并发编程

并发编程:多进程

进程创建的两种方式

#第一种
from multiprocessing import Process
import time
def func(name):(
    print(f'{name}子进程开始')
    time.sleep(1)
    print(f'{name}子进程结束')
if __name__=='__main__':
    times=time.time()
    x = Process(target=func,args('宋',))   #里面一定要放元组
    x.start()              #启动进程,并调用该子进程中的x.run()
    time.sleep(1)      #x.run()调用target制定的函数,启动进程运行的方法
    print('主进程启动')
    print(f'{time.time()-times}')
#第二种
from multiprocessing import Process
import time
class A(Process):    #父类一定是Process
    def __init__(self,name):
    self.name=name
    super().__init__()
	def run(self):       #一定要有run方法!!!!!!
    	print(f'{self.name}子进程开始')
    	time.sleep(1)
    	print(f'{self.name}子进程结束')
if __name__=='__main__':
    times=time.time()
    x=A('宋',)
    x.start()          #只是想操作系统发憷一个开辟子进程的信号,执行下一行,信号接收到了,会在内存总开辟一个进程空间,然后再讲主进程所有数据copy加载到子进程,然后在调用CPU去执行,开辟子进程开销是很大的
    time.sleep(1)
   	print(f'{time.time()-times}主进程开启')
    #所以永远会先执行主进程的代码
    
    
x.terminate()  #强制终止进程x 不会进行任何清理操作 
x.is_alive()   #判断进程是不是还活着
x.join()   #主进程等待执行完子进程以后再执行主进程
x.daemon() #默认值为Flase 代表x为后台运行的守护进程
x.name  #查看进程的名称
x.pid #进程的pid

注意:在Windows中process()必须放到if __name__=='__main__'下

获取进程pid

import os
import time
print(f'子进程:{os.getpid()}')
print(f'主进程:{os.getppid()}')

1566351108003

验证进程之间的空间

进程与进程之间是有物理隔离，不能共享内存的数据（lock,队列）

from multiprocessing import Process
import time
import os
name='song'
def task():
    global name
    name='111'
    print(f'{name}')
if __name__=='__main__':
    p.Process(target=task)
    p.start()
    time.sleep(2)
    print(f'主开始{name}')


from multiprocessing import Process
import time
import os
lst=[11,22,33]
def task():
    global name
    name.append(44)
    print(f'{lst}')
if __name__=='__main__':
    p.Process(target=task)
    p.start()
    time.sleep(2)
    print(f'主开始{lst}')
#可变不可变都会隔离

join

#join就是主进程先让子进程执行结束,再执行主进程
from multiprocessing import Process
import time
def func(name):
    print(f'{name} is running')
    time.sleep(1)
    print(f'{name} is out')
if __name__ == '__main__':
	p = Process(target=task,args=('song',))  # 创建一个进程对象
	p.start()
	p.join()
	print('==主开始')
#多个子进程使用join
from multiprocessing import Process
import time
def func(name,s):
    print(f'{name}开始')
    time.sleep(s)
    print(f'{name}结束')
def func1(name,s):
    print(f'{name}开始')
    time.sleep(s)
    print(f'{name}结束')
def func2(name,s):
    print(f'{name}开始')
    time.sleep(s)
    print(f'{name}结束')
if __name__ == '__main__':
    times=time.time()
    li=[]
    for i  in range(1,4):
        x = Process(target=func,args=('song',i))
        x.start()
        li.append(x)
#
    for i in li:
        i.join()
    print('主进程开始')
    x=Process(target=func,args=('宋',3))
    x1=Process(target=func,args=('李',2))
    x2=Process(target=func,args=('王',1))
    x.start()
    x1.start()
    x2.start()
    #
    x.join()
    print(f'{time.time()-times}')
    x1.join()
    print(f'{time.time()-times}')
    x2.join()
    print(f'主进程开启{time.time()-times}')

.代码优化

from multiprocessing import Process
import time
def func(name,s):
    print(f'{name}开始')
    time.sleep(s)
    print(f'{name}结束')
if __name__ == '__main__':
    times=time.time()
    li=[]
    for i  in range(1,4):
        x = Process(target=func,args=('song',i))
        x.start()
        li.append(x)
    for i in li:
        i.join()
        print('主进程开始')

进程的其他参数

x.terminate()   #杀死子进程
x.join()        #先执行子进程,后执行主进程
print(x.is_alive())   #判断进程还在不在 


# from multiprocessing import Process
# import time
#
# def task(name):
#     print(f'{name} is running')
#     time.sleep(2)
#     print(f'{name} is gone')
#
#
#
# if __name__ == '__main__':
#     # 在windows环境下, 开启进程必须在 __name__ == '__main__' 下面
#     # p = Process(target=task,args=('常鑫',))  # 创建一个进程对象
#     p = Process(target=task,args=('常鑫',),name='alex')  # 创建一个进程对象
#     p.start()
#     # time.sleep(1)
#     # p.terminate()  # 杀死子进程  ***
#     # p.join()  # ***
#     # time.sleep(0.5)
#     # print(p.is_alive())   # ***
#     # print(p.name)
#     p.name = 'sb'
#     print(p.name)
#     print('==主开始')

守护进程

#子进程守护主进程,只要结束主进程,子进程也随之结束
x.daemon=True

from multiprocessing import Process
import time
def func(name):
    print(f'{name}开始')
    time.sleep(1)
    print(f'{name}结束')
if __name__ == '__main__':
    x.Process(target=func,args('song'))
    x.daemon=True   #在发送信号之前开启 守护进程，将X子进程设置成守护进程，只要主进程结束，守护进程马上结束
    x.start()
    x.join()
    print('666主进程开始')

僵尸进程与孤儿进程(面试会问)

基于unix环境(Linux,macOS)
- 主进程需要等待子进程结束之后,主进程才结束

主进程时刻监测子进程的运行状态,当子进程结束之后,一段时间之内,将子进程进行回收/

为什么主进程不在子进程结束会对其马上回收?
- 主进程与子进程是异步关系,主进程无法马上捕获子进程什么时候结束
- 如果子进程结束之后马上在内存中释放资源,主进程就没办法监测子进程的状态了
Unix针对于上面的问题,提供了一个机制

所有的子进程结束之后,立马回释放掉文件的操作链接,内存的大部分数据,会保留一些内容,进程号,结束时间,运行状态,等待主进程监测,回收
僵尸进程:所有的子进程结束之后,在准备回收之前,都会进入僵尸进程状态
僵尸进程有危害:如果父进程不对僵尸进程进行回收(wait//waitpid),产生大量的僵尸进程,这样就会占用内存,占用进程pid号
孤儿进程:父进程由于某种原因结束了,但是你的子进程还在运行中,这样你的这些子进程就成了孤儿进程,.你的父进程如果结束了.你的所有的孤儿进程就会被inIT进程回收,init就变成了你的父进程,对孤儿进程进行回收
僵尸进程如何解决::::

父进程产生了大量的子进程,但是不回收,这样就会形成大量的僵尸进程,解决方式就是直接杀死父进程将所有的僵尸进程变成孤儿进程然后init进行照顾,由init进程进行回收

互斥锁

三个同事,同时用一个打印机打印内容
模拟三个进程模仿三个同事,输出平台模拟打印机
from multiprocessing import Process
import time,random
def func1(name):
    print(f'{name}开始')
    time.sleep(random.randint(1, 3))
    print(f'{name}结束')
def func2(name):
    print(f'{name}开始')
    time.sleep(random.randint(1, 3))
    print(f'{name}结束')
def func3(name):
    print(f'{name}开始')
    time.sleep(random.randint(1, 3))
    print(f'{name}结束')
if __name__ == '__main__':
    x1=Process(target=func1,args=('宋',))
    x2=Process(target=func2,args=('佳',))
    x3=Process(target=func3,args=('凡',))
    x1.start()
    x2.start()
    x3.start()
#并发的抢占打印机
#并发效率优先,但是不是顺序优先
#多个进程共枪一个资源,需要保证顺序,一个一个来  串行


版本二 加join 变成串行,但是这个顺序是固定的,


版本三
from multiprocessing import Process,Lock
import time,random
def func1(lock,name):
    lock.acquire()
    print(f'{name}开始')
    time.sleep(random.randint(1,3))
    print(f'{name}结束')
    lock.release()
def func2(lock,name):
    lock.acquire()
    print(f'{name}开始')
    time.sleep(random.randint(1,3))
    print(f'{name}结束')
    lock.release()
def func3(lock,name):
    lock.acquire()
    print(f'{name}开始')
    time.sleep(random.randint(1,3))
    print(f'{name}结束')
    lock.release()
if __name__ == '__main__':
    lock=Lock()
    x1=Process(target=func1,args=(lock,'宋',))
    x2=Process(target=func2,args=(lock,'佳',))
    x3=Process(target=func3,args=(lock,'凡',))
    x1.start()
    x2.start()
    x3.start()
#保证了顺序,保证了先到先得的原则,串行

1566376485378

join和lock的区别

共同点:都可以阻塞,都可以把并发变成并发,保证了顺序
不同点:join是人为的设定顺序,lock让其争抢顺序,保证了公平性

进程之间的通信:

进程在内存级别是隔离的,但是文件在磁盘上

基于文件通信

抢票系统
#思路分析:先可以查票,查询剩余票数  并发 都可以查
#购买,向服务器发送请求,服务端接受,在后端将票数修改,返回给前端,串行 一个一个的买
from multiprocessing import Process,Lock
import os,time,random,json
def search():
    time.sleep(random.randint(1,3))
    with open('song.json','r',encoding='utf-8')as f:
        dic=json.load(f)
        print(f'{os.getpid()}查看了票,还剩{dic["count"]}张票')
def buy():
    with open('song.json','r',encoding='utf-8')as f1:
        dic=json.load(f1)
        if dic['count']>0:
            dic['count']-=1
            time.sleep(random.randint(1,3))
            with open('song.json','w',encoding='utf-8')as f2:
                json.dump(dic,f2)
                print(f'{os.getpid()}购票成功')
def run(lock):
    search()
    lock.acquire()
    buy()
    lock.release()
if __name__ == '__main__':
    lock=Lock()
    for i in range(6):
        x= Process(target=run,args=(lock,))
        x.start()
#当多个进程共枪一个数据时,保证数据安全,必须加锁和串行
#互斥锁  可以公平的保证顺序的问题 以及数据的安全
#基于文件的进程之间的通信
	效率低
    自己加锁麻烦而且很容易出现死锁

基于队列通信

1566377791348

from multiprocessing import Queue
q=Queue(3)    #里面可以限制最大有几个

def func():
	print(1)

q.put(1)    #往队列里面放入1
q.put('adfadf')
q.put(func)     '啥也能放'

q.get()
q.get()
print(q.get())      '一般放几个就取几个'
print(q.get(timeout=3))  #阻塞三秒,给他计时,三秒之后还阻塞就主动抛出错误  
 
队列:把队列理解成一个容器,这个容器可以承载一些数据
    特性:先进先出 永远保持这个数据,FIFO  羽毛球筒
#如果队列里面是限制三个数据 要是放四个数据 或是取四个数据 会阻塞
#解除阻塞 在别的进程里面取出来 或者添加
print(q.get(block=False))   #只要遇到阻塞就会报错
print(q.get(timeout=2))
q.put(3,block=False) 
q.put(3,timeout=2)    都报错

基于管道通信

线程

生产者与消费者模型

from multiprocessing import Process,Queue
import time,random

def producer(q,name):
    for i in range(1,6):
        ret=f'第{i}个包子'
        q.put(ret)
        print(f'生产者:{name},生产的{ret}')
def consumer(q,name):
    while 1:
        try:
            s1=q.get(timeout=2)
            time.sleep(random.randint(1,3))
            print(f'消费者:{name},吃了{s1}')
        except Exception:
            return
if __name__=='__main__':
    q=Queue()
    x=Process(target=producer,args=(q,'宋'))
    x1=Process(target=consumer,args=(q,'李'))
    x.start()
    x1.start()

生产者消费者模型:编程思想,设计理念,理论等等,都是交给你一种编程的方法,以后遇到类似的情况,套用即可

生产者消费者模型三要素:

生产者:产生数据的

消费者:接受数据做进一步处理

容器:队列

队列容易起到的作用:起到缓冲作用,平衡生产力和消费力 ,解耦

线程的理论知识

1.什么是线程
	是一条流水线的工作流程
    进程:在内存中开启一个进程空间,然后将主进程的所有资源数据复制一份,然后调用CPU去执行这些代码
     开启一个进程:在内存中开启一个进程空间,然后将主进程的所有资源数据复制一份,然后调用线程去执行代码
        进程是资源单位,线程是执行单位

1566483480160

如何正确描述开启一个进程

开启一个进程:进程会在内存,中开辟一个进程空间,将主进程的资源数据去复制一份,线程会执行里面的代码

进程vs线程:

开启进程的开销非常大,比开启线程的开销大很多

开启线程的速度非常快,要比进程快几十上百倍

from threading import Thread
# from multiprocessing import Process
# import os
#
# def work():
#     print('hello')
#
# if __name__ == '__main__':
#     #在主进程下开启线程
#     t=Process(target=work)
#     t.start()
#     print('主线程/主进程')




# 多线程
# from threading import Thread
# import time
#
# def task(name):
#     print(f'{name} is running')
#     time.sleep(1)
#     print(f'{name} is gone')
#
#
#
# if __name__ == '__main__':
#
#     t1 = Thread(target=task,args=('海狗',))
#     t1.start()
#     print('===主线程')  # 线程是没有主次之分的.

线程线程之间可以共享数据,进程与进程之间之间需要借助队列等办法实现通信

# from threading import Thread
# import os
#
# x = 3
# def task():
#     global x
#     x = 100
#
# if __name__ == '__main__':
#
#     t1 = Thread(target=task)
#     t1.start()
#     t1.join()
#     print(f'===主线程{x}')

# 同一进程内的资源数据对于这个进程的多个线程来说是共享的.

线程的应用:

并发:一个CPU看起来像是同时执行多个任务
单个进程开启三个线程,并发的执行任务
开启三个进程并发的执行任务
文本编辑器:
1. 输入而文字
2. 子啊屏幕上显示
3. 保存在磁盘中
开启多线程就非常好了:数据共享,开销小,速度快
主线程子线程没有地位之分,但是一个进程谁在干活.:一个主线程在干活,当干完活了你需要等待其他线程干完活之后,才能结束本进程

开启线程的两种方式

#第一种
from threading import Thread
import time 
def func():
    print('子线程开')
    time.sleep(1)
    print('子线程关')
if __name__=='__main__':
    x=Thread(target=func)
    x.start()
    print('主线程开')
#一般是子线程先开再开主线程

#第二种
from threading import Thread
import time
class A(Thread):
    def __init__(self,name):
        super().__init__()
        self.name=name
	def run(self):        #必须要有run这个方法
        print('子线程开')
        time.sleep(1)
        print('子线程关')
x=A('song')             #可以不写__name__=='__main__'
x.start()
print('主线程开')

线程其他方法(了解

from threading import Thread,enumerate,activeCount,CurrentThread
import time,os,random
def func():
    print(666)
if __name__ == '__main__=':
    x=Thread(target=func)
    x.start()
    print(x.name)    #查询name属性  父类中是 Thread-1
    x.steName('song')    #添加name属性或者修改name属性
    print(x.getname())   #查获name属性
    print(x.isAlive)     #返回线程是否活动的
    print(currentThread())   #返回当前的线程变量
    print(enumernate())     #返回一个包换正在运功的线程列表list 线程启动后,结束前
    print(activecount())  #返回正在运行的线程数量
    
 #主线程等待子线程结束   
from threading import Thread
import time
def sayhi(name):
    time.sleep(2)
    print('%s say hello' %name)

if __name__ == '__main__':
    t=Thread(target=sayhi,args=('egon',))
    t.start()
    t.join()
    print('主线程')
    print(t.is_alive())
    '''
    egon say hello
    主线程
    False
    '''

join与守护线程(考点)

#join  阻塞 告知主线程要等待子线程执行完毕后再执行主线程

from threading import Thread
import time
#
def task(name):
    print(f'{name} is running')
    time.sleep(1)
    print(f'{name} is gone')
#
#

if __name__ == '__main__':
    start_time = time.time()
    t1 = Thread(target=task,args=('海狗',))
    t2 = Thread(target=task,args=('海狗1',))
    t3 = Thread(target=task,args=('海狗2',))
#
    t1.start()
    t1.join()
    t2.start()
    t2.join()
    t3.start()
    t3.join()
    print(f'===主线程{time.time() - start_time}')  # 线程是没有主次之分的.
    
$$$$守护线程
from multiprocessing import Process
import os,time,random 
def func():
    print('子进程开')
    time.sleep(1)
    print('子进程罐')
def foo():
    print('1  kai')
    time.sleep(1)
    print('1  guan')
if __name__=='__main__':
    x=Process(target=func)
    x1=Process(target=foo)
    x.daemon=True
    x.start()
    x1.start()
    time.sleep(1)      #注意没有睡眠一秒 就会直接不执行x子进程
    print('主进程开')
$$$$守护线程
from threading import Thread
import time
def func(name):
    print('zou')
    time.sleep(2)
    print('gunle')
if __name__ == '__main__':
    x=Thread(target=func,args=('宋',))
    x1=Thread(target=func,args=('反',))
    x1.daemon=True
    x.start()
    x1.start()
    print('主线程开')
#主线程什么时候结束:
非守护进程与主线程结束之后,再结束

互斥锁(线程考点)

from threading import Thread
import time
import random
x = 10

def task():
    time.sleep(random.randint(1,2))
    global x
    temp = x
    time.sleep(random.randint(1, 3))
    temp = temp - 1
    x = temp
if __name__ == '__main__':
    l1 = []
    for i in range(10):
        t = Thread(target=task)
        l1.append(t)
        t.start()

    for i in l1:
        i.join()
    print(f'主线程{x}')
    #多个任务共抢一个数据,保证数据的安全的目的,要让其串行
    
from threading import Thread
from threading import Lock
import time
import random
x = 100

def task(lock):

    lock.acquire()
    # time.sleep(random.randint(1,2))
    global x
    temp = x
    time.sleep(0.01)
    temp = temp - 1
    x = temp
    lock.release()


if __name__ == '__main__':
    mutex = Lock()
    l1 = []
    for i in range(100):
        t = Thread(target=task,args=(mutex,))
        l1.append(t)
        t.start()

    time.sleep(3)
    print(f'主线程{x}')

死锁现象递归锁(RLock

from threading import Thread,Lock
import time
locka=Lock()
lockb=Lock()
class A(Thread):
    def run(self):
        self.f1()
        self.f2()
    def f1(self):
        locka.acquire()
        print(f'{self.name}拿到a')
        lockb.acquire()
        print(f'{self.name}拿到b')
        locka.release()
        lockb.release()
    def f2(self):
        lockb.acquire()
        print(f'{self.name}拿到b')
        time.sleep(0.1)
        locka.acquire()
        print(f'{self.name}拿到a')
        lockb.release()
        locka.release()
if __name__ == '__main__':
    for i in range(3):
        x = A()
        x.start()

1566551175238

解决死锁用递归锁就可以,递归锁有一个计数功能,上锁加1,解锁-1

只要递归锁上面的数字不为零,其他线程就不能抢锁

from threading import Thread,RLock
import time
locka=lockb=RLock()
class A(Thread):
    def run(self):
        self.f1()
        self.f2()
    def f1(self):
        locka.acquire()
        print(f'{self.name}拿到a')
        lockb.acquire()
        print(f'{self.name}拿到b')
        locka.release()
        lockb.release()
    def f2(self):
        lockb.acquire()
        print(f'{self.name}拿到b')
        time.sleep(0.1)
        locka.acquire()
        print(f'{self.name}拿到a')
        lockb.release()
        locka.release()
if __name__ == '__main__':
    for i in range(3):
        x = A()
        x.start()
#   RLock  递归锁使用方法 locka=loakb=RLock()
$$$递归锁可以解决死锁现象,业务需要多个锁时,要先考虑递归锁

信号量(Semaphore)

也是一种锁,控制并发数量

from threading import Thread,Semaphore,currentThread
import time ,random
s=Semaphore(5)   #Semaphore  赋值一个变量 限制分次数,然后用这个带上锁
def func():
    s.acquire()
    print(f'{currentThread().name}厕所ing')
    time.sleep(random.randint(1,3))
    s.release()
if __name__ == '__main__':
    for i in range(10):
        x=Thread(target=func,)
        x.start()

GIL全局解释器锁

1566552371631

理论上来说,单个进程的多线程可以利用多核,但是开发cpython解释器的程序员,给进入解释器的线程加了锁

1566552452215

为什么加锁,优缺点

当时都是单核时代,而且CPU价格非常贵,

如果不加全局解释器锁,开发cpython解释器的程序员就会在源码内部各种主动加锁,解锁,非常麻烦,各种死锁现象,为了省事,直接进入解释器时给线程加了一个锁

优点:保证了cpython解释器的数据资源的安全

缺点:单个进程的多线程不能利用多核

jpython以及pypy没有GIL锁

多核时代,将GIL锁去掉可以吗?

因为cpython解释器的所有的业务逻辑都是围绕着单个线程实现的,去掉这个GIL锁,几乎不可能

1566552695304

单个进程的多线程可以并发,但是不能利用多核,不能并行

多个进程可以并行,并发

GIL与Lock锁的区别

相同点:都是同种锁,互斥锁

不同点:GIL全局解释器锁,保护解释器内部的资源数据的安全

GIL锁,上锁释放无需手动操作

自己代码中定义的互斥锁保护进程中的资源数据的安全

自己定义的互斥锁必须自己手动上锁,释放锁

1566554494992

io计算密集型

io密集型

1566553126583

#io密集型:单个进程的多线程合适 并发执行

计算密集型

1566553143861

计算密集型:适合多进程的并行

验证io计算密集型

from threading import Thread
from multiprocessing import Process
import time,random
# 计算密集型:单个进程的多线程并发vs进程的并发执行
def  func():
    count=0
    for i in range(100000000):
        count+=1
if __name__ == '__main__':
    times=time.time()
    lst=[]
    for i in range(4):
        x=Process(target=func)
        lst.append(x)
        x.start()
    for i in lst:
        i.join()
    print(f'{time.time()-times}')        #17.108332633972168


if __name__ == '__main__':
    times=time.time()
    lst=[]
    for i in range(4):
        x=Thread(target=func)
        lst.append(x)
        x.start()
    for i in lst:
        i.join()
    print(f'{time.time()-times}')      #30.25704336166382
 总结:计算密集型,还是用多进程的并发效率高(前提是数据比较大   

#io密集型
# io密集型  单个进程的多线程并发vs多个进程的并发并行
from threading import Thread
from multiprocessing import Process
import time,random
def func():
    count=0
    time.sleep(random.randint(1,3))
    count+=1
if __name__ == '__main__':
    times=time.time()
    li=[]
    for i in range(4):
        x=Process(target=func)
        li.append(x)
        x.start()
    for i in li:
        i.join()
    print(f'{time.time()-times}')        #多进程3.244175910949707

if __name__ == '__main__':
    times=time.time()
    li=[]
    for i in range(4):
        x=Thread(target=func)
        li.append(x)
        x.start()
    for i in li:
        i.join()
    print(f'{time.time()-times}')       #多线程2.002326250076294
计算io密集型的还是用多线程的并发合适效率高

多线程实现socket通信

无论是多线程还是多进程,如果按照上面的写法,来一个
客户端请求,我就开一个线程,来一个请求开一个线程,
应该是这样: 你的计算机允许范围内,开启的线程进程数
量越多越好

#服务端
import socket,time
from threading import Thread
def foo(conn,addr):
    while 1:
        try:
            s=conn.recv(1024).decode('utf-8')
            print(f'{addr[1]}{s}')
            time.sleep(1)
            s1=input('<<<<').strip().encode('utf-8')
            conn.send(s1)
        except Exception:
            break
    conn.close()
def func():
    server = socket.socket()
    server.bind(('127.0.0.1', 8848))
    server.listen(5)
    while 1:
        conn, addr = server.accept()
        x=Thread(target=foo,args=(conn,addr))
        x.start()
if __name__ == '__main__':
    func()
    
#客户端
import socket
client=socket.socket()
client.connect(('127.0.0.1',8890))
while 1:
    s=input('<<<<').strip().encode('utf-8')
    client.send(s)
    s1=client.recv(1024).decode('utf-8')
    print(f'{s1}')
client.close()

进程池,线程池(ProcessPoolExecutor,ThreadPoolExecutor)

线程池:一个容器,这个容器限制住你开启线程的数量,比如四个,第一次肯定只能并发的处理四个任务,只要有任务完成,线程马上就会接下一个任务.以时间换空间
	#默认进程池,是你的计算机cpu核数 
	#默认线程池 是你的计算机CPU核数 *5  乘5
    #查看cpu核数 import  os
	#			print(os.cpu_count())

from concurrent.futures import ProcessPoolExecutor,ThreadPoolExecutor
import os,time,random
print(os.cpu_count())   #查看计算机核数
def func():
    print(f'{os.getpid()}接客')
    time.sleep(random.randint(1,2))
if __name__ == '__main__':           #进程池(并行+并发
    p=ProcessPoolExecutor()   # 默认不写,进程池里面的进程数与cpu个数相等
    for i in range(5):
        p.submit(func,)

if __name__ == '__main__':           #线程池(并发
    p=ThreadPoolExecutor(3)      # 默认不写, cpu个数*5 线程数
    p.submit(func)
    p.submit(func)
    p.submit(func)
    p.submit(func)
    p.submit(func)
    p.submit(func)