一.线程和进程
1.操作系统中，线程是CPU调度和分派的基本单位，线程依存于程序中
2.操作系统中，进程是系统进行资源分配和调度的一个基本单位，一个程序至少有一个进程
3.一个进程由至少一个线程组成，线程组成进程
4.多进程、多进程实际是进程、线程、进程和线程的并发而不是并行，用来加快程序运行速度
5.Python既支持多线程，也支持多进程。
二.多线程threading
1.python3线程操作中常用模块：_thread和threading，其中一般都用threading模块
2.线程分为：内核线程：由操作系统内核创建和撤销；用户线程：不需要内核支持而在用户程序中实现的线程
3.Python中使用线程有两种方式：函数或者用类来包装线程对象
2. 创建线程
1 import threading
2
3 #def main():#定义一个存放多线程的函数
4 # print(threading.active_count())#获取已激活的线程数
5 # print(threading.enumerate()) # see the thread list查询线程信息
6 # print(threading.current_thread())#查询当前运行的线程
7
8 def thread_job():#定义一个线程的工作的函数
9 print('This is a thread of %s' % threading.current_thread())
10 def main():
11 thread = threading.Thread(target=thread_job,)#添加线程，参数为线程的目标（任务）
12 thread.start()#执行线程thread
13
14 if __name__ == '__main__':#在该程序中运行
15 main()
16 ---------------------------------------
17 This is a thread of <Thread(Thread-1, started 5664)>
1 #调用 _thread 模块中的start_new_thread()函数来产生新线程
2 #_thread.start_new_thread ( function, args[, kwargs] )（线程函数，函数的参数tuple，可选参数）
3 import _thread
4 import time
5
6 # 为线程定义一个函数
7 def print_time( threadName, delay):
8 count = 0
9 while count < 5:
10 time.sleep(delay)
11 count += 1
12 print ("%s: %s" % ( threadName, time.ctime(time.time()) ))
13
14 # 创建两个线程
15 try:
16 _thread.start_new_thread( print_time, ("Thread-1", 2, ) )
17 _thread.start_new_thread( print_time, ("Thread-2", 4, ) )
18 except:
19 print ("Error: 无法启动线程")
20
21 while 1:
22 pass
23 ---------------------------------------------------------
24 Thread-1: Thu May 17 17:13:01 2018
25 Thread-2: Thu May 17 17:13:03 2018
26 Thread-1: Thu May 17 17:13:03 2018
27 Thread-1: Thu May 17 17:13:05 2018
28 Thread-2: Thu May 17 17:13:07 2018
29 。。。
1 #从 threading.Thread 继承创建一个新的子类，并实例化后调用 start() 方法启动新线程，即它调用了线程的 run() 方法
2 import threading
3 import time
4 exitFlag = 0
5 class myThread (threading.Thread):
6 def __init__(self, threadID, name, counter):
7 threading.Thread.__init__(self)
8 self.threadID = threadID
9 self.name = name
10 self.counter = counter
11 def run(self):
12 print ("开始线程：" + self.name)
13 print_time(self.name, self.counter, 5)
14 print ("退出线程：" + self.name)
15
16 def print_time(threadName, delay, counter):
17 while counter:
18 if exitFlag:
19 threadName.exit()
20 time.sleep(delay)
21 print ("%s: %s" % (threadName, time.ctime(time.time())))
22 counter -= 1
23
24 # 创建新线程
25 thread1 = myThread(1, "Thread-1", 1)
26 thread2 = myThread(2, "Thread-2", 2)
27
28 # 开启新线程
29 thread1.start()
30 thread2.start()
31 thread1.join()
32 thread2.join()
33 print ("退出主线程")
34 ------------------------------------------------
35 开始线程：Thread-1
36 开始线程：Thread-2
37 Thread-1: Thu May 17 17:18:32 2018
38 Thread-2: Thu May 17 17:18:33 2018
39 Thread-1: Thu May 17 17:18:33 2018
40 。。。
3.join功能，控制执行顺序
1 import threading
2 import time
3
4 def thread_job():#定义一个线程
5 print('T1 start\n')#开始t1线程
6 for i in range(10):#设置10步
7 time.sleep(0.1)#任务间隔0.1秒，增加时耗
8 print('T1 finish\n')#结束t1线程
9
10 def T2_job():#又定义一个线程
11 print('T2 start\n')#开始
12 print('T2 finish\n')#结束
13
14 def main():#定义主程序
15 thread1 = threading.Thread(target=thread_job, name='T1')#添加线程t1
16 thread2 = threading.Thread(target=T2_job, name='T2')#添加线程t2
17 thread1.start()#开始运行t1
18 thread2.start()#开始运行t2
19 #使用join控制多个线程的执行顺序
20 thread2.join()#等到t2运行完再进行下一步
21 thread1.join()#到t1运行完再进行下一步
22 print('all done\n')#表明程序执行完
23
24 if __name__ == '__main__':
25 main()
26 --------------------------------------------------------
27 T1 start
28
29 T2 start
30
31 T2 finish
32
33 T1 finish
34
35 all done
4.存储进程结果Queue,多线程调用的函数不能有返回值, 所以使用Queue存储多个线程运算的结果
1 #，将数据列表中的数据传入，使用四个线程处理，将结果保存在Queue中， 2 # 线程执行完后，从Queue中获取存储的结果 3 import threading 4 import time 5 from queue import Queue#导入队列模块 6 7 def job(l,q):#函数的参数是一个列表l和一个队列q 8 #函数的功能是，对列表的每个元素进行平方计算，将结果保存在队列中 9 for i in range(len(l)): 10 l[i] = l[i]**2 11 q.put(l)#把列表l存放进队列q中 12 13 def multithreading():#定义一个多线程函数 14 q = Queue()#创建一个空队列，用来保存返回值 15 threads = []#定义一个多线程列表 16 data = [[1,2,3],[3,4,5],[4,4,4],[5,5,5]]#初始化一个多维数据列表 17 for i in range(4):#定义四个线程 18 t = threading.Thread(target=job, args=(data[i], q)) 19 #创建一个线程，任务是job函数，被调用的job函数没有括号，只是一个索引，参数在后面 20 t.start()#开始t 21 threads.append(t)# #把每个线程append到线程列表中 22 for thread in threads: 23 thread.join()#分别join四个线程到主线程 24 results = []#定义一个空的列表results，将四个线运行后保存在队列中的结果返回给空列表results 25 for _ in range(4): 26 results.append(q.get()) #q.get()按顺序从q中拿出一个值 27 print(results) 28 29 if __name__ == '__main__': 30 multithreading() 31 ------------------------------------------------- 32 [[1, 4, 9], [9, 16, 25], [16, 16, 16], [25, 25, 25]]
1 import queue
2 import threading
3 import time
4
5 exitFlag = 0
6
7 class myThread (threading.Thread):
8 def __init__(self, threadID, name, q):
9 threading.Thread.__init__(self)
10 self.threadID = threadID
11 self.name = name
12 self.q = q
13 def run(self):
14 print ("开启线程：" + self.name)
15 process_data(self.name, self.q)
16 print ("退出线程：" + self.name)
17
18 def process_data(threadName, q):
19 while not exitFlag:
20 queueLock.acquire()
21 if not workQueue.empty():
22 data = q.get()
23 queueLock.release()
24 print ("%s processing %s" % (threadName, data))
25 else:
26 queueLock.release()
27 time.sleep(1)
28
29 threadList = ["Thread-1", "Thread-2", "Thread-3"]
30 nameList = ["One", "Two", "Three", "Four", "Five"]
31 queueLock = threading.Lock()
32 workQueue = queue.Queue(10)
33 threads = []
34 threadID = 1
35
36 # 创建新线程
37 for tName in threadList:
38 thread = myThread(threadID, tName, workQueue)
39 thread.start()
40 threads.append(thread)
41 threadID += 1
42
43 # 填充队列
44 queueLock.acquire()
45 for word in nameList:
46 workQueue.put(word)
47 queueLock.release()
48
49 # 等待队列清空
50 while not workQueue.empty():
51 pass
52
53 # 通知线程是时候退出
54 exitFlag = 1
55
56 # 等待所有线程完成
57 for t in threads:
58 t.join()
59 print ("退出主线程")
60 ------------------------------------------------------
61 开启线程：Thread-1
62 开启线程：Thread-2
63 开启线程：Thread-3
64 Thread-3 processing One
65 Thread-2 processing Two
66 Thread-1 processing Three
67 Thread-3 processing Four
68 Thread-2 processing Five
69 退出线程：Thread-3
70 退出线程：Thread-2
71 退出线程：Thread-1
72 退出主线程
5.GIL（Global Interpreter Lock）全局解释锁：它确保任何时候都只有一个Python线程执行，导致了多线程无法利用多核。
实质上python中的多线程就是节省了i/o时间
1 # 测试 GIL
2 import threading
3 from queue import Queue
4 import copy
5 import time
6
7 def job(l, q):#传入一个列表和一个队列，
8 #操作：计算列表的总和，并把它传入到队列中
9 res = sum(l)
10 q.put(res)
11
12 def multithreading(l):#多线程函数
13 q = Queue()
14 threads = []
15 for i in range(4):#同时执行4个线程
16 t = threading.Thread(target=job, args=(copy.copy(l), q), name='T%i' % i)
17 t.start()#t开始执行
18 threads.append(t)#线程列表中添加t
19 [t.join() for t in threads]
20 total = 0
21 for _ in range(4):
22 total += q.get()
23 print(total)
24
25 def normal(l):#计算列表的总值
26 total = sum(l)
27 print(total)
28
29 if __name__ == '__main__':
30 l = list(range(1000000))
31 # 1.正常执行：一个列表扩展4倍，并打印出执行时间
32 s_t = time.time()
33 normal(l*4)
34 print('normal: ',time.time()-s_t)
35
36 #2.线程执行：建立四个线程执行
37 s_t = time.time()
38 multithreading(l)
39 print('multithreading: ', time.time()-s_t)
40 -------------------------------------------------------------
41 1999998000000
42 normal: 0.24673938751220703
43 1999998000000
44 multithreading: 0.244584321975708
6.lock线程锁：lock在不同线程使用同一共享内存时（只允许一个线程修改数据），能够确保线程之间互不影响，但是阻止了多线程并行，也可能导致死锁
如果多个线程共同对某个数据修改，则可能出现不可预料的结果，为了保证数据的正确性，需要对多个线程进行同步
多线程和多进程最大的不同在于: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，因此，线程之间共享数据最大的危险在于多个线程同时改一个变量，把内容给改乱了
1 #使用lock的方法是， 在每个线程执行运算修改共享内存之前，执行lock.acquire()将共享内存上锁，
2 # 确保当前线程执行时，内存不会被其他线程访问，
3 # 执行运算完毕后，使用lock.release()将锁打开， 保证其他的线程可以使用该共享内存。
4
5 import threading
6
7 def job1():
8 global A, lock#使用线程锁
9 lock.acquire()#lock.acquire()将共享内存上锁
10 for i in range(10):
11 A += 1
12 print('job1', A)
13 lock.release()#lock.release()将锁打开， 保证其他的线程可以使用该共享内存
14
15 def job2():
16 global A, lock
17 lock.acquire()#确保当前线程执行时，内存不会被其他线程访问
18 for i in range(10):
19 A += 10
20 print('job2', A)
21 lock.release()#保证其他的线程可以使用该共享内存
22
23 if __name__ == '__main__':
24 lock = threading.Lock()#创建一个线程锁
25 A = 0
26 t1 = threading.Thread(target=job1)
27 t2 = threading.Thread(target=job2)
28 t1.start()
29 t2.start()
30 t1.join()
31 t2.join()
32 ------------------------------------------------------------
33 job1 1
34 job1 2
35 job1 3
36 job1 4
37 job1 5
38 job1 6
39 job1 7
40 job1 8
41 job1 9
42 job1 10
43 job2 20
44 job2 30
45 job2 40
46 job2 50
47 job2 60
48 job2 70
49 job2 80
50 job2 90
51 job2 100
1 #使用 Thread 对象的 Lock 和 Rlock 可以实现简单的线程同步
2 import threading
3 import time
4 class myThread (threading.Thread):
5 def __init__(self, threadID, name, counter):
6 threading.Thread.__init__(self)
7 self.threadID = threadID
8 self.name = name
9 self.counter = counter
10 def run(self):
11 print ("开启线程： " + self.name)
12 # 获取锁，用于线程同步
13 threadLock.acquire()
14 print_time(self.name, self.counter, 3)
15 # 释放锁，开启下一个线程
16 threadLock.release()
17
18 def print_time(threadName, delay, counter):
19 while counter:
20 time.sleep(delay)
21 print ("%s: %s" % (threadName, time.ctime(time.time())))
22 counter -= 1
23
24 threadLock = threading.Lock()
25 threads = []
26
27 # 创建新线程
28 thread1 = myThread(1, "Thread-1", 1)
29 thread2 = myThread(2, "Thread-2", 2)
30
31 # 开启新线程
32 thread1.start()
33 thread2.start()
34
35 # 添加线程到线程列表
36 threads.append(thread1)
37 threads.append(thread2)
38
39 # 等待所有线程完成
40 for t in threads:
41 t.join()
42 print ("退出主线程")
43 ------------------------------------------------------
44 开启线程： Thread-1
45 开启线程： Thread-2
46 Thread-1: Thu May 17 17:25:58 2018
47 Thread-1: Thu May 17 17:25:59 2018
48 Thread-1: Thu May 17 17:26:00 2018
49 Thread-2: Thu May 17 17:26:02 2018
50 Thread-2: Thu May 17 17:26:04 2018
51 Thread-2: Thu May 17 17:26:06 2018
52 退出主线程
递归锁RLcok类的用法和Lock类一模一样，但它支持嵌套，在多个锁没有释放的时候一般会使用使用RLcok类
信号量（BoundedSemaphore类）用法和Lock类一模一样，但同时允许一定数量的线程更改数据
7.补充
三.多进程multiprocessing(或者说是多核)
1.多进程 Multiprocessing 和多线程 threading 类似，但是多核使用，用来弥补 threading 的一些劣势, 比如GIL
2.创建进程
1 import multiprocessing as mp
2 import threading as td
3
4 def job(a,d):#定义一个被线程和进程调用的函数
5 print('aaaaa')
6
7 if __name__=='__main__':
8 # 创建线程和进程
9 t1 = td.Thread(target=job,args=(1,2))
10 p1 = mp.Process(target=job,args=(1,2))
11
12 t1.start()
13 p1.start()
14
15 t1.join()
16 p1.join()
17 -------------------------------------------------------
18 aaaaa
19 aaaaa
3.Queue:将每个核或线程的运算结果放在队里中， 等到每个线程或核运行完毕后再从队列中取出结果， 继续加载运算。
1 import multiprocessing as mp 2 3 #调用的函数不能有返回值 4 def job(q): 5 res = 0 6 for i in range(1000): 7 res += i+i**2+i**3 8 q.put(res) # queue把结果放到q中 9 10 if __name__ == '__main__': 11 q = mp.Queue() 12 p1 = mp.Process(target=job, args=(q,)) 13 #要加逗号，否则TypeError: 'Queue' object is not iterable 14 p2 = mp.Process(target=job, args=(q,)) 15 p1.start() 16 p2.start() 17 p1.join() 18 p2.join() 19 res1 = q.get()#获取q中的结果 20 res2 = q.get() 21 print(res1+res2) 22 -------------------------------------------------------------- 23 499667166000
4.效率对比
1 #多线程与多进程的效率对比
2 import multiprocessing as mp
3 import threading as td
4 import time
5
6 def job(q):
7 res = 0
8 for i in range(1000000):
9 res += i+i**2+i**3
10 q.put(res) # queue
11
12 def multicore():
13 q = mp.Queue()
14 p1 = mp.Process(target=job, args=(q,))
15 p2 = mp.Process(target=job, args=(q,))
16 p1.start()
17 p2.start()
18 p1.join()
19 p2.join()
20 res1 = q.get()
21 res2 = q.get()
22 print('multicore:' , res1+res2)
23
24 def normal():#普通运算
25 res = 0
26 for _ in range(2):
27 for i in range(1000000):
28 res += i+i**2+i**3
29 print('normal:', res)
30
31 def multithread():
32 q = mp.Queue()
33 t1 = td.Thread(target=job, args=(q,))
34 t2 = td.Thread(target=job, args=(q,))
35 t1.start()
36 t2.start()
37 t1.join()
38 t2.join()
39 res1 = q.get()
40 res2 = q.get()
41 print('multithread:', res1+res2)
42
43 if __name__ == '__main__':
44 st = time.time()
45 normal()
46 st1= time.time()
47 print('normal time:', st1 - st)
48
49 st2 = time.time()
50 multithread()
51 st3 = time.time()
52 print('multithread time:', st3 - st2)
53
54 st4 = time.time()
55 multicore()
56 st5 = time.time()
57 print('multicore time:', st5-st4)
58 -----------------------------------------------------------------
59 normal: 499999666667166666000000
60 normal time: 1.8749690055847168
61 multithread: 499999666667166666000000
62 multithread time: 1.583195686340332
63 multicore: 499999666667166666000000
64 multicore time: 1.2573533058166504
5.进程池pool
1 #进程池就是我们将所要运行的东西，放到池子里，Python会自行解决多进程的问题 2 import multiprocessing as mp 3 4 def job(x): 5 return x*x 6 7 def multicore(): 8 pool = mp.Pool(processes=2)#创建进程池，定义调用2个cpu核 9 # 让池子对应某一个函数，我们向池子里丢数据，池子就会返回函数返回的值 10 # Pool和之前的Process的不同点是丢向Pool的函数有返回值，而Process的没有返回值 11 12 res = pool.map(job, range(10)) 13 #用map()获取结果，在map()中需要放入函数和需要迭代运算的值，然后它会自动分配给CPU核，返回结果 14 print(res) 15 16 res = pool.apply_async(job, (2,)) 17 # apply_async()返回结果，只能传递一个值，它只会放入一个核进行运算，但是传入值时要注意是可迭代的， 18 # 所以在传入值后需要加逗号, 同时需要用get()方法获取返回值 19 print(res.get()) 20 21 # 将apply_async()放入迭代器中，来输出多个结果 22 multi_res =[pool.apply_async(job, (i,)) for i in range(10)] 23 print([res.get() for res in multi_res]) 24 25 if __name__ == '__main__': 26 multicore() 27 -------------------------------------------------- 28 [0, 1, 4, 9, 16, 25, 36, 49, 64, 81] 29 4 30 [0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
6.进程锁lock
1 # 共享内存
2 # import multiprocessing as mp
3 #
4 # # Value数据存储在一个共享的内存表中
5 # value1 = mp.Value('i', 0)
6 # value2 = mp.Value('d', 3.14)
7 # #d和i参数用来设置数据类型的
8 #
9 # #Array类，可以和共享内存交互，来实现在进程之间共享数据。
10 # array = mp.Array('i', [1, 2, 3, 4])
11 # # 它只能是一维的，不能是多维的
12
13 #进程锁lock
14 import multiprocessing as mp
15 import time
16
17 def job(v, num, l):
18 l.acquire()#设置进程锁的使用，保证运行时一个进程的对锁内内容的独占
19 for _ in range(10):
20 time.sleep(0.1)
21 v.value += num# v.value获取共享变量值
22 print(v.value)
23 l.release()#进程锁保证了进程p1的完整运行，然后才进行了进程p2的运行
24
25 def multicore():
26 l = mp.Lock()# 定义一个进程锁
27 v = mp.Value('i', 0) # 定义共享变量
28 # 设定不同的number看如何抢夺内存
29 p1 = mp.Process(target=job, args=(v, 1, l))
30 p2 = mp.Process(target=job, args=(v, 3, l))
31 p1.start()
32 p2.start()
33 p1.join()
34 p2.join()
35
36 if __name__ == '__main__':
37 multicore()
38 -------------------------------------------------
39 1
40 2
41 3
42 4
43 5
44 6
45 7
46 8
47 9
48 10
49 13
50 16
51 19
52 22
53 25
54 28
55 31
56 34
57 37
58 40
来源：https://www.cnblogs.com/yu-liang/p/9026697.html