python 多线程和多进程的区别 mutiprocessing theading

多线程可以共享全局变量，多进程不能。多线程中，所有子线程的进程号相同；多进程中，不同的子进程进程号不同。

 1 #!/usr/bin/python
 2 # -*- coding:utf-8 -*-
 3 import os
 4 import threading
 5 import multiprocessing
 6 count_thread = 0
 7 count_process = 0
 8 
 9 # worker function
10 def worker1(sign, lock):
11     global count_thread
12     lock.acquire()
13     count_thread += 1
14     print(sign, os.getpid())
15     lock.release()
16 
17 def worker2(sign, lock):
18     global count_process
19     lock.acquire()
20     count_process += 1
21     print(sign, os.getpid())
22     lock.release()
23 # Main
24 print('Main:',os.getpid())
25 
26 # Multi-thread
27 record = []
28 lock  = threading.Lock()
29 for i in range(5):
30     thread = threading.Thread(target=worker1,args=('thread',lock))
31     thread.start()
32     record.append(thread)
33 
34 for thread in record:
35     thread.join()
36 
37 # Multi-process
38 record = []
39 lock = multiprocessing.Lock()
40 for i in range(5):
41     process = multiprocessing.Process(target=worker2,args=('process',lock))
42     process.start()
43     record.append(process)
44 
45 for process in record:
46     process.join()
47 
48 
49 print count_thread
50 print count_process

View Code

运行结果

('Main:', 3142)
('thread', 3142)
('thread', 3142)
('thread', 3142)
('thread', 3142)
('thread', 3142)
('process', 3148)
('process', 3149)
('process', 3150)
('process', 3151)
('process', 3152)
5
0

应该尽量避免多进程共享资源。多进程共享资源必然会带来进程间相互竞争。而这种竞争又会造成race condition，我们的结果有可能被竞争的不确定性所影响。但如果需要，我们依然可以通过共享内存和Manager对象这么做。

1) 共享内存

用Python实现的例子:

 1 import multiprocessing
 2 
 3 def f(n, a):
 4     n.value   = 3.14
 5     a[0]      = 5
 6 
 7 num   = multiprocessing.Value('d', 0.0)
 8 arr   = multiprocessing.Array('i', range(10))
 9 
10 p = multiprocessing.Process(target=f, args=(num, arr))
11 p.start()
12 p.join()
13 
14 print num.value
15 print arr[:]

View Code

这里我们实际上只有主进程和Process对象代表的进程。我们在主进程的内存空间中创建共享的内存，也就是Value和Array两个对象。对象Value被设置成为双精度数(d), 并初始化为0.0。而Array则类似于C中的数组，有固定的类型(i, 也就是整数)。在Process进程中，我们修改了Value和Array对象。回到主程序，打印出结果，主程序也看到了两个对象的改变，说明资源确实在两个进程之间共享。

2）Manager

Manager对象类似于服务器与客户之间的通信 (server-client)，与我们在Internet上的活动很类似。我们用一个进程作为服务器，建立Manager来真正存放资源。其它的进程可以通过参数传递或者根据地址来访问Manager，建立连接后，操作服务器上的资源。在防火墙允许的情况下，我们完全可以将Manager运用于多计算机，从而模仿了一个真实的网络情境。下面的例子中，我们对Manager的使用类似于shared memory，但可以共享更丰富的对象类型。

 1 import multiprocessing
 2 
 3 def f(x, arr, l):
 4     x.value = 3.14
 5     arr[0] = 5
 6     l.append('Hello')
 7 
 8 server = multiprocessing.Manager()
 9 x    = server.Value('d', 0.0)
10 arr  = server.Array('i', range(10))
11 l    = server.list()
12 
13 proc = multiprocessing.Process(target=f, args=(x, arr, l))
14 proc.start()
15 proc.join()
16 
17 print(x.value)
18 print(arr)
19 print(l)

View Code

Manager利用list()方法提供了表的共享方式。实际上你可以利用dict()来共享词典，Lock()来共享threading.Lock(注意，我们共享的是threading.Lock，而不是进程的mutiprocessing.Lock。后者本身已经实现了进程共享)等。这样Manager就允许我们共享更多样的对象。

参考资料：

http://blog.csdn.net/zhaozhi406/article/details/8137670

http://www.xuebuyuan.com/1968817.html