并发编程（线程与进程）

男娘i 2023-08-17 15:44 27阅读 0赞

# 进程与线程的并发 #

在讲并发之前，我们需要了解几个概念：什么是串行、并发、并行？

*  串行：完整执行完一个程序再执行下一个
 *  并发：程序之间看起来是同时运行的
 *  并行：真正做到了同时运行

除此之外，**多道技术**里有两点需要我们关注一下（括号内的为扩展内容）：

*  空间复用：多进程共用内存条（分块->分页->分段+分页），但是都有自己独立的内存空间（基址寄存器、地址的动态重定位），互不干扰，物理隔离。
 *  时间复用：共用一个CPU（分时系统）

**备用知识：**

进程以及线程有五种状态：新建 （New）、就绪（Ready）、运行（Running）、阻塞（Blocked）

和死亡（Dead）

![1751704-20190922220539848-1901677262.png][]

--------------------

## 进程 ##

我们把一个正在运行的程序叫做**进程**，那么我们就正式用代码来学习进程的并发吧！

### 开启子进程的两种方式： ###

1.  通过指定函数作为target，创建Process对象来生成新进程
    
        from multiprocessing import Process
        import time
        
        def task():
            print('进程 start')
            time.sleep(2)
            print('进程 end')
        
        
        if __name__ == '__main__':
            p = Process(target=task)
            p.start() # 向操作系统发送开子进程请求,具体什么时候开，开多长时间只和操作系统有关。
            time.sleep(5)
            print('主进程/父进程')
2.  继承Process类，并重写run()方法来创建进程类
    
        from multiprocessing import Process
        import time
        
        class Test(Process):
            def __init__(self,sex):
                super().__init__()
                self.sex = sex
        
            def run(self):
                '''run()方法为进程的执行体，执行start()后就会自动执行，不要直接调用！！！'''
        
                print(f'子进程的性别是{self.sex} start')
                time.sleep(2)
                print('子进程 end')
        if __name__ == '__main__':
            p = Test('女')
            p.start() # 向操作系统 发送开启子进程的请求
            print('主进程')

### Process类的方法（概要） ###

*  run()：重写该方法可以实现进程的执行体
 *  start()：用于启动进程
 *  join(\[timeout\])：当前进程必须等待被join的进程执行完成才能向下执行
 *  name：该属性用于设置或访问进程的名字
 *  is\_alive()：判断进程是否还活着
 *  daemon：该属性用于判断或设置是否为守护进程（后台状态）
 *  pid：返回进程的ID
 *  authkey：返回进程的授权key
 *  terminate()：中断该进程（请求），具体什么时候中断由操作系统分配

### Process类的方法（详细） ###

*  join(\[timeout\])：当前进程必须等待被join的进程执行完成才能向下执行
    
    如果不指定timeout，那么后一个进程就会无限地等待join的进程结束，如果给timeout赋值了，那么就会最多等待多少秒，如果join的进程还没结束，则不再等待。
    
        from multiprocessing import Process
        import time
        def foo(x):
            print('进程  start ')
            time.sleep(x)
            print('进程  end ')
        
        if __name__ == '__main__':
            p1 = Process(target=foo,args=(1,))
            p2 = Process(target=foo,args=(2,))
            p3 = Process(target=foo,args=(3,))
            start = time.time()
            p1.start() #
            p2.start() #
            p3.start() #
            # 核心需求就是
            p3.join() #1s
            p1.join() #1s
            p2.join() #1s
            # 总时长：按照最长的时间计算多一点。
            end = time.time()
            print(end-start) #3s多 or 6s多  ？  正解：3s多
            print('主')
 *  daemon：该属性用于判断或设置是否为守护进程（后台状态）
    
    守护进程的特征就是：如果前台的进程都死了，那么后台的线程会自动死亡
    
        from multiprocessing import Process
        import time
        def foo():
            print('守护进程 start')
            time.sleep(3)
            print('守护进程 end')
        
        def task():
            print('子进程 start')
            time.sleep(5)
            print('子进程 end')
        
        if __name__ == '__main__':
            p = Process(target=foo)
            p2 = Process(target=task)
            p.daemon = True # 把这个子进程定义为了守护进程
            p.start()
            p2.start()
            time.sleep(1)
            print('主')
 *  pid：返回进程的ID
    
     *  每个进程都会有属于它的ID，一般情况下只有等所有的子进程都执行完，父进程会统一回收（**wait()**）所有子进程的pid，此时已经死了的子进程被称为**僵尸进程（Zombie）**。大量的僵尸进程会占用系统资源，造成浪费，最简单的方法就是把生产僵尸进程的元凶kill了，那么所有的僵尸进程就变成了**孤儿进程**，由**init进程**接管，init会wait()这些孤儿进程，释放它们占用的系统进程表中的资源，这样，已经僵死的孤儿进程 就能瞑目而去了。
     *  查看pid的几种方式：
        
            from multiprocessing import Process,current_process
            import time,os
            
            def task():
                print('子进程 start')
                print('在子进程中查看自己的pid',current_process().pid) # 在子进程中查看自己的pid
                print('在子进程中查看父进程的pid',os.getppid()) #
                time.sleep(2)
                print('子进程 end')
            
            if __name__ == '__main__':
                p = Process(target=task)
                p.start()
                print('在主进程查看子进程的pid',p.pid) # 一定要写在 start()之后
                print('主进程的pid',os.getpid())
                print('主进程的父进程pid',os.getppid())
                print('主')
            
            '''
            # 记住这些就ok了 这个是要掌握的
            # 角度 站在当前进程的角度
            os.getpid（）#获取当前进程的pid
            os.getppid() #获取当前进程的父进程的pid
            子进程对象.pid #获取当前进程的子进程pid
            '''

### 进程安全及同步锁（Lock） ###

多进程同时运行的时候，很容易会出现错误的情况，比如抢票，很有可能多人搜索到并抢到了同一张票，我们是不希望发生这样的事的，那么我们就需要加锁，`multiprocessing`模块提供了`Lock`和`RLock`两个类，它们都提供了如下两个方法来加锁和释放锁：

*  acquire(blocking = Ture, timeout = -1)：请求对Lock或RLock加锁，其中`timeout`参数指定加锁多少秒（可解决死锁问题）。
 *  release()：释放锁
    
    那么Lock和RLock的区别如下：
 *  Lock：互斥锁（或称互斥量*Mutex*），它是一个基本的锁对象，每次只能锁定一次，其余的锁请求，需要等待锁释放后才能获取。
 *  RLock：可重入锁（*Reentrant Lock*） 也叫递归锁（*Recursive mutex*）。对于可重入锁，在同一进程中可以对它进行多次锁定，也可以多次释放。但是acquire()和release()方法必须成对出现，即调用了n次acquire()加锁，就必须调用n次release()才能释放锁。RLock对象会维持一个计数器来追踪。

那我们试着写一下抢票代码：

from  multiprocessing import Process,Lock
    import json,time,os
    
    def search():
        time.sleep(1) # 模拟网络io
        with open('db.txt',mode='rt',encoding='utf-8') as f:
            res = json.load(f)
            print(f'还剩{res["count"]}')
    
    def get():
        with open('db.txt',mode='rt',encoding='utf-8') as f:
            res = json.load(f)
            # print(f'还剩{res["count"]}')
        time.sleep(1) # 模拟网络io
        if res['count'] > 0:
            res['count'] -= 1
            with open('db.txt',mode='wt',encoding='utf-8') as f:
                json.dump(res,f)
                print(f'进程{os.getpid()} 抢票成功')
            time.sleep(1.5) # 模拟网络io
        else:
            print('票已经售空啦!!!!!!!!!!!')
    
    def task(lock):
        search()
       
        lock.acquire() # 锁住
        get()
        lock.release() # 释放锁头
        
    if __name__ == '__main__':
        lock = Lock() # 写在主进程是为了让子进程拿到同一把锁.
        for i in range(15):
            p = Process(target=task,args=(lock,))
            p.start()
        #  进程锁 是把锁住的代码变成了串行

**补充（了解） 信号量（Semaphore）:**

from multiprocessing import Process, current_process, Semaphore
    import time
    
    def task(sm):
        sm.acquire()
        print(f'{current_process().name} 在执行')
        time.sleep(3)
        sm.release()
    
    if __name__ == '__main__':
        sm = Semaphore(5)  # 指定同时最多有多少个进程在执行
        for i in range(15):
            t = Process(target=task,args=(sm,))
            t.start()

**补充（了解） GIL锁：**

在Cpython解释器中有一把GIL锁(全局解释器锁)，GIl锁本质是一把互斥锁。

导致了同一个进程下,同一时间只能运行一个线程,无法利用多核优势。

同一个进程下多个线程只能实现并发不能实现并行。

**原因：**因为cpython自带的垃圾回收机制不是线程安全的,所以要有GIL锁。

### 死锁 ###

讲到锁我们就不得不提一个经典的死锁问题，简单理解就是两个锁同时锁住了对方，都在等对方先释放。

这里分享一个小故事：

面试官:你给我简单明了的说下死锁问题，我就把offer发给你。
    
    应聘者：你把offer给我我就给你讲死锁问题

死锁是不应该在程序中出现的，在编写程序时应该尽量避免出现死锁 。下面有几种常见的方式

用来解决死锁问题：

*  使用可重入锁：使用RLock
 *  避免多次锁定：尽量避免同一个进程对多个Lock进行锁定。
 *  相同的加锁顺序：让进程之间按照相同的顺序加锁。
 *  使用定时锁：在调用acquire()方法时指定timeout参数

### 使用队列（Queue）控制进程通信 ###

在queue模块下提供了几个阻塞队列，主要有三个队列的类，他们的主要区别就在于进队列、出队列的不同。简单介绍如下：

*  queue.Queue(maxsize = 0) ：代表FIFO（先进先出）的常规队列，maxsize可以限制队列的大小，如果队列的大小达到队列的上限，就会加锁，再次进入的元素就会被阻塞，直到队列中的元素被消费。如果将maxsize设置为0或负数，该队列的大小就是无限的。
 *  queue.LifoQueue(maxsize = 0)：代表LIFO（先进后出）的队列
 *  queue.PriorityQueue(maxsize = 0)：代表优先级队列，优先级最小的元素先出队列，通常用数字，数字小的先出。

这三个队列的属性和方法基本相同，他们都提供了如下的属性和方法：

*  put(item,block = True, timeout = None)：向队列中放入元素，如果队列已满，且block参数为True（阻塞），当前进程被阻塞，timeout指定阻塞时间，如果将timeout设置为None，则代表一直阻塞，直到该队列的元素被消费；如果队列已满，且block参数为False（不阻塞），则直接引发异常。
 *  get(item,block = True, timeout = None)：从队列中取出元素（消费元素）。参数与put类似。
 *  put\_nowait(item)：相当于把block设置为False。
 *  get\_nowait(item)：相当于把block设置为False。
 *  empty()：判断队列是否为空。
 *  full()：判断队列是否已满。
 *  qsize()：返回队列的实际大小（包含几个元素）。

例子：

# 我们也可以导入multiprocessing的Queue
    from multiprocessing import Queue
    q = Queue(2)
    q.put('1')
    q.put('2')
    
    # q.put('3', timeout=1)    # 等1秒，还放不进去就报错
    q.put('4', block=False)  # 报错 queue.Full

### 进程池 ###

进程池的基类是`concurrent.futures`模块里的`Executor`，`Executor`提供了两个子类，即`ProcessPoolExecutor`和`ThreadPoolExecutor`，其中`ProcessPoolExecutor`用于创建进程池，而`ThreadPoolExecutor`用于创建线程池。

**使用进程池/线程池的目的：**当并发的任务数量远远大于计算机所能承受的范围,即无法一次性开启过多的任务数量，我们就应该考虑去限制我进程数或线程数,从保证服务器不崩。

如果我们使用池来管理并发编程，那么只要将相应的task函数交给进程池/线程池，剩下的事就由池来解决。

Executor提供了以下常用方法：

*  submit(fn, \*args, \*\*kwargs)： 将fn函数提交给进程池。后面的是fn的位置参数和关键字参数。
 *  shutdown(wait = True)：关闭进程池
 *  map(func, *iterables, timeout = None, chunksize = 1)：（了解）该函数类似于全局函数map(func,* iterables)，只是该函数会启动多个进程，以异步的方式对iterables执行map处理。
    
    程序将task函数提交（submit）给进程池后，submit方法会返回一个Future对象，Future类主要用于获取进程任务函数的返回值。进程任务异步执行。由于进程执行的函数相当于一个“将来完成“的任务，所以用Future来表示。
    
    Future主要的方法：
 *  result(timeout = None)：获取该Future代表的进程任务最后返回的结果。如果。如果Future代表的进程任务还未完成，该方法会阻塞当前进程，其中timeout参数指定最多阻塞多少秒。
 *  add\_ done\_ callback(fn)：为 future 代表的线程任务注册 个“回调函数”，当该任务成功完成时，程序会自动触发该fn 函数。
    
    在用完一个进程池后，应该调用该进程池的shutdown()方法，该方法将启动进程池的关闭序列。调用shutdown()方法后的进程池不再接收新任务，但会将以前所有的己提交任务执行完成。当进程池中的所有任务都执行成后，该进程池中的所有进程都会死亡。

示例：

from concurrent.futures import ProcessPoolExecutor, ThreadPoolExecutor
    from threading import currentThread
    from multiprocessing import current_process
    import time
    
    
    def task(i):
        # print(f'{currentThread().name} 在执行任务 {i}')
        print(f'进程 {current_process().name} 在执行任务 {i}')
        time.sleep(1)
        return i * 2
    
    
    if __name__ == '__main__':
        # pool = ThreadPoolExecutor(4) # 池子里只有4个线程
        pool = ProcessPoolExecutor(4)  # 池子里只有4个线程
        fu_list = []
        for i in range(20):
            future = pool.submit(task, i)  # task任务要做20次,4个进程负责做这个事
            # print(future.result()) # 如果没有结果一直等待拿到结果,导致了所有的任务都在串行
            fu_list.append(future)
        pool.shutdown()  # 关闭了池的入口,会等待所有的任务执行完,结束阻塞.
        for fu in fu_list:
            print(fu.result())

前面的程序调用了Future的result()方法来获取线程任务的返回值，但该方法会阻塞当前进程，只有等到进程任务完成后，result()方法的阻塞才会被解除。

如果我们不希望直接调用result()方法阻塞进程，则可以通过Future的add\_ done\_ callback()方法来添加回调函数，该回调函数形如fn(future)。当进程任务完成后，程序会自动触发该回调函数，并将对应的Future对象作为参数传给该回调函数。

接下来的程序使用add\_ done\_ callback()方法来获取线程任务的返回值。

from concurrent.futures import ProcessPoolExecutor, ThreadPoolExecutor
    from threading import currentThread
    from multiprocessing import current_process
    import time
    
    
    def task(i):
        # print(f'{currentThread().name} 在执行任务 {i}')
        print(f'进程 {current_process().name} 在执行任务 {i}')
        time.sleep(1)
        return i ** 2
    
    
    def parse(future):
        # 处理拿到的结果
        print(future.result())
    
    
    if __name__ == '__main__':
        # with ThreadPoolExecutor(4) as pool: # 池子里只有4个线程
        with ProcessPoolExecutor(4) as pool:  # 池子里只有4个线程
            fu_list = []
            for i in range(20):
                future = pool.submit(task, i)  # task任务要做20次,4个进程负责做这个事
                future.add_done_callback(parse)
                # 为当前任务绑定了一个函数,在当前任务执行结束的时候会触发这个函数,
                # 会把future对象作为参数传给函数
                # 这个称之为回调函数,处理完了回来就调用这个函数.

**提示：**进程池/线程池实现了上下文管理协议，因此，程序可以使用with语句来管理进程池，这样就可以避免手动关闭进程池。

**补充：**我们也可以通过`from multiprocessing.pool import Pool`来表示进程池。

--------------------

## 线程 ##

线程的方法基本上和进程类似，那么线程和进程的主要区别就是：

操作系统可以同时执行多个任务，每个任务就是一个进程；进程可以同时执行多个任务，每一个任务就是一个线程。

线程里我们还需要在了解两点：

*  定时器（Timer）
 *  协程:单线程下实现并发，协程实际是程序员**抽象**出来的，操作系统根本不知道协程存在，也就说一个线程遇到io 线程内部直接切到别的任务上，操作系统跟本发现不了，实现了单线程下的最高效率。
    
     *  优点：自己控制切换要比操作系统切换快的多。
     *  缺点：自己要检测所有的io,但凡有一个阻塞整体都跟着阻塞；且无法运用多核优势。

转载于:https://www.cnblogs.com/Du704/p/11569569.html

[1751704-20190922220539848-1901677262.png]: /images/20230810/291ffa6bd2734e15a3ba01e40e63784e.png