Python多线程与多进程相关知识总结-巨人网络通讯

主页 > 知识库 > Python多线程与多进程相关知识总结

Python多线程与多进程相关知识总结

一、什么是进程

进程是执行中的程序，是资源分配的最小单位：操作系统以进程为单位分配存储空间，进程拥有独立地址空间、内存、数据栈等
操作系统管理所有进程的执行，分配资源
可以通过fork或 spawn的方式派生新进程，新进程也有自己独立的内存空间
进程间通信方式（IPC，Inter-Process Communication）共享信息，实现数据共享，包括管道、信号、套接字、共享内存区等。

二、什么是线程

线程是CPU调度的的最小单位
一个进程可以有多个线程
同进程下执行，并共享相同的上下文
线程间的信息共享和通信更加容易
多线程并发执行
需要同步原语

三、并发、并行

并发通常应用于 I/O 操作频繁的场景，并行则更多应用于 CPU heavy 的场景。

3.1 并发

并发(concurrency)，指同一时刻只能有一条指令执行，多个线程的对应的指令被快速轮换地执行，线程/任务之间会互相切换。

处理器先执行线程 A 的指令一段时间，再执行线程 B 的指令一段时间，再切回到线程 A，快速轮换地执行。
处理器切换过程中会进行上下文的切换操作，进行多个线程之间切换和执行，这个切换过程非常快，使得在宏观上看起来多个线程在同时运行。
每个线程的执行会占用这个处理器一个时间片段，同一时刻，其实只有一个线程在执行。

3.2 并行

并行(parallel) 指同一时刻，有多条指令在多个处理器上同时执行

不论是从宏观上还是微观上，多个线程都是在同一时刻一起执行的。
并行只能在多处理器系统中存在，如果只有一个核就不可能实现并行。并发在单处理器和多处理器系统中都是可以存在的，一个核就可以实现并发。

注意：具体是并发还是并行取决于操作系统的调度。

四、多线程适用场景

多线程/多进程是解决并发问题的经典模型之一。

在一个程序进程中，有一些操作是比较耗时或者需要等待的，比如等待数据库的查询结果的返回，等待网页结果的响应。这个线程在等待的过程中，处理器是可以执行其他的操作的，从而从整体上提高执行效率。

比如网络爬虫，在向服务器发起请求之后，有一段时间必须要等待服务器的响应返回，这种任务属于 IO 密集型任务。对于这种任务，启用多线程可以在某个线程等待的过程中去处理其他的任务，从而提高整体的爬取效率。

还有一种任务叫作计算密集型任务，或者称为CPU 密集型任务。任务的运行一直需要处理器的参与。如果使用多线程，一个处理器从一个计算密集型任务切换到另一个计算密集型任务，处理器依然不会停下来，并不会节省总体的时间，如果线程数目过多，进程上下文切换会占用大量的资源，整体效率会变低。

所以，如果任务不全是计算密集型任务，我们可以使用多线程来提高程序整体的执行效率。尤其对于网络爬虫这种 IO 密集型任务来说，使用多线程会大大提高程序整体的爬取效率，多线程只适合IO 密集型任务。

五、Python GIL

由于 Python 中 GIL 的限制，导致不论是在单核还是多核条件下，在同一时刻只能运行一个线程，导致 Python 多线程无法发挥多核并行的优势。

GIL 全称为 Global Interpreter Lock（全局解释器锁)，是 Python 解释器 CPython 中的一个技术术语，是Python之父为了数据安全而设计的。

CPython 使用引用计数来管理内存，所有 Python 脚本中创建的实例，都会有一个引用计数，来记录有多少个指针指向它。当引用计数只有 0 时，则会自动释放内存。每隔一段时间，Python 解释器就会强制当前线程去释放 GIL，Python 3 以后版本的间隔时间是 15 毫秒。

在 Python 多线程下，每个线程轮流执行：

获取 GIL
执行对应线程的代码
释放 GIL

某个线程想要执行，必须先拿到 GIL，并且在一个 Python 进程中，GIL 只有一个，导致即使在多核的条件下，同一时刻也只能执行一个线程。每一个线程执行完一段后，会释放 GIL，以允许别的线程开始利用资源。

六、Python多线程、多进程实例：CPU 密集型任务

6.1 单线程

执行一个CPU 密集型任务：

import time
import os

def cpu_bound_task(n):
    print('当前进程: {}'.format(os.getpid()))
    while n > 0:
        n -= 1

if __name__ == "__main__":
    print('主进程: {}'.format(os.getpid()))
    start = time.time()
    for i in range(2):
        cpu_bound_task(100000000)
    end = time.time()
    print(f"耗时{end - start}秒")

输出：

主进程: 10104
当前进程: 10104
当前进程: 10104
耗时10.829032897949219秒

6.2 多线程

import os
import threading
import time


def cpu_bound_task(n,i):
    print(f'子线程 {threading.current_thread().name}:{os.getpid()} - 任务{i}')
    while n > 0:
        n -= 1

if __name__=='__main__':
    start = time.time()
    print(f'主线程: {os.getpid()}')
    thread_list = []
    for i in range(1, 3):
        t = threading.Thread(target=cpu_bound_task, args=(100000000,i))
        thread_list.append(t)

    for t in thread_list:
        t.start()

    for t in thread_list:
        t.join()

    end = time.time()
    print(f"耗时{end - start}秒")

start()：启动线程
join()：等待子线程结束后主程序才退出，便于计算所有进程执行时间。

输出：

主线程: 1196
子线程 Thread-1:1196 - 任务1
子线程 Thread-2:1196 - 任务2
耗时10.808091640472412秒

可以发现多线程对CPU 密集型任务性能没有提升效果。

6.3 多进程

from multiprocessing import Process
import os
import time

def cpu_bound_task(n,i):
    print(f'子进程: {os.getpid()} - 任务{i}')
    while n > 0:
        n -= 1

if __name__=='__main__':
    print(f'父进程: {os.getpid()}')
    start = time.time()
    p1 = Process(target=cpu_bound_task, args=(100000000,1))
    p2 = Process(target=cpu_bound_task, args=(100000000,2))
    p1.start()
    p2.start()
    p1.join()
    p2.join()
    end = time.time()
    print(f"耗时{end - start}秒")

输出：

父进程: 22636
子进程: 18072 - 任务1
子进程: 9580 - 任务2
耗时6.264241933822632秒

也可以使用Pool类创建多进程

from multiprocessing import Pool, cpu_count
import os
import time

def cpu_bound_task(n,i):
    print(f'子进程: {os.getpid()} - 任务{i}')
    while n > 0:
        n -= 1

if __name__=='__main__':
    print(f"CPU内核数:{cpu_count()}")
    print(f'父进程: {os.getpid()}')
    start = time.time()
    p = Pool(4)
    for i in range(2):
        p.apply_async(cpu_bound_task, args=(100000000,i))
    p.close()
    p.join()
    end = time.time()
    print(f"耗时{end - start}秒")

输出：

CPU内核数:8
父进程: 18616
子进程: 21452 - 任务0
子进程: 16712 - 任务1
耗时5.928101301193237秒

七、Python多线程、多进程实例：IO密集型任务

7.1 单线程

IO 密集型任务：

def io_bound_task(self, n, i):
    print(f'子进程: {os.getpid()} - 任务{i}')
    print(f'IO Task{i} start')
    time.sleep(n)
    print(f'IO Task{i} end')

if __name__=='__main__':
    print('主进程: {}'.format(os.getpid()))
    start = time.time()
    for i in range(2):
        self.io_bound_task(4,i)
    end = time.time()
    print(f"耗时{end - start}秒")

输出：

主进程: 2780
子进程: 2780 - 任务0
IO Task0 start
IO Task0 end
子进程: 2780 - 任务1
IO Task1 start
IO Task1 end
耗时8.04494023323059秒

7.2 多线程

print(f"CPU内核数:{cpu_count()}")
print(f'父进程: {os.getpid()}')
start = time.time()
p = Pool(2)
for i in range(2):
    p.apply_async(io_bound_task, args=(4, i))
p.close()
p.join()
end = time.time()
print(f"耗时{end - start}秒")

输出：

CPU内核数:8
父进程: 1396
子进程: 2712 - 任务0
IO Task0 start
子进程: 10492 - 任务1
IO Task1 start
IO Task0 endIO Task1 end
耗时4.201171398162842秒

可以看出对于IO密集型任务，Python多线程具有显著提升。

7.3 多进程

print(f'父进程: {os.getpid()}')
start = time.time()
p1 = Process(target=io_bound_task, args=(4, 1))
p2 = Process(target=io_bound_task, args=(4, 2))
p1.start()
p2.start()
p1.join()
p2.join()
end = time.time()
print("耗时{}秒".format((end - start)))

输出：

父进程: 12328
子进程: 12452 - 任务2
IO Task2 start
子进程: 16896 - 任务1
IO Task1 start
IO Task1 endIO Task2
end
耗时4.1241302490234375秒

7.4 协程

IO型任务还可以使用协程，协程比线程更加轻量级，一个线程可以拥有多个协程，协程在用户态执行，完全由程序控制。一般来说，线程数量越多，协程性能的优势越明显。这里就不介绍Python协程了，下面Python代码是协程的其中一种实现方式：

import asyncio
import time

async def io_bound_task(self,n,i):
    print(f'子进程: {os.getpid()} - 任务{i}')
    print(f'IO Task{i} start')
    # time.sleep(n)
    await asyncio.sleep(n)
    print(f'IO Task{i} end')

if __name__ == '__main__':        
    start = time.time()
    loop = asyncio.get_event_loop()
    tasks = [io_bound_task(4, i) for i in range(2)]
    loop.run_until_complete(asyncio.wait(tasks))
    loop.close()
    end = time.time()
    print(f"耗时{end - start}秒")

输出：