python系列7进程线程和协程

目录

　　进程

　　线程

　　协程

 　  上下文切换

前言：线程和进程的关系图

　　由下图可知，在每个应用程序执行的过程中，都会去产生一个主进程和主线程来完成工作，当我们需要并发的执行的时候，就会通过主进程去生成一系列的子进程（然后通过子进程产生一系列的子线程）来使不同的cpu调用，从而达到并发的效果。但是需要注意的是，在一般情况下每个进程之间是相互独立的。

　　GIL全局解释器锁在Python中是独有的，java和c#中都没有，他的作用主要是什么呢？我们都知道程序的执行最小单元是线程，在cpu1通过进程来调用线程的时候（只是在cpu调用的时候），只能轮询的去调用某个进程中的线程，线程并不能进行并发的执行，也就是说一个时刻每颗cpu只能通过一个进程中的一个线程来完成某项工作。

　　在我们一般的程序中，如果没有特意的创建进程和线程，那么我们程序就是按照顺序一步一步执行的，当我们创建了进程和线程之后，就会产生并发执行的效果。

　　进程

　　　　优点: 可同时利用多个cpu，进行多个操作

　　　　缺点: 重新开辟内存空间，非常耗费资源

　　　　个数: 一般和cpu颗数相同

　　　　使用场所: 一般是计算密集型

　　线程

　　　　优点: 共享内存（一个进程内），i/o操作可实现并发执行

　　　　缺点: 抢占资源，切换上下文非常耗时

　　　   个数: 一般依情况而定

　　　　使用场所: i/o密集型

 

一.进程

　　进程的定义

　　　　进程（Process）是计算机中的程序关于某数据集合上的一次运行活动，是系统进行资源分配和调度的基本单位。其实进程就是程序执行的实例，程序放在那里是不会执行的，只能通过创建进程来完成程序的操作。例如：我现在想去做饭，首先我拿起菜刀，然后我去切菜，之后开火，炒菜。做饭其实就是一个程序，我拿刀，切菜，开火，炒菜就就可以看成是一个一个的进程，他们在程序的执行流中有序的执行从而完成了一个操作。

　　1. 创建进程（Process类）

　　对于我们写的一个程序而言，默认的都会有一个主进程和主线程来从上到小的去执行代码，如果一但遇到要去创建进程和线程，然后主进程就会创建进程和线程，（然后创建的子进程和子线程就会自己去执行他要的执行的代码），创建完成之后有两种操作，一个就是等待子进程或者子线程的操作完成之后在结束程序，另一种就是当我的主进程完成之后，就立马结束程序，无论你的子进程或者子线程有没有完成。

# 在windows下做实验的话，第一句必须加上
if __name__ == "__main__":
    # 创建进程,
    # 参数target后面的代表的是此进程要执行的函数名称
    # args后面跟的是一个元组,代表target后面函数所需要的参数
    p = multiprocessing.Process(target=foo, args=(1,))
    
    p.join(5)   # 当执行完此子进程之后再去执行其他的进程,参数5代表执行此子进程等待的最长时间,默认为s
    # daemon是指主进程是否要等待子进程完成之后再结束，默认是等待
    # True 代表不等待
    # False 代表等待
    p.daemon = True 
    p.start()   # 启动子进程

# 下面这段代码显示结果为空，因为在主进程结束之后就结束程序了
# 并不会去执行foo函数
import multiprocessing
import time

def foo(args):
    # 这是个要通过子进程执行的函数
    time.sleep(3)   # 延迟三秒
    print(args)
    
if __name__ == "__main__":
    p = multiprocessing.Process(target=foo, args=(1,))
    p.daemon = True # 不等待子进程结束
    p.start()   


# 下面这段代码的执行结果为1 因为daemon的值为false，所以主进程要等待子进程执行完foo之后才会去结束程序
import multiprocessing
import time

def foo(args):
    # 这是个要通过子进程执行的函数
    time.sleep(3)   # 延迟三秒
    print(args)
    
if __name__ == "__main__":
    p = multiprocessing.Process(target=foo, args=(1,))
    p.daemon = False # 不等待子进程结束
    p.start()   

# 当没有join的时候，输入结果为基本上是同时输出的123456789
import multiprocessing
import time

def foo(args):
    # 这是个要通过子进程执行的函数
    time.sleep(1)
    print(args)
if __name__ == "__main__":
    for i in range(10):
        p = multiprocessing.Process(target=foo, args=(i,))
        p.start()


#有join的时候，他是一个一个输出的，因为join代表的就是当这个子进程执行完之后才会去执行其他的进程
import multiprocessing
import time

def foo(args):
    # 这是个要通过子进程执行的函数
    time.sleep(1)
    print(args)
if __name__ == "__main__":
    for i in range(10):
        p = multiprocessing.Process(target=foo, args=(i,))
        p.start()
        p.join(2)

# 下面这个代码不会输出任何值，当程序执行了1s之后就会结束原因是join默认等待的时间为1s中，但是你的子进程却需要10s的时间，所以子进程还没有执行完主进程就结束了
import multiprocessing
import time

def foo(args):
    # 这是个要通过子进程执行的函数
    time.sleep(10)
    print(args)
if __name__ == "__main__":
    p = multiprocessing.Process(target=foo, args=(1,))
    p.daemon = True
    p.start()
    p.join(1)

　

　　2. 进程池（pool模块）

　　　　什么叫做进程池呢？通俗点就是装进程的容器，在我们写程序的时候，我们不可能来一个程序，我们就去创建一个进程，进程是非常耗费资源的，因此我们通过事先定义一个装进程的容器（进程的个数是固定的），当我们程序需要的时候就会自动的去进程池中区取，如果进程池中的子进程数被取完了，我们就只有等待其他的程序释放了之后我们才能够继续使用。

if __name__ == "__main__":
    # 创建进程池
    proc_pool = multiprocessing.Pool(5)
    # 以下两个都是使用进程池的方式
    # apply:他内部使用了join方法,每一个子进程进行了完了之后才会去进行下一个子进程的使用
    # apply_async:他内部没有使用join方法,因此是所有的子进程并发的执行
    proc_pool.apply()
    proc_pool.apply_async()

# 从结果可以看出来，每一个子进程完成了之后才会打印出最后的子进程创建完成
import multiprocessing
import time

def foo(s1):
    time.sleep(1)
    print(s1)
if __name__ == "__main__":
    # 创建进程池,进程的个数为5
    proc_pool = multiprocessing.Pool(5)
    for i in range(10):
        # 创建十个子进程,每个子进程都去执行foo函数,传入的参数为i
        proc_pool.apply(foo, args=(i, ))
    print("子进程创建完成")

输出结果：
0
1
2
3
4
5
6
7
8
9
子进程创建完成

# 结果是先打印了进程创建完毕，从执行结果可以看出来，apply_async函数会使所有的子进程并发执行，后面的join函数要使主进程等待子进程完成之后在关闭程序
import multiprocessing
import time

# 执行的函数
def foo(s1):
    time.sleep(1)
    return s1
# 回调函数
def foo2(s1):
    print(s1)
if __name__ == "__main__":
    # 创建进程池,进程的个数为5
    proc_pool = multiprocessing.Pool(5)
    for i in range(10):
        # 创建十个子进程,每个子进程都去执行foo函数,传入的参数为i,把foo函数的返回值当做参数给foo2,然后执行foo2函数
        proc_pool.apply_async(foo, args=(i, ), callback=foo2)
    print("子进程创建完成")
    # 关闭进程池
    proc_pool.close()
    # 等待子进程执行完毕之后返回
    proc_pool.join()

输出结果：
子进程创建完成
0
1
2
3
4
5
6
7
8

 　　3. 进程之间的共享

　　　　进程之间本来是独立，互不影响的，如果实在想要在进程之间进行通信的话有两种方法。

　　　　　　<1>. 数组

　　　　　　<2>. manage模块创建特殊的数据类型

import multiprocessing
import multiprocessing
def f1(s1, dic):
    dic[s1] = s1

if __name__ == "__main__":
    # 创建一个manage的对象
    manage = multiprocessing.Manager()
    # 通过manage创建一个特殊类型的dict,供进程之间进行使用
    dic = manage.dict()
    print("没有修改之前的dic:",dic)
    for i in range(10):
        p = multiprocessing.Process(target=f1, args=(i, dic))
        p.start()
        p.join()
    print("修改之后的dic:",dic)

结果：
没有修改之前的dic: {}
修改之后的dic: {0: 0, 1: 1, 2: 2, 3: 3, 4: 4, 5: 5, 6: 6, 7: 7, 8: 8, 9: 9}

二.线程

　　 线程是程序最下的执行单元，他本质上也是一个进程，只不过是把进程更加的细微化的一个东西，也是用来执行程序的。

　　1. 创建线程

# 线程的创建和进程的创建都差不多,因为从形式上来将线程就是进程
# 下面的方法和进程的方法是一样的,就是把daemon变成了setDaemon而已
if __name__ == "__main__":
    # 创建线程foo函数为要用子线程执行的函数,args为传递的参数
    thread = threading.Thread(target=foo, args=(1, ))
    # 启动线程
    thread.start()
    # 子线程等的最长时间
    thread.join(5)
    # 设置主进程完成之后是否要等待子线程完成,默认是不等待的
    thread.setDaemon(True)

# 下面这段代码是没有结果的，因为线程和进程不太一样，线程默认是不等待子线程的
import threading
import time
# 执行的函数
def foo(s1):
    time.sleep(1)
    print(s1)

if __name__ == "__main__":
    thread = threading.Thread(target=foo, args=(1, ))
    thread.start()

# 修改成下面这段代码，就可以显示结果了，
import threading
import time
# 执行的函数
def foo(s1):
    time.sleep(1)
    print(s1)

if __name__ == "__main__":
    thread = threading.Thread(target=foo, args=(1, ))
    thread.setDaemon(False)
    thread.start()

import threading
import time

# 执行的函数
def foo(s1):
    time.sleep(1)
    print(s1)

if __name__ == "__main__":
    for i in range(5):
        thread = threading.Thread(target=foo, args=(i, ))
        thread.start()
        thread.join(2)

　　2. Rlock模块

　　　　Rlock模块从名字就可以看出来是一个锁模块，我们都知道线程之间是内存共享的，因此当两个线程同时修改某个值的时候，就会出现脏值（也就是我们预期不到的值），因为我们不知道到底哪个线程修改的有效，因此这个模块就应运而生了，当我们想去修改某个值的时候，就可以用到锁模块，把值锁定起来

# 其实这个例子看不出来数据的混乱。。。。
# 只是简单的说了一下rlock模块的使用方法
import threading
import time

# 创建一个全局变量,要运用线程对其进行修改
num = []
# 创建一个锁对象
lock = threading.RLock()
# 执行的函数
def foo(s1):
    # 加锁
    # lock.acquire()
    global num
    num.append(s1)
    print(num)
    # 释放锁
    # lock.release()
if __name__ == "__main__":
    for i in range(40):
        thread = threading.Thread(target=foo, args=(i, ))
        thread.start()
    print(num)

　　3. event模块

　　　　event模块其实就是暂停的意思，当我们使用了此模块之后，线程就会停在此处，当我们设置了相应的值之后，就会继续执行。

import threading
import time

# 创建一个全局变量,要运用线程对其进行修改
num = []
# 创建一个锁对象
lock = threading.RLock()
event = threading.Event()
# 执行的函数
def foo(s1):
    # 加锁
    lock.acquire()
    # 线程在此暂停（红灯）
    event.wait()
    global num
    num.append(s1)
    print(num)
    # 释放锁
    lock.release()
if __name__ == "__main__":
    for i in range(5):
        thread = threading.Thread(target=foo, args=(i, ))
        thread.start()
    event.clear()   # 设置为红灯
    inp = input("输入q继续:")
    if inp == 'q':
        # 如果输入的为q,就把event的等待状态改变,继续执行
        event.set() 


结果输出
输入True继续:q
[0]
[0, 1]
[0, 1, 2]
[0, 1, 2, 3]
[0, 1, 2, 3, 4]

import threading
import time

# 创建一个全局变量,要运用线程对其进行修改
num = []
# 创建一个锁对象
lock = threading.RLock()
event = threading.Event()
# 执行的函数
def foo(s1):
    # 加锁
    # lock.acquire()
    # 线程在此暂停（红灯）
    event.wait()
    global num
    num.append(s1)
    print(num)
    # 释放锁
    # lock.release()
if __name__ == "__main__":
    for i in range(5):
        thread = threading.Thread(target=foo, args=(i, ))
        thread.start()
    event.clear()   # 设置为红灯
    inp = input("输入q继续:")
    if inp == 'q':
        # 如果输入的为q,就把event的等待状态改变,继续执行
        event.set()

输出结果：
输入q继续:q
[0]
[0, 2]
[0, 2, 1]
[0, 2, 1, 4]
[0, 2, 1, 4, 3]

　　4. 生产者消费者模型（queue模块）

　　　　生产者消费者模型其实说的就是队列，队列我们只需要记住先进先出就可以了。

# 导入队列的模块
import queue
# 创建一个队列,队列的长度最多为5
obj = queue.Queue(5)
# 从队列中获取值,如果队列为空,则等待
obj.get()
# 从队列中获取值,如果队列为空,则放弃取值(不等待)
obj.get_nowait()
# 给队列中上传一个值
obj.put("value")

　　5. 线程池

　　　　在Python中默认没有创建线程池的方法，因此在此处总结了wupeiqi老师的两个方法，方法的地址如下　　

　　　　http://www.cnblogs.com/wupeiqi/articles/4839959.html

　　　　这段代码的有些地方是比较难懂的，主要的原因是之前写的代码都是顺序执行的，而对于线程和进程而言，都是可以并发执行的，因此对于执行流还是需要注意的。

import queue
import threading
import time

class ThreadPool:
    def __init__(self, max_num):
        self.ThreadQueue = queue.Queue(max_num)
        for i in range(max_num):
            self.ThreadQueue.put(threading.Thread)
    def get_Thread(self):
        return self.ThreadQueue.get()

    def add_Thread(self):
        self.ThreadQueue.put(threading.Thread)

def func(pool, args):
    time.sleep(2)
    print(args)
    pool.add_Thread()

# -*- coding:utf-8 -*-
# zhou
# 2017/7/5

import threading
import queue
import time

# 列表退出标志位
StopEvent = object()

class ThreadPool:
    def __init__(self, max_num):
        # 创建一个空的队列用来存放任务而不是线程
        self.q = queue.Queue()
        # 设置空闲的线程数为0
        self.free_list = []
        # 已经创建的线程数
        self.generate_list = []
        # 创建线程的最大个数
        self.max_num = max_num
        # 创建任务列表为空
        self.task = []
        self.terminal_flag = False

    def apply(self, target, args, callback=None):
        # 得到任务列表
        task = (target, args, callback, )
        # print('***', args)
        # 把任务列表加入队列中
        self.q.put(task)
        # 去执行
        if len(self.free_list) == 0 and len(self.generate_list) < self.max_num:
            # 如果没有空闲的线程并且创建的线程数小于最大线程数，就创建一个线程
            self.generate_thread()

    def generate_thread(self):
        t = threading.Thread(target=self.run)
        t.start()

    def run(self):
        current_thread = threading.currentThread
        self.generate_list.append(current_thread)
        event = self.q.get()
        while event != StopEvent:
            # 是任务,解开任务包,执行任务
            func1, argument, func2 = event
            # print("++",argument)
            try:
                ret = func1(*argument)
                state = True
            except Exception as e:
                state = False
                ret = e
            if func2 is not None:
                try:
                    func2(state, ret)
                except Exception as e:
                    pass
            if not self.terminal_flag:
                self.free_list.append(current_thread)
                event = self.q.get()
                self.free_list.remove(current_thread)
            else:
                event = StopEvent
        else:
            # 不是任务,就移除
            self.generate_list.remove(current_thread)

    def close(self):
        # StopEvent作为循环结束的标志,有多少个线程就会给他创建多少个标志位
        num = len(self.generate_list)
        while num:
            self.q.put(StopEvent)
            num -= 1

    def terminal(self):
        self.terminal_flag = True
        while self.generate_list:
            self.q.put(StopEvent)
        # self.close()
        self.q.empty()
# 执行函数
def foo(s1):
    # time.sleep(0.5)
    print(s1)
# 回调函数
def f2(state, s2):
    print(s2)

if __name__ == "__main__":
    # 创建一个线程池
    pool = ThreadPool(5)
    for i in range(40):
        # 应用线程池
        # print('___',i)
        pool.apply(target=foo, args=(i, ))
    time.sleep(4)
    pool.terminal()

    

三.协程

　　协程是什么呢？协程其实就是微线程，如下图，协程一般用在web页面请求上面，使用协程要导入模块gevent，下面贴一个简单的使用例子

# -*- coding:utf-8 -*-
# zhou
# 2017/7/5
import gevent
import requests

def f1(url):
    requests.get(url)

gevent.joinall([
    gevent.spawn(f1, "https://www.baidu.com/"),
    gevent.spawn(f1, "http://www.sohu.com/"),
]
)

四. 上下文切换（contextlib）

　　其实这个上下文切换和装饰器有点类似，也是在一个操作的前后在去加上一点操作。

　　下面代码执行流程

　　

import contextlib

@contextlib.contextmanager
def file_open(file_name, mode):
    f = open(file_name, mode)
    try:
        yield f
    finally:
        f.close()

with file_open('te', 'r') as obj_f:
    print(obj_f.read())