2019-02-19多线程&多进程(上)
大学的时候面试,时常被问到线程和进程的区别。时至今日,碰到爬虫中正好也要运用,再拿出来梳理一波。
首先明确一些概念:
- 计算机的核心是CPU,承担了所有的计算任务。一个CPU,在一个时间切片里只能运行一个程序。
- 一个cpu一次只能执行一个进程,其它进程处于非运行状态。
- 进程:表示程序的一次执行(打开、执行、保存...),一个进程可以包含多个线程。
- 线程:进程执行程序时候的最小调度单位,执行a,执行b...)。
- 每个进程都有自己独立的内存空间,不同进程之间的内存空间不共享。
- 单个进程的内存空间是共享的,每个进程里的线程共享进程的内存空间,通讯效率高,切换开销小。
- 一条线程指的是进程中一个单一顺序的控制流。
- 一个线程在使用这个共享空间的时候,其它的线程必须等待(阻塞状态)。
- 协程:又称微线程,在单线程上执行多个任务,用函数切换,开销极小。不通过操作系统调度,没有进程、线程的切换开销。
- python的多进程适用于大量的密集并行计算。
- cpu密集型:cpu使用率较高(一些复杂计算或者逻辑处理过程)。
- 多进程缺陷:多个进程之间通信成本高,切换开销大。
- python的多线程适用于大量密集的I/O处理(网络 - I/O,磁盘I/O,数据库I/O--读写文件、在网络间通信、以及与显示器等设备相交互等)
- 程序中会存在大量I/O操作占据时间,导致线程空余时间出来。
- 多线程缺陷:同一个时间切片只能运行一个线程,不能做到高并行,但是可以做到高并发。共享内存意味着竞争,导致数据不安全,为了保护内存空间的数据安全,引入"互斥锁 "。
- 并行:多个CPU核心,不同的程序就分配给不同的CPU来运行。可以让多个程序同时执行。
- 并发:单个CPU核心,在一个时间切片里一次只能运行一个程序,如果需要运行多个程序,则交替执行。
- GIL(Global Interpreter Lock全局解释器锁)
- python为什么不能发挥多核cpu的优势,主要就是因为GIL。GIL就像是一个通行证,拿到通行证的线程就可以进入CPU执行任务。没有GIL的线程就不能执行任务。宏观看来,其也是一把互斥锁,控制了一个进程中同一时刻只能有一个线程在执行。因为在python的字节码解释器执行程序的时候,必须是协调一致的,不能允许其他线程打断,否则会破坏解释器的状态。
- 互斥锁
- python解释器会给每个线程都分配大致相等的处理器时间,由于GIL并不会保护开发者自己写的代码,所以当代码中需要某些原子操作的时候,就要自行添加互斥锁,保证一个线程在操作数据结构时,不被其他线程干扰,而破坏了数据结构的一致性。
- Python 在 threading 模块中提供了最简单、最有用的工具:Lock 类,该类相当于互斥锁。在开发中我们可以使用互斥锁来保护某个对象,使得在多线程同时访问某个对象的时候,不会将该对象破坏。
下面来看看python中如何实现多线程和多进程。
多线程
threading模块介绍:它是python中专门提供用来做多线程编程的模块。
threading模块中最常用的类是Thread,包含以下方法:
方法 | 说明 |
---|---|
start() | 线程准备就绪,等待CPU调度 |
join() | 逐个执行每个线程,执行完毕后继续往下执行 |
run() | 线程被调度后会执行该方法,如果想自定义线程类,需要重写run()方法 |
is_alive() | 返回线程是否在运行 |
setName() | 为线程设置名称 |
getName() | 获取线程名称 |
setDaemon() | 设置为守护线程 |
1. 线程的普通创建方式
主线程不会等待子线程执行完再结束。(计算花费时间时,主线程已经结束)
import threading
import time
def coding():
for x in range(3):
print('%s正在写代码' % x)
time.sleep(1)
def drawing():
for x in range(3):
print('%s正在画图' % x)
time.sleep(1)
def single_thread():
coding()
drawing()
def multi_thread():
t1 = threading.Thread(target=coding)
t2 = threading.Thread(target=drawing)
t1.start()
t2.start()
if __name__ == '__main__':
start_time = time.time()
single_thread()
print('花费的时间为:',time.time() - start_time)
print('--'*10)
start_time = time.time()
multi_thread()
print('花费的时间为:',time.time() - start_time)
输出为:
0正在写代码
1正在写代码
2正在写代码
0正在画图
1正在画图
2正在画图
花费的时间为: 6.004063367843628
--------------------
0正在写代码
0正在画图
花费的时间为: 0.011080503463745117
1正在写代码
1正在画图
2正在写代码
2正在画图
2. 自定义线程类
为了让线程代码更好的封装。可以使用threading模块下的Thread类,继承自threading.Thread这个类,然后实现run方法,线程就会自动运行run方法中的代码。
import threading
import time
class CodingThread(threading.Thread):
def run(self):
for x in range(3):
print('%s正在写代码' % threading.current_thread())
time.sleep(1)
class DrawingThread(threading.Thread):
def run(self):
for x in range(3):
print('%s正在画图' % threading.current_thread())
time.sleep(1)
def multi_thread():
t1 = CodingThread()
t2 = DrawingThread()
t1.start()
t2.start()
if __name__ == '__main__':
multi_thread()
3. 计算子线程执行的时间
主线程不会等待子线程执行完毕再结束自身。可以使用Thread类的join()方法来使得子线程执行完毕以后,主线程再关闭。
import threading
import time
def coding():
for x in range(3):
print('%s正在写代码' % x)
time.sleep(1)
def drawing():
for x in range(3):
print('%s正在画图' % x)
time.sleep(1)
def single_thread():
coding()
drawing()
def multi_thread():
t1 = threading.Thread(target=coding)
t2 = threading.Thread(target=drawing)
t1.start()
t1.join()
t2.start()
t2.join()
if __name__ == "__main__":
start_time = time.time()
multi_thread()
print('花费的时间为:',time.time() - start_time)
输出:
0正在写代码
1正在写代码
2正在写代码
0正在画图
1正在画图
2正在画图
花费的时间为: 6.0084145069122314
4. 守护线程
线程的setDaemon(True)将线程变成主线程的守护线程,意思是当主进程结束后,子线程也会随之退出。意味着当主线程结束后,程序就结束了。
import threading
import time
def coding():
for x in range(3):
print('%s正在写代码' % x)
time.sleep(1)
def drawing():
for x in range(3):
print('%s正在画图' % x)
time.sleep(1)
def single_thread():
coding()
drawing()
def multi_thread():
t1 = threading.Thread(target=coding)
t2 = threading.Thread(target=drawing)
t1.setDaemon(True)
t1.start()
t2.setDaemon(True)
t2.start()
if __name__ == "__main__":
start_time = time.time()
multi_thread()
print('花费的时间为:',time.time() - start_time)
输出:
0正在写代码
0正在画图
花费的时间为: 0.0030105113983154297
5. GIL(全局解释器锁)
在Python的运行环境中,无论电脑是单核还是双核,操作系统同时只会执行一个线程。究其原因,是因为GIL(全局解释器锁)。
在Python中,一个线程要想要执行,必须要先拿到GIL。可以吧GIL想象成一个“通行证”,并且在一个进程中,GIL只有一个。没有通行证的线程就不会被执行。
Python多线程的工作过程:
- 拿到公共数据
- 申请GIL
- Python解释器调用os的原生线程
- os操作CPU执行运算
- 当该线程的执行时间到了之后,无论是否执行完,GIL被释放
- 其他线程重复上面的操作
- 其他进程执行完成后,切换到原来的线程(从记录的上下文继续执行)
6. 线程锁(Lock,RLock)
多线程都是在同一个进程中运行的。因此在进程中的全局变量所有线程都是可共享的。这就造成了一个问题,因为线程执行的顺序是无序的。当多个线程同时修改同一条数据时可能会出现脏数据。例如:
import threading
tickets = 0
def get_ticket():
global tickets
for x in range(1000000):
tickets += 1
print('tickets:%d'%tickets)
def main():
for x in range(2):
t = threading.Thread(target=get_ticket)
t.start()
if __name__ == '__main__':
main()
输出:
tickets:1150827
tickets:1227635
-
互斥锁(Lock)
为了解决以上使用共享全局变量的问题。threading提供了一个Lock类(互斥锁),这个类可以在某个线程访问某个变量的时候加锁,其他线程此时就不能进来,直到当前线程处理完后,把锁释放了,其他线程才能进来处理。示例代码如下:
import threading
tickets = 0
gLock = threading.Lock()
#使用acquire/release
def get_ticket():
global tickets
gLock.acquire()
for x in range(1000000):
tickets += 1
gLock.release()
print('tickets:%d'%tickets)
#使用with lock(效果与上相同)
'''def get_ticket():
global tickets
with gLock:
for x in range(1000000):
tickets += 1
print('tickets:%d'%tickets)'''
def main():
for x in range(2):
t = threading.Thread(target=get_ticket)
t.start()
if __name__ == '__main__':
main()
输出:
tickets:1000000
tickets:2000000
-
递归锁(RLock)
Lock与RLock用法大部分是相同的,很多情况下可以通用,但有细微的区别:
在同一线程内,对Lock进行多次acquire()操作,程序会阻塞,而Rlock不会。所以在多个锁没有释放的时候一般会使用Rlock类。
7. 信号量(Semaphore)
互斥锁同时只允许一个线程更改数据,而Semaphore是同时允许一定数量的线程更改数据 ,比如银行有3个窗口,那最多只允许3个人办理业务,后面的人只能等着,有人办理完了才能过去办理。示例代码如下:
import threading
tickets = 0
money = 0
gLock1 = threading.BoundedSemaphore(1)
gLock2 = threading.BoundedSemaphore(3)
#使用acquire/release
def get_ticket():
global tickets
gLock1.acquire()
for x in range(1000000):
tickets += 1
gLock1.release()
print('tickets:%d'%tickets)
def get_money():
global money
with gLock2:
for x in range(1000000):
money += 1
print('money:%d'%money)
def main():
for x in range(3):
t1 = threading.Thread(target=get_ticket)
t2 = threading.Thread(target=get_money)
t1.start()
t2.start()
if __name__ == '__main__':
main()
输出:
tickets:1000000
money:1466215
money:1865015
tickets:2000000
money:1524079
tickets:3000000
可以看出,使用了gLock1(信号量为1)的get_ticket输出数据正常,而get_money使用gLock2信号量为3,允许3个线程同时访问共享资源,导致出现脏数据。
8. 事件(Event)
python线程的事件用于主线程控制其他线程的执行,事件是一个简单的线程同步对象,主要提供了以下几种方法:
方法 | 说明 |
---|---|
clear() | 将flag设置为“false” |
set() | 将flag设置为“true” |
is_set() | 判断是否设置了flag |
wait() | 一直监听flag,没有检测到会一直处于阻塞状态 |
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。示例代码:
import threading,time
event = threading.Event() # 创建事件对象
def lighter():
count = 0
event.set() #初始值为绿灯
while 1:
if 5 < count <= 10:
event.clear() #红灯,清楚标志位
print('\33[41;1mred light is on...\033[0m')
elif count > 10:
event.set() # 绿灯,设置标志位
count = 0
else:
print('\33[41;1mred light is on...\033[0m')
time.sleep(1)
count += 1
def car(name):
while True:
if event.is_set(): # 判断是否设置了标志位
print("[%s] 绿灯亮,请行驶..." % name)
time.sleep(1)
else:
print("[%s] 红灯亮,请等待..." % name)
event.wait()
print("[%s] 绿灯亮,开始行驶..." % name)
light = threading.Thread(target=lighter,)
car = threading.Thread(target=car, args=('test',))
light.start()
car.start()
输出:
9. 条件(Condition)
使得线程等待,只有满足某条件时,才释放n个线程。
python提供的Condition对象提供了对复杂线程同步问题的支持。Condition被称为条件变量,除了提供与Lock类似的acquire和release方法外,还提供了wait、notify和notify_all方法。
线程首先acquire一个条件变量,然后判断一些条件。如果条件不满足则wait;如果条件满足,进行一些处理改变条件后,通过notify方法通知其他线程,其他处于wait状态的线程接到通知后会重新判断条件。不断的重复这一过程,从而解决复杂的同步问题。
可以认为Condition对象维护了一个锁(Lock/RLock)和一个waiting池。线程通过acquire获得Condition对象,当调用wait方法时,线程会释放Condition内部的锁并进入blocked状态,同时在waiting池中记录这个线程。当调用notify方法时,Condition对象会从waiting池中挑选一个线程,通知其调用acquire方法尝试取到锁。
Condition对象的构造函数可以接受一个Lock/RLock对象作为参数,如果没有指定,则Condition对象会在内部自行创建一个RLock。
除了notify方法外,Condition对象还提供了notifyAll方法,可以通知waiting池中的所有线程尝试acquire内部锁。由于上述机制,处于waiting状态的线程只能通过notify方法唤醒,所以notifyAll的作用在于防止有线程永远处于沉默状态。
后面将对比Lock/RLock和condition版本的生产者与消费者的问题。
10. 生产者和消费者模式
生产者和消费者模式是多线程开发中经常见到的一种模式。生产者的线程专门用来生产一些数据,然后存放到一个中间的变量中。消费者再从这个中间的变量中取出数据进行消费。但是因为要使用中间变量,中间变量经常是一些全局变量,因此需要使用锁来保证数据完整性。
- 以下是一个使用Lock锁的实现:
#lock版本
import threading
import random
import time
wallet = 1000
lock = threading.Lock()
class Producer(threading.Thread):
def run(self):
global wallet
while True:
money = random.randint(500,1000)
lock.acquire()
#钱包里大于两千元,就停止存入
if wallet > 2000:
lock.release()
break
else:
wallet += money
print("%s存入%s元钱,还剩%s元钱" % (threading.current_thread(), money, wallet))
time.sleep(1)
lock.release()
time.sleep(2)
class Consumer(threading.Thread):
def run(self):
global wallet
while True:
money = random.randint(100,500)
lock.acquire()
#钱包里钱不够取了,就停止取钱
if wallet < money:
print("%s取出%s元钱,还剩%s元钱,余额不足" % (threading.current_thread(), money, wallet))
lock.release()
break
else:
wallet -= money
print("%s取出%s元钱,还剩%s元钱" % (threading.current_thread(), money, wallet))
time.sleep(1)
lock.release()
def main():
for x in range(3):
Consumer(name='消费者线程%d'%x).start()
for x in range(5):
Producer(name='生产者线程%d'%x).start()
if __name__ == "__main__":
main()
虽然lock版本的生产者消费者模式能正常运行,但是这种方式存在一种弊端,一直使用while True死循环上锁判断钱都不够的方法是很耗费cpu资源的一种行为,还有一种更好的方式便是使用threading.Condition来实现。
threading.Condition可以在没有数据的时候处于阻塞等待状态。一旦有合适的数据了,还可以使用notify相关的函数来通知其他处于等待状态的线程。这样就可以不用做一些无用的上锁和解锁的操作。可以提高程序的性能。首先对threading.Condition相关的函数做个介绍,threading.Condition类似threading.Lock,可以在修改全局数据的时候进行上锁,也可以在修改完毕后进行解锁。
-
condition的方法介绍:
- acquire:上锁。
- release:解锁。
- wait:将当前线程处于等待状态,并且会释放锁。可以被其他线程使用notify和notify_all函数唤醒。被唤醒后会继续等待上锁,上锁后继续执行下面的代码。
- notify:通知某个正在等待的线程,默认是第1个等待的线程。
- notify_all:通知所有正在等待的线程。notify和notify_all不会释放锁。并且需要在release之前调用。
-
以下是使用condition的实现:
#condition版本
import threading
import random
import time
wallet = 1000
con = threading.Condition()
class Producer(threading.Thread):
def run(self):
global wallet
while True:
money = random.randint(500,1000)
con.acquire()
#钱包里大于两千元,就暂停存入
if wallet > 2000:
con.wait()
else:
wallet += money
print("%s存入%s元钱,还剩%s元钱" % (threading.current_thread(), money, wallet))
time.sleep(1)
con.notify()
con.release()
time.sleep(2)
class Consumer(threading.Thread):
def run(self):
global wallet
while True:
money = random.randint(100,500)
con.acquire()
#钱包里钱不够取了,就暂停取钱
if wallet < money:
print("%s取出%s元钱,还剩%s元钱,余额不足" % (threading.current_thread(), money, wallet))
con.wait()
else:
wallet -= money
print("%s取出%s元钱,还剩%s元钱" % (threading.current_thread(), money, wallet))
time.sleep(1)
con.notify()
con.release()
def main():
for x in range(2):
Consumer(name='消费者线程%d'%x).start()
for x in range(1):
Producer(name='生产者线程%d'%x).start()
if __name__ == "__main__":
main()
还需要时间沉淀以下(关于多线程应用于生产者消费者模型的问题)。
11. queue线程安全队列
在线程中,访问一些全局变量,加锁是一个经常的过程。如果你是想把一些数据存储到某个队列中,那么Python内置了一个线程安全的模块叫做queue模块。Python中的queue模块中提供了同步的、线程安全的队列类,包括FIFO(先进先出)队列Queue,LIFO(后入先出)队列LifoQueue。这些队列都实现了锁原语(可以理解为原子操作,即要么不做,要么都做完),能够在多线程中直接使用。可以使用队列来实现线程间的同步。相关的函数如下:
queue模块有三种队列及构造函数
-
Python queue模块的FIFO队列先进先出。 queue.Queue(maxsize)
-
LIFO类似于堆,即先进后出。 queue.LifoQueue(maxsize)
-
优先级队列级别越低越先出来。 queue.PriorityQueue(maxsize)
queue模块中的常用方法:
方法 | 说明 |
---|---|
queue.qsize() | 返回队列的大小 |
queue.empty() | 如果队列为空,返回True,反之False |
queue.full() | 如果队列满了,返回True,反之False (queue.full 与 maxsize 大小对应) |
queue.get([block[, timeout]]) | 获取队列,立即取出一个元素, timeout-超时时间 |
queue.put(item[, timeout]]) | 写入队列,立即放入一个元素, timeout-超时时间 |
queue.join() | 阻塞调用线程,直到队列中的所有任务被处理掉, 实际上意味着等到队列为空,再执行别的操作 |
queue.task_done() | 在完成一项工作之后,queue.task_done()函数向任务已经完成的队列发送一个信号 |
详见:https://www.cnblogs.com/wl443587/p/9911721.html
一个多线程的面试题:
创建两个线程,其中一个输出1-52,另外一个输出A-Z。输出格式要求:12A 34B 56C 78D。
import threading
import time
# 大致思路
# 获取对方的锁,运行一次后,释放自己的锁
def show1():
for i in range(1, 52, 2):
lock_show2.acquire()
print(i, end='')
print(i+1, end='')
time.sleep(0.2)
lock_show1.release()
def show2():
for i in range(26):
lock_show1.acquire()
print(chr(i + ord('A')))
time.sleep(0.2)
lock_show2.release()
lock_show1 = threading.Lock()
lock_show2 = threading.Lock()
show1_thread = threading.Thread(target=show1)
show2_thread = threading.Thread(target=show2)
lock_show1.acquire() # 因为线程执行顺序是无序的,保证show1()先执行
show1_thread.start()
show2_thread.start()