Python编程进阶:轻松掌握多线程和多进程

2023-12-14 04:53:20

大家好,今天我们将讨论如何利用Python执行多线程和多进程任务。它们提供了在单个进程或多个进程之间执行并发操作的方法,并行和并发执行可以提高系统的速度和效率。在讨论多线程和多进程的基础知识之后,我们还将讨论使用Python库实现它们的实际方法。

首先简要讨论并行系统的好处:

  • 改进的性能:有了并发执行任务的能力,可以减少执行时间并提高系统的整体性能。

  • 可扩展性:可以将一个大任务分解为多个较小的子任务,并为它们分配独立的核心或线程,让它们独立执行。这在大规模系统中非常有用。

  • 高效的I/O操作:通过并发的帮助,CPU不必等待进程完成其I/O操作。CPU可以立即开始执行下一个进程,直到前一个进程忙于其I/O操作。

  • 资源优化:通过分割资源,可以防止单个进程占用所有资源。这可以避免较小进程的Starvation(饥饿)问题。

?1.多线程

多线程是在单个进程中实现并行性的一种方法,能够执行同时进行的任务。在单个进程内可以创建多个线程,并在该进程内并行执行较小的任务。单个进程中的线程共享一个公共内存空间,但它们的堆栈跟踪和寄存器是独立的。由于共享内存,它们的计算成本较低。

图片

单线程和多线程Env.

Python中的多线程主要用于执行I/O操作,即如果程序的某个部分正在执行I/O操作,则其余程序可以保持响应。然而在Python的实现中,由于全局解释器锁(GIL)的存在,多线程无法实现真正的并行性。

简而言之,GIL是一个互斥锁,一次只允许一个线程与Python字节码交互,即使在多线程模式下,一次也只能有一个线程执行字节码。

这样做是为了在CPython中保持线程安全,但它限制了多线程的性能优势。为了解决这个问题,Python有一个单独的多进程库,将在之后进行讨论。

不断在后台运行的线程称为守护线程,它们的主要工作是支持主线程或非守护线程。守护线程不会阻塞主线程的执行,甚至会在主线程执行完毕后继续运行。

在Python中,守护线程主要用作垃圾回收器。它会默认销毁所有无用的对象并释放内存,以便主线程可以正常使用和执行。

2.多进程

多进程用于执行多个进程的并行执行,它可以帮助实现真正的并行性,因为可以同时执行不同的进程,并且每个进程都拥有自己的内存空间。它使用CPU的独立核心,并且在执行进程间的数据交换时也很有帮助。

与多线程相比,多进程的计算成本更高,因为不使用共享内存空间。不过它允许进行独立执行,并克服了全局解释器锁的限制。

图片

多进程环境

上图展示了一个多进程环境,在该环境中,一个主进程创建了两个独立的进程,并为它们分配了不同的工作。

3.多线程实现

现在,我们使用Python实现一个基本的多线程示例。Python有一个内置的threading模块用于多线程实现。

3.1导入库:

import?threading
import?os

3.2计算平方的函数:

这是一个用于计算数字平方的简单函数,它接受一个数字列表作为输入,并输出列表中每个数字的平方,同时输出使用的线程名称和与该线程关联的进程ID。

def?calculate_squares(numbers):
????for?num?in?numbers:
????????square?=?num?*?num
????????print(
????????????f"Square?of?the?number?{num}?is?{square}?|?Thread?Name?{threading.current_thread().name}?|?PID?of?the?process?{os.getpid()}"
????????)

3.3主函数:

本示例有一个数字列表,将其平均分成两半,并分别命名为first_halfsecond_half,现在将为这些列表分配两个独立的线程t1t2

Thread函数创建一个新线程,该线程接受一个带有参数列表的函数作为输入,还可以为线程分配一个单独的名称。

.start()函数将开始执行这些线程,而.join()函数将阻塞主线程的执行,直到给定的线程完全执行完毕。

if?__name__?==?"__main__":
????numbers?=?[1,?2,?3,?4,?5,?6,?7,?8]
????half?=?len(numbers)?//?2
????first_half?=?numbers[:half]
????second_half?=?numbers[half:]

????t1?=?threading.Thread(target=calculate_squares,?name="t1",?args=(first_half,))
????t2?=?threading.Thread(target=calculate_squares,?name="t2",?args=(second_half,))

????t1.start()
????t2.start()

????t1.join()
????t2.join()

输出:

Square?of?the?number?1?is?1?|?Thread?Name?t1?|?PID?of?the?process?345
Square?of?the?number?2?is?4?|?Thread?Name?t1?|?PID?of?the?process?345
Square?of?the?number?5?is?25?|?Thread?Name?t2?|?PID?of?the?process?345
Square?of?the?number?3?is?9?|?Thread?Name?t1?|?PID?of?the?process?345
Square?of?the?number?6?is?36?|?Thread?Name?t2?|?PID?of?the?process?345
Square?of?the?number?4?is?16?|?Thread?Name?t1?|?PID?of?the?process?345
Square?of?the?number?7?is?49?|?Thread?Name?t2?|?PID?of?the?process?345
Square?of?the?number?8?is?64?|?Thread?Name?t2?|?PID?of?the?process?345

注意:上述创建的所有线程都是非守护线程。要创建守护线程,需要编写t1.setDaemon(True),将线程t1设置为守护线程。

现在来了解一下上述代码生成的输出结果,可以观察到两个线程的进程ID(即PID)保持不变,这意味着这两个线程属于同一个进程。

还可以观察到输出并非按顺序生成。第一行中可以看到是线程1生成的输出,然后在第三行是线程2生成的输出,接着在第四行,再次是线程1生成的输出,这清楚地表明这些线程是同时工作的。

并发并不意味着这两个线程并行执行,因为一次只有一个线程被执行。它不会减少执行时间,与顺序执行所需的时间相同。CPU开始执行一个线程,但在中途离开,并切换到另一个线程,过一段时间后,又回到主线程,并从上次离开的地方开始执行。

4.多进程实现

目前对多线程及其实现方式和限制已经有基本的了解。现在,是时候学习多进程的实现以及如何克服这些限制了。

在这里将沿用相同的示例,但不再创建两个独立的线程,而是创建两个独立的进程,并讨论观察结果。

4.1导入库:

from?multiprocessing?import?Process
import?os

本例将使用multiprocessing模块来创建独立的进程。

4.2计算平方的函数:

该函数将保持不变。只是在这里删除了有关线程信息的打印语句。

def?calculate_squares(numbers):
????for?num?in?numbers:
????????square?=?num?*?num
????????print(
????????????f"Square?of?the?number?{num}?is?{square}?|?PID?of?the?process?{os.getpid()}"
????????)

4.3主函数:

主函数有一些修改,只是创建了一个独立的进程,而不是线程。

if?__name__?==?"__main__":
????numbers?=?[1,?2,?3,?4,?5,?6,?7,?8]
????half?=?len(numbers)?//?2
????first_half?=?numbers[:half]
????second_half?=?numbers[half:]

????p1?=?Process(target=calculate_squares,?args=(first_half,))
????p2?=?Process(target=calculate_squares,?args=(second_half,))

????p1.start()
????p2.start()

????p1.join()
????p2.join()

输出:

Square?of?the?number?1?is?1?|?PID?of?the?process?1125
Square?of?the?number?2?is?4?|?PID?of?the?process?1125
Square?of?the?number?3?is?9?|?PID?of?the?process?1125
Square?of?the?number?4?is?16?|?PID?of?the?process?1125
Square?of?the?number?5?is?25?|?PID?of?the?process?1126
Square?of?the?number?6?is?36?|?PID?of?the?process?1126
Square?of?the?number?7?is?49?|?PID?of?the?process?1126
Square?of?the?number?8?is?64?|?PID?of?the?process?1126

可以观察到,每个列表都由一个独立的进程执行,它们具有不同的进程ID。为了检查进程是否已并行执行,需要创建一个单独的环境,下面我们将讨论这一点。

为了检查是否获得了真正的并行性,在这里将计算使用和不使用多进程的算法运行时间。

为此需要一个包含超过10^6个整数的大型整数列表,可以使用random库生成一个列表,此处将使用Python的time模块来计算运行时间。下面是实现的代码,代码本身很容易理解,也可以随时查看代码注释。

from?multiprocessing?import?Process
import?os
import?time
import?random

def?calculate_squares(numbers):
????for?num?in?numbers:
????????square?=?num?*?num

if?__name__?==?"__main__":
????numbers?=?[
????????random.randrange(1,?50,?1)?for?i?in?range(10000000)
????]??#?创建一个包含10^7个整数的随机列表。
????half?=?len(numbers)?//?2
????first_half?=?numbers[:half]
????second_half?=?numbers[half:]

????#?-----------------?创建单进程环境?------------------------#

????start_time?=?time.time()??#?开始计时(不使用多进程)

????p1?=?Process(
????????target=calculate_squares,?args=(numbers,)
????)??#?单进程P1执行整个列表
????p1.start()
????p1.join()

????end_time?=?time.time()??#?结束计时(不使用多进程)
????print(f"Execution?Time?Without?Multiprocessing:?{(end_time-start_time)*10**3}ms")

????#?-----------------?创建多进程环境?------------------------#

????start_time?=?time.time()??#?开始计时(使用多进程)

????p2?=?Process(target=calculate_squares,?args=(first_half,))
????p3?=?Process(target=calculate_squares,?args=(second_half,))

????p2.start()
????p3.start()

????p2.join()
????p3.join()

????end_time?=?time.time()??#?结束计时(使用多进程)
????print(f"Execution?Time?With?Multiprocessing:?{(end_time-start_time)*10**3}ms")

输出:

Execution?Time?Without?Multiprocessing:?619.8039054870605ms
Execution?Time?With?Multiprocessing:?321.70287895202637ms

可以观察到,使用多进程的时间几乎是不使用多进程时间的一半。这表明这两个进程在同一时间内并行执行,并展示了真正的并行性行为。

文章来源:https://blog.csdn.net/csdn1561168266/article/details/134984949
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。