2019-02-19多线程&多进程(上)

2019-02-19 本文已影响0人興華的mark

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模块常用的类(脑图)

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()