python 16篇 多线程和多进程

1、概念

线程、进程

进程
    一个程序，它是一组资源的集合
    一个进程里面默认是有一个线程的,主线程
    多进程是可以利用多核cpu的
线程
    最小的执行单位
    线程和线程之间是互相独立的
    主线程等待子线程执行结束
    线程和线程之间，数据是共享的。
    守护线程：
        只要主线程执行完成，不管子线程有没有执行完成，全部都结束

一个电脑有几核CPU就只能同时运行几个任务，比如4核CPU只能同时运行4个线程

我们在操作电脑时，感觉是同时运行多个任务，是因为CPU的运算速度很快，有上下文切换，我们感觉不到

python里的多线程利用不了多核CPU，比如我的电脑是8核的CPU，起100个线程，这100个线程都是在一个CPU里面执行，其他7个CPU是空闲的

因为线程之间数据是共享的，同时来处理数据会乱，GLI全局解释器锁，保证线程都在同一个CPU上运行

多进程可以利用多核CPU

　　CPU密集型任务，用多进程-->消耗CPU比较多

　　IO（磁盘IO，网络IO）密集型任务，用多线程-->消耗IO比较多

#1、多线程，线程之间数据是共享的

#2、多进程，进程之间数据是独立的

2、多线程

2.1、多线程代码

串行的方式是执行完一个，再接着执行第二个

多线程是同时启用多个线程去操作

import random
import threading
import time
def clean():
    print('打扫卫生')
    time.sleep(2)
def xiyifu():
    print('洗衣服')
    time.sleep(1)
def cook():
    print('做饭')
    time.sleep(3)

def export_data(db,excel):
    print(threading.current_thread())
    print('export_data %s %s' % (db, excel))
    time.sleep(random.randint(1, 5))
# 单线程
start_time = time.time()
clean()
xiyifu()
cook()
end_time = time.time()
print('单线程或串行的运行时间', end_time - start_time)
# 多线程
start_time = time.time()
t = threading.Thread(target=clean)  # 这里只写函数名称
t2 = threading.Thread(target=xiyifu)
t3 = threading.Thread(target=cook)
t.start()
t2.start()
t3.start()
# 以下这种是并行执行，如果每个子线程启动后就调用join方法，就变成了串行，不可取
t.join()  # 主线程等待子线程
t2.join()
t3.join()
end_time = time.time()
print('多线程并行的运行时间', end_time - start_time)
time.sleep(4)  # 过了4s后，后面开启的线程执行完毕就没有了
print(threading.active_count()) # 当前的线程数

执行结果

2.2、多线程的时间统计

import random
import threading
import time
def clean():
    print('打扫卫生')
    time.sleep(2)
def xiyifu():
    print('洗衣服')
    time.sleep(1)
def cook():
    print('做饭')
    time.sleep(3)

def export_data(db,excel):
    print(threading.current_thread())
    print('export_data %s %s' % (db, excel))
    time.sleep(random.randint(1, 5))
# 多线程
start_time = time.time()
t = threading.Thread(target=clean)  # 这里只写函数名称
t2 = threading.Thread(target=xiyifu)
t3 = threading.Thread(target=cook)
t.start()
t2.start()
t3.start()
end_time = time.time()
print('多线程并行的运行时间', end_time - start_time)

执行结果

正常执行应该是6秒多一点，这里是因为只是主线程执行的时间，没有计算子线程执行的时间，如何解决该问题？

两种方法：

#  方法一：等待子线程执行结束，把启动的子线程放到list中，在循环调用t.join
thread_list = []
for i in range(10):
    t = threading.Thread(target=export_data)
    thread_list.append(t)
    t.start()
for t in thread_list:
    t.join()
print('线程都运行完了')

# 方法二：等待子线程执行结束,通过判断当前线程数
for i in range(10):
    t = threading.Thread(target=export_data, args=['db1', 'a.xlsx'])  # 传参
    t.start()
while threading.active_count() != 1:
    pass
print('线程都运行完了')

2.3、多线程传参

可以用数组的方式来传参，args=['lxy']

import threading
import requests

from day09.ketanglianxi_09 import zidonghuayilai_instal


def down_load_pic(url):
    r = requests.get(url)
    file_name = zidonghuayilai_instal.InstallRequrie.md5(url) + '.jpg'
    with open(file_name, 'wb') as fw:
        fw.write(r.content)

urls = [
    'https://ss0.bdstatic.com/70cFuHSh_Q1YnxGkpoWK1HF6hhy/it/u=3353166494,2700282750&fm=26&gp=0.jpg',
    'https://timgsa.baidu.com/timg?image&quality=80&size=b9999_10000&sec=1603003159808&di=7a97fdd275ec4e0fc4ab54bdb8a2e703&imgtype=0&src=http%3A%2F%2Fwww.pc6.com%2Fup%2F2011-12%2F201112918444441530.jpg',
    'https://timgsa.baidu.com/timg?image&quality=80&size=b9999_10000&sec=1603003159808&di=0ae20fe3bd8759c059cb4432938e4062&imgtype=0&src=http%3A%2F%2F5b0988e595225.cdn.sohucs.com%2Fimages%2F20181209%2F38467a58f9264ca68eefa37719b4b739.jpeg',
    'https://timgsa.baidu.com/timg?image&quality=80&size=b9999_10000&sec=1603003159807&di=5040439b916279a7106a7660b7e0168a&imgtype=0&src=http%3A%2F%2Fimg1.cache.netease.com%2Fcatchpic%2FE%2FE5%2FE5DD0A8099E2D28226465C6894F7A7A1.jpg'
]

for url in urls:
    t = threading.Thread(target=down_load_pic, args=[url])
    t.start()
while threading.active_count() != 1:
    pass
print('所有图片下载完毕')

2.4、多线程获取函数返回值

多线程运行函数时，是没有办法获取到函数的返回值，所以可以定义一个全局的list，把函数的返回结果存到list就可以了

case_result = []
def run_case(case_name):
    print('run case over...')
    case_result.append({case_name,'success'})

2.5、守护线程

守护线程，一旦主线程死掉，不管守护线程有没有执行完成，守护线程全部都结束

import random
import threading
import time

def talk(name):
    print('正在和%s聊天' % name)
    time.sleep(random.randint(1, 5))
    print('和%s聊完了' % name)

t = threading.Thread(target=talk, args=['lhy'])
t.setDaemon(True)  # 设置成守护线程
t.start()

t = threading.Thread(target=talk, args=['xiaohei'])
t.setDaemon(True)
t.start()

t = threading.Thread(target=talk, args=['xiaobai'])
t.setDaemon(True)
t.start()
# 等待所有子线程都执行完
# while threading.active_count() != 1:
#     pass
print('聊完了')  # 未等子进程执行完，主线程就执行完了，那么守护线程也立马结束

2.6、线程锁

多个线程同时操作同一个数据时，会有问题，这个时候需要用到线程锁

线程锁需要设置锁定时长，数据操作完成后，需要解锁，不然其他线程会进入无线等待

import threading

count = 0
lock = threading.Lock()
def add():
    global count
    for i in range(1000000):
        # 锁的第一种写法     如果忘记写解锁或锁未释放，就会造成死锁
        lock.acquire()  # 加锁
        count += 1
        lock.release()  # 解锁
        #第二种写法
        # with lock:
        #     count += 1
for i in range(2):
    t = threading.Thread(target=add)
    t.start()
while threading.active_count() != 1:
    pass
print(count)

2.7 线程池

import threading
import requests
import threadpool
from day09.ketanglianxi_09 import zidonghuayilai_instal

def down_load_pic(url):
    print(threading.current_thread())
    r = requests.get(url)
    file_name = zidonghuayilai_instal.InstallRequrie.md5(url) + '.jpg'
    with open(file_name, 'wb') as fw:
        fw.write(r.content)

urls = [
    'https://ss0.bdstatic.com/70cFuHSh_Q1YnxGkpoWK1HF6hhy/it/u=3353166494,2700282750&fm=26&gp=0.jpg',
    'https://timgsa.baidu.com/timg?image&quality=80&size=b9999_10000&sec=1603003159808&di=7a97fdd275ec4e0fc4ab54bdb8a2e703&imgtype=0&src=http%3A%2F%2Fwww.pc6.com%2Fup%2F2011-12%2F201112918444441530.jpg',
    'https://timgsa.baidu.com/timg?image&quality=80&size=b9999_10000&sec=1603003159808&di=0ae20fe3bd8759c059cb4432938e4062&imgtype=0&src=http%3A%2F%2F5b0988e595225.cdn.sohucs.com%2Fimages%2F20181209%2F38467a58f9264ca68eefa37719b4b739.jpeg',
    'https://timgsa.baidu.com/timg?image&quality=80&size=b9999_10000&sec=1603003159807&di=5040439b916279a7106a7660b7e0168a&imgtype=0&src=http%3A%2F%2Fimg1.cache.netease.com%2Fcatchpic%2FE%2FE5%2FE5DD0A8099E2D28226465C6894F7A7A1.jpg'
]
pool = threadpool.ThreadPool(3)
reqs = threadpool.makeRequests(down_load_pic, urls) # 让它给子线程分配数据
[pool.putRequest(req) for req in reqs]
# 上面一行代码等同于下面2行代码
for req in reqs:
    pool.putRequest(req)
pool.wait() # 等待子线程执行结束

3、多进程

import multiprocessing

import time

lock = multiprocessing.Lock()  # 进程锁
lock.acquire()#  加锁
lock.release()# 解锁
def make_money():
    print('开始赚钱')
    time.sleep(10)
def star_process():
    for i in range(5):
        p = multiprocessing.Process(target=make_money)
        # 如果传参，p = multiprocessing.Process(target=make_money,args=[])
        p.start()
    # 等待子进程执行完毕
    while len(multiprocessing.active_children()) != 1:
        pass
    print('运行结束')
# p = multiprocessing.Process(target=make_money)
# p.start()
# star_process()  # 必须写在__name__ == '__main__'中
if __name__ == '__main__':
    star_process()

4、队列

# 队列 和list差不多
import queue
import random
import threading

import time

orders_q = queue.Queue()

# 生产者/消费者模式
def producer():
    for i in range(100):
        order_id = random.randint(1, 99999)
        print('订单生成,orderid=%d' % order_id)
        orders_q.put(order_id)
        time.sleep(1)

def consumer():
    while True:
        if orders_q.qsize() > 0:
            order_id = orders_q.get()
            print('consumer1--订单落库', order_id)

def consumer2():
    while True:
        if orders_q.qsize() > 0:
            order_id = orders_q.get()
            print('consumer2--订单落库', order_id)
t = threading.Thread(target=producer)
t.start()

t = threading.Thread(target=consumer)
t.start()

t = threading.Thread(target=consumer2)