認識進程與線程（python） 一段時間沒有更新博客了，今天和大家講講關於 python 進程和線程的知識點。(個人心得，多多指教！) 階段一：併發與並行的深入理解 並行一定是併發，但併發不一定是並行。 並行是相對的，並行是絕對的。 問題一： 電腦是如何執行程式指令的？ 問題二： 電腦如 ...
階段一：併發與並行的深入理解
並行一定是併發，但併發不一定是並行。
並行是相對的，並行是絕對的。
1、關於並行與併發的問題引入：
問題一： 電腦是如何執行程式指令的？
問題二： 電腦如何模擬出並行執行的效果？
問題三： 真正的並行需要依賴什麼？
2、電腦執行指令示意圖
2、輪詢調度實現併發執行
併發：看上去一起執行，同時在發生
並行：真正一起執行，同時在進行
調度演算法：
時間片輪轉
優先順序調度
3、並行需要的核心條件
並行真正的核心條件是有多個CPU
階段二：多進程實現並行
1、多進程並行問題引入
問題一： 什麼是進程？
問題二： 如何在Python中使用進程？
問題三： 多進程實現並行的必要條件是什麼？
2、進程的概念
電腦程式是存儲在磁碟上的可執行二進位（或其他類型）文件。
只有把它們載入到記憶體中，並被操作系統調用它們才會擁有其自己的生命周期。
進程則是表示的一個正在執行的程式。
每個進程都擁有自己的地址空間、記憶體、數據棧以及其他用於跟蹤執行的輔助數據
操作系統負責其上所有進程的執行。
操作系統會為這些進程合理地分配執行時間。
3、在Python中直接執行耗時函數
import time print('main-task start:', time.asctime(time.localtime(time.time()))) def func(): print('sub-task start:', time.asctime(time.localtime(time.time()))) time.sleep(5) print('sub-task end:', time.asctime(time.localtime(time.time()))) func() time.sleep(5) print('main-task end:', time.asctime(time.localtime(time.time())))
4、在Python中使用進程來分擔耗時任務
import time import multiprocessing def func(n): for i in range(n): for a in range(n): for b in range(n): print(b) start_time = time.time() p = multiprocessing.Process(target=func, args=(50, )) # 實例化，創建一個進程 # 參數如何傳? args=(50, ) kwargs={'n': 50} p.start() # 開啟進程 p.join() # 主進程等待子進程結束 func(50) # func(50) end_time = time.time() print('運行了%ds!' % (end_time - start_time))
5、多進程並行的必要條件
總進程數量不多於CPU核心數量！
因此，現在運行的程式都是輪詢調度產生的並行假象。但是在Python層面的確獲得了並行！
階段三：多線程實現併發
1、多線程併發問題引入
問題一： 什麼是線程？
問題二： 如何在Python中使用線程？
問題三： 為什麼多線程不是並行？
2、線程的概念
線程被稱作輕量級進程。
與進程類似，不過它們是在同一個進程下執行的。並且它們會共用相同的上下文。
當其他線程運行時，它可以被搶占（中斷）和臨時掛起（也成為睡眠）— 讓步
線程的輪詢調度機制類似於進程的輪詢調度。只不過這個調度不是由操作系統來負責，而是由Python解釋器來負責。
3、在Python中使用線程來避開阻塞任務
import time import multiprocessing import threading print('---outer--start---:', time.asctime(time.localtime(time.time()))) def func(): print('---inner--start---:', time.asctime(time.localtime(time.time()))) time.sleep(5) print('---inner--end---:', time.asctime(time.localtime(time.time()))) """ 在進程里可以模擬耗時任務，但是線上程里只能模擬阻塞任務，不能模擬耗時任務。因為多線程只有一個核心進程。 """ p = multiprocessing.Process(target=func) # 創建子進程 t = threading.Thread(target=func) # 創建子線程 t.start() # 開啟子線程 time.sleep(5) print('---outer--end---:', time.asctime(time.localtime(time.time())))
CPU在任意一個進程里，任意時刻，只能執行一個線程
對進程的輪詢是操作系統負責調度
對線程的輪詢是Python解釋器負責調度
4、GIL鎖 全局解釋器鎖
Python在設計的時候，還沒有多核處理器的概念。
因此，為了設計方便與線程安全，直接設計了一個鎖。
這個鎖要求，任何進程中，一次只能有一個線程在執行。
因此，並不能為多個線程分配多個CPU。
所以Python中的線程只能實現併發，
而不能實現真正的並行。
但是Python3中的GIL鎖有一個很棒的設計，
在遇到阻塞（不是耗時）的時候，會自動切換線程。
5、GIL鎖帶給我們的新認知
遇到阻塞就自動切換。因此我們可以利用這種機制來有效的避開阻塞~充分利用CPU
階段四：使用多進程與多線程來實現併發伺服器
關鍵點一： 多進程是並行執行，
相當於分別獨立得處理各個請求。
關鍵點二： 多線程，雖然不能並行運行，
但是可以通過避開阻塞切換線程
來實現併發的效果，並且不浪費CUP
from socket import * from multiprocessing import Process # 進程 from threading import Thread # 線程 # 創建套接字 server = socket() server.bind(('', 9999)) server.listen(1000) # 定義函數 def func(conn): while True: recv_data = conn.recv(1024) if recv_data: print(recv_data) conn.send(recv_data) else: conn.close() break while True: # 迴圈去監聽 conn, addr = server.accept() # 每生成一個對等連接套接字，我就生成一個進程、線程，並且我讓這個進程、線程去服務這個連接過來的客戶端 # p = Process(target=func, args=(conn, )) # 生成一個進程 # p.start() # 啟動進程 t = Thread(target=func, args=(conn, )) # 生成一個線程 t.start() # 啟動線程
