简述Python中的进程、线程、协程

进程、线程和协程之间的关系和区别也困扰我一阵子了，最近有一些心得，写一下。

进程拥有自己独立的堆和栈，既不共享堆，亦不共享栈，进程由操作系统调度。

线程拥有自己独立的栈和共享的堆，共享堆，不共享栈，线程亦由操作系统调度(标准线程是的)。

协程和线程一样共享堆，不共享栈，协程由程序员在协程的代码里显示调度。

进程和其他两个的区别还是很明显的。

协程和线程的区别是：协程避免了无意义的调度，由此可以提高性能，但也因此，程序员必须自己承担调度的责任，同时，协程也失去了标准线程使用多CPU的能力。

Python线程

定义：Threading用于提供线程相关的操作，线程是应用程序中工作的最小单元。

    #!/usr/bin/env python
    # -*- coding:utf-8 -*-
    import threading
    import time
    def show(arg):
    time.sleep(1)
    print 'thread'+str(arg)
    for i in range(10):
    t = threading.Thread(target=show, args=(i,))
    t.start()
    print 'main thread stop 

上述代码创建了10个"前台"线程，然后控制器就交给了CPU，CPU根据指定算法进行调度，分片执行指令。

更多方法：

•start 线程准备就绪，等待CPU调度

•setName 为线程设置名称

•getName 获取线程名称

•setDaemon 设置为后台线程或前台线程（默认）

如果是后台线程，主线程执行过程中，后台线程也在进行，主线程执行完毕后，后台线程不论成功与否，均停止

如果是前台线程，主线程执行过程中，前台线程也在进行，主线程执行完毕后，等待前台线程也执行完成后，程序停止

•join 逐个执行每个线程，执行完毕后继续往下执行，该方法使得多线程变得无意义

•run 线程被cpu调度后自动执行线程对象的run方法

线程锁

由于线程之间是进行随机调度，并且每个线程可能只执行n条执行之后，CPU接着执行其他线程。所以，可能出现如下问题:

    import threading
    import time
    gl_num = 0
    def show(arg):
    global gl_num
    time.sleep(1)
    gl_num +=1
    print gl_num
    for i in range(10):
    t = threading.Thread(target=show, args=(i,))
    t.start()

    print 'main thread stop' 

    import threading
    import time
    gl_num = 0
    lock = threading.RLock()
    def Func():
    lock.acquire()
    global gl_num
    gl_num +=1
    time.sleep(1)
    print gl_num
    lock.release()
    for i in range(10):
    t = threading.Thread(target=Func)
    t.start() 

event

python线程的事件用于主线程控制其他线程的执行，事件主要提供了三个方法 set、wait、clear。

事件处理的机制：全局定义了一个"Flag"，如果"Flag"值为 False，那么当程序执行 event.wait 方法时就会阻塞，如果"Flag"值为True，那么event.wait 方法时便不再阻塞。

•clear：将"Flag"设置为False

•set：将"Flag"设置为True

    #!/usr/bin/env python
    # -*- coding:utf-8 -*-
    import threading
    def do(event):
    print 'start'
    event.wait()
    print 'execute'
    event_obj = threading.Event()
    for i in range(10):
    t = threading.Thread(target=do, args=(event_obj,))
    t.start()
    event_obj.clear()
    inp = raw_input('input:')
    if inp == 'true':
    event_obj.set() 

Python 进程

    from multiprocessing import Process
    import threading
    import time
    def foo(i):
    print 'say hi',i
    for i in range(10):
    p = Process(target=foo,args=(i,))
    p.start() 

注意：由于进程之间的数据需要各自持有一份，所以创建进程需要的非常大的开销。

进程数据共享

进程各自持有一份数据，默认无法共享数据

    #!/usr/bin/env python
    #coding:utf-8
    from multiprocessing import Process
    from multiprocessing import Manager
    import time
    li = []
    def foo(i):
    li.append(i)
    print 'say hi',li
    for i in range(10):
    p = Process(target=foo,args=(i,))
    p.start()
    print ('ending',li) 

#方法一，Array

    from multiprocessing import Process,Array
    temp = Array('i', [11,22,33,44])
    def Foo(i):
    temp[i] = 100+i
    for item in temp:
    print i,'----->',item
    for i in range(2):
    p = Process(target=Foo,args=(i,))
    p.start()

#方法二：manage.dict()共享数据

    from multiprocessing import Process,Manager
    manage = Manager()
    dic = manage.dict()
    def Foo(i):
    dic[i] = 100+i
    print dic.values()
    for i in range(2):
    p = Process(target=Foo,args=(i,))
    p.start()
    p.join() 
    'c': ctypes.c_char, 'u': ctypes.c_wchar,
    'b': ctypes.c_byte, 'B': ctypes.c_ubyte,
    'h': ctypes.c_short, 'H': ctypes.c_ushort,
    'i': ctypes.c_int, 'I': ctypes.c_uint,
    'l': ctypes.c_long, 'L': ctypes.c_ulong,
    'f': ctypes.c_float, 'd': ctypes.c_double 

当创建进程时（非使用时），共享数据会被拿到子进程中，当进程中执行完毕后，再赋值给原值。

    #!/usr/bin/env python
    # -*- coding:utf-8 -*-
    from multiprocessing import Process, Array, RLock
    def Foo(lock,temp,i):
    """
    将第0个数加100
    """
    lock.acquire()
    temp[0] = 100+i
    for item in temp:
    print i,'----->',item
    lock.release()
    lock = RLock()
    temp = Array('i', [11, 22, 33, 44])
    for i in range(20):
    p = Process(target=Foo,args=(lock,temp,i,))
    p.start() 

进程池

进程池内部维护一个进程序列，当使用时，则去进程池中获取一个进程，如果进程池序列中没有可供使用的进进程，那么程序就会等待，直到进程池中有可用进程为止。

进程池中有两个方法：

•apply

•apply_async

    #!/usr/bin/env python
    # -*- coding:utf-8 -*-
    from multiprocessing import Process,Pool
    import time
    def Foo(i):
    time.sleep(2)
    return i+100
    def Bar(arg):
    print arg
    pool = Pool(5)
    #print pool.apply(Foo,(1,))
    #print pool.apply_async(func =Foo, args=(1,)).get()
    for i in range(10):
    pool.apply_async(func=Foo, args=(i,),callback=Bar)
    print 'end'
    pool.close()

pool.join()#进程池中进程执行完毕后再关闭，如果注释，那么程序直接关闭

协程

线程和进程的操作是由程序触发系统接口，最后的执行者是系统；协程的操作则是程序员。

协程存在的意义：对于多线程应用，CPU通过切片的方式来切换线程间的执行，线程切换时需要耗时（保存状态，下次继续）。协程，则只使用一个线程，在一个线程中规定某个代码块执行顺序。

协程的适用场景：当程序中存在大量不需要CPU的操作时（IO），适用于协程；

greenlet

    #!/usr/bin/env python
    # -*- coding:utf-8 -*-
    from greenlet import greenlet
    def test1():
    print 12
    gr2.switch()
    print 34
    gr2.switch()
    def test2():
    print 56
    gr1.switch()
    print 78
    gr1 = greenlet(test1)
    gr2 = greenlet(test2)
    gr1.switch() 

gevent

    import gevent
    def foo():
    print('Running in foo')
    gevent.sleep(0)
    print('Explicit context switch to foo again')
    def bar():
    print('Explicit context to bar')
    gevent.sleep(0)
    print('Implicit context switch back to bar')
    gevent.joinall([
    gevent.spawn(foo),
    gevent.spawn(bar),
    ]) 

遇到IO操作自动切换：

    from gevent import monkey; monkey.patch_all()
    import gevent
    import urllib2
    def f(url):
    print('GET: %s' % url)
    resp = urllib2.urlopen(url)
    data = resp.read()
    print('%d bytes received from %s.' % (len(data), url))
    gevent.joinall([
    gevent.spawn(f, 'https://www.python.org/'),
    gevent.spawn(f, 'https://www.yahoo.com/'),
    gevent.spawn(f, 'https://github.com/'),
    ]) 

以上所述是小编给大家介绍的Python中的进程、线程、协程的相关知识，希望对大家有所帮助！