一文掌握Python多线程与多进程

Python的多线程和多进程一、简介

并发是今天计算机编程中的一项重要能力，尤其是在面对需要大量计算或I/O操作的任务时。Python 提供了多种并发的处理方式，本篇文章将深入探讨其中的两种：多线程与多进程，解析其使用场景、优点、缺点，并结合代码例子深入解读。

二、多线程

Python中的线程是利用threading模块实现的。线程是在同一个进程中运行的不同任务。

(资料图片仅供参考)

2.1 线程的基本使用

在Python中创建和启动线程很简单。下面是一个简单的例子：

import threadingimport timedef print_numbers():    for i in range(10):        time.sleep(1)        print(i)def print_letters():    for letter in "abcdefghij":        time.sleep(1.5)        print(letter)thread1 = threading.Thread(target=print_numbers)thread2 = threading.Thread(target=print_letters)thread1.start()thread2.start()

在这个例子中，print_numbers和print_letters函数都在各自的线程中执行，彼此互不干扰。

2.2 线程同步

由于线程共享内存，因此线程间的数据是可以互相访问的。但是，当多个线程同时修改数据时就会出现问题。为了解决这个问题，我们需要使用线程同步工具，如锁（Lock）和条件（Condition）等。

import threadingclass BankAccount:    def __init__(self):        self.balance = 100  # 共享数据        self.lock = threading.Lock()    def deposit(self, amount):        with self.lock:  # 使用锁进行线程同步            balance = self.balance            balance += amount            self.balance = balance    def withdraw(self, amount):        with self.lock:  # 使用锁进行线程同步            balance = self.balance            balance -= amount            self.balance = balanceaccount = BankAccount()

特别说明：Python的线程虽然受到全局解释器锁（GIL）的限制，但是对于IO密集型任务（如网络IO或者磁盘IO），使用多线程可以显著提高程序的执行效率。

三、多进程

Python中的进程是通过multiprocessing模块实现的。进程是操作系统中的一个执行实体，每个进程都有自己的内存空间，彼此互不影响。

3.1 进程的基本使用

在Python中创建和启动进程也是非常简单的：

from multiprocessing import Processimport osdef greet(name):    print(f"Hello {name}, I am process {os.getpid()}")if __name__ == "__main__":    process = Process(target=greet, args=("Bob",))    process.start()    process.join()

3.2 进程间的通信

由于进程不共享内存，因此进程间通信（IPC）需要使用特定的机制，如管道（Pipe）、队列（Queue）等。

from multiprocessing import Process, Queuedef worker(q):    q.put("Hello from process")if __name__ == "__main__":    q = Queue()    process = Process(target=worker, args=(q,))    process.start()    process.join()    print(q.get())  # Prints: Hello from process

特别说明：Python的多进程对于计算密集型任务是一个很好的选择，因为每个进程都有自己的Python解释器和内存空间，可以并行计算。

One More Thing

让我们再深入地看一下concurrent.futures模块，这是一个在Python中同时处理多线程和多进程的更高级的工具。concurrent.futures模

块提供了一个高级的接口，将异步执行的任务放入到线程或者进程的池中，然后通过future对象来获取执行结果。这个模块使得处理线程和进程变得更简单。

下面是一个例子：

from concurrent.futures import ThreadPoolExecutor, as_completeddef worker(x):    return x * xwith ThreadPoolExecutor(max_workers=4) as executor:    futures = {executor.submit(worker, x) for x in range(10)}    for future in as_completed(futures):        print(future.result())

这个代码创建了一个线程池，并且向线程池提交了10个任务。然后，通过future对象获取每个任务的结果。这里的as_completed函数提供了一种处理完成的future的方式。

通过这种方式，你可以轻松地切换线程和进程，只需要将ThreadPoolExecutor更改为ProcessPoolExecutor。

无论你是处理IO密集型任务还是计算密集型任务，Python的多线程和多进程都提供了很好的解决方案。理解它们的运行机制和适用场景，可以帮助你更好地设计和优化你的程序。

如有帮助，请多关注个人微信公众号：【Python全视角】TeahLead_KrisChang，10+年的互联网和人工智能从业经验，10年+技术和业务团队管理经验，同济软件工程本科，复旦工程管理硕士，阿里云认证云服务资深架构师，上亿营收AI产品业务负责人。