python 之进程与线程

进程和线程的概念

从系统调度和资源分配的角度来看，进程是 CPU 资源分配的最小单位，线程是 CPU 调度的最小单位。从 CPU 执行时间的角度来看，进程是包含了上下文切换的程序执行时间总和，线程是共享了进程的上下文环境的更为细小的 CPU 时间段。

多进程

Python 使用 multiprocessing 包来实现多进程。使用 multiprocessing 包我们只需要定义一个函数（Python 会完成其他所有事情）即可完成从单进程到多进程的转换。

使用 Process 类创建子进程

Python 使用 multiprocessing 模块提供的 Process 类来代表一个进程对象。

建立一个进程对象使用 Process(group=None, target=None, name=None, args=(), kwargs={})，其中group总是设置为None。target表示调用对象。name为别名。args表示调用对象的位置参数元组。kwargs表示调用对象的字典。

Process 类含有以下方法：

start 启动进程

join 等待进程执行完毕

is_alive 进程是否处于活动状态

terminate 终止进程,用在进程为死循环的情况下，手动终止进程。

运行结果如下：

使用 Pool 类启动多个子进程

若果需要批量启动多个子进程，可以使用进程池的方式批量创建子进程

运行结果如下：

进程间通信

multiprocessing 支持 Queues 和 Pipes 两种类型进行进程间通信。

Pipe既管道模式，调用 pipe 将返回管道的两端的两个链接。pipe 仅仅适用于只有两个进程且一读一写的单双工模式，既信息只能从一个方向向另一个方向流动。

pipe 适用于读写小于要求高的一读一写的单双工模式。

运行结果如下：

Queue在 python 中是基于 Pipe 实现的，Queue 也是一边发送一边接收，Queue 与 Pipe 最大的区别是 Queue 允许同时又多个进程发送和接收数据。

运行结果如下：

Queue 是一个线程和进程安全的队列。

Queues are thread and process safe.

多线程

相比于进程，线程更加的轻量，可以实现并发。Python 中的多线程实时上并非真正的多线程，这要从全局解释器锁（GIL）说起，Python 使用的解释器 Cpython 的线程是操作系统的原生线程，在解释器内执行的 Python 代码，都需要获取全局解释器锁才能执行，只有在遇到 I/O 操作时会释放全局解释器锁，由于 Python 的进程做为一个整体，因此解释器进程内只有一个线程在执行，其它的线程都处于等待状态等着全局解释器锁的释放。

若要尽量使用 CPU 资源使用多进程是不错的选择，对于 I/O 密集型操作使用多线程是不错的选择，Python 不适用于计算密集型应用。

在 Python 中使用 Threading 模块（Threading 模块是 Thread 的增强版本，Threading 从 Python 1.5.2 版本开始加入）来实现多线程操作。

使用 Threading 创建线程

看以下简单示例：

运行结果如下：

由于任何进程默认都会启动一个线程，我们把该线程称为主线程，主线程又可以启动新的线程，Python 的 threading 模块的 current_thread() 函数，返回当前线程的实例。

线程锁与线程同步

由于线程共享了进程的上下文环境，所以在多线程中，所有变量都由所有线程共享，任何一个变量都可以被任何一个线程修改。因此，线程之间共享数据最大的风险在于多个线程同个更改一个变量，将内容给改乱了。

我们来看一个多线程操作变量的示例：

以上示例的设计预期最终 total 的值应该为 0，但是在实际运行中会发现 total 的实际运行结果每次均不相同。造成这种情况的原因是由于 total 在多个线程中被修改造成存储内容的混乱。

现在我们在该示例代码中加入线程锁，有两种方法可以实现 try/finally 和 with。

以下示例使用 try/finally 来实现增加线程锁。

以下示例使用 with来实现增加线程锁。

在使用 try/finally 和 with 增加锁后，以上代码的运行结果均符合预期。

线程间通信

Queue 模块用来实现消息队列功能，可以实现线程间安全的消息交换。各个线程可以通过调用消息队列实例对消息队列进行操纵。

运行结果如下：