，我们不只是说说而已
End