马上注册，结交更多好友，享用更多功能，让你轻松玩转社区。
您需要 登录 才可以下载或查看，没有账号？立即注册
x
并发编程
并发编程是指在同一时间处理多个使命的本事，使命大概是独立的，也大概是相互交织执行。并发编程的目标是充分利用 CPU 的多核处理本事，提升步伐的执行效率。Python 提供了多种并发编程方法，包罗多线程、多进程和异步编程。本文将先容 Python 中的几种常见并发编程方式。
1. 多线程
多线程是一种常见的并发编程方式，它允许步伐在同一进程中同时运行多个线程。Python 的 threading 模块提供了创建和管理线程的功能。
1.1 使用 threading 模块
通过 threading 模块可以轻松地创建和管理线程。下面是一个创建多线程的简朴示例：
示例：创建多线程
- import threading
- import time
- def worker(name):
- print(f"线程 {name} 开始工作")
- time.sleep(2)
- print(f"线程 {name} 结束工作")
- # 创建多个线程
- threads = []
- for i in range(3):
- thread = threading.Thread(target=worker, args=(i,))
- threads.append(thread)
- thread.start()
- # 等待所有线程完成
- for thread in threads:
- thread.join()
- print("所有线程完成")
由于线程之间是并发执行的，以是必要确保对共享数据的访问是安全的。Python 提供了 Lock（锁）机制来保证线程的同步。
示例：使用锁机制
- import threading
- counter = 0
- lock = threading.Lock()
- def increment():
- global counter
- with lock:
- for _ in range(100000):
- counter += 1
- threads = []
- for _ in range(2):
- thread = threading.Thread(target=increment)
- threads.append(thread)
- thread.start()
- for thread in threads:
- thread.join()
- print(f"计数器值为: {counter}")
2. 多进程
多进程是一种并发编程方式，它通过在多个进程中运行使命来实现并发。每个进程都有自己的内存空间，因此多进程可以绕过 Python 中的全局表明器锁（GIL）限制，更适合 CPU 麋集型使命。
2.1 使用 multiprocessing 模块
multiprocessing 模块用于创建和管理进程。与线程类似，进程可以并发执行使命，但进程之间的数据是独立的，无法直接共享。
示例：创建多进程
- import multiprocessing
- import time
- def worker(name):
- print(f"进程 {name} 开始工作")
- time.sleep(2)
- print(f"进程 {name} 结束工作")
- if __name__ == "__main__":
- processes = []
- for i in range(3):
- process = multiprocessing.Process(target=worker, args=(i,))
- processes.append(process)
- process.start()
- for process in processes:
- process.join()
- print("所有进程完成")
由于进程之间的数据是独立的，Python 提供了 Queue、Pipe 等机制来实现进程间通信（IPC，Inter-Process Communication）。
示例：使用 Queue 进行进程间通信
- import multiprocessing
- def worker(q):
- q.put("任务完成")
- if __name__ == "__main__":
- queue = multiprocessing.Queue()
- process = multiprocessing.Process(target=worker, args=(queue,))
- process.start()
- process.join()
- # 从队列中获取结果
- result = queue.get()
- print(result)
3. 异步编程
异步编程是一种非壅闭的并发编程方式，适合 I/O 麋集型使命。异步编程的核心思想是当一个使命等候 I/O 利用时，其他使命可以继续执行，从而制止壅闭。
3.1 使用 asyncio 模块
Python 的 asyncio 模块用于编写异步步伐，通过 async 和 await 关键字定义异步函数。
示例：简朴的异步函数
- import asyncio
- async def worker(name):
- print(f"任务 {name} 开始")
- await asyncio.sleep(2)
- print(f"任务 {name} 结束")
- async def main():
- tasks = [worker(i) for i in range(3)]
- await asyncio.gather(*tasks)
- # 运行异步任务
- asyncio.run(main())
3.2 异步 I/O 利用
异步编程特别适合 I/O 麋集型使命，好比网络请求、文件读写等。
示例：异步网络请求
- import asyncio
- import aiohttp
- async def fetch(url):
- async with aiohttp.ClientSession() as session:
- async with session.get(url) as response:
- return await response.text()
- async def main():
- urls = ['https://example.com', 'https://example.org']
- tasks = [fetch(url) for url in urls]
- results = await asyncio.gather(*tasks)
- for result in results:
- print(result)
- # 运行异步任务
- asyncio.run(main())
4. 协程与生成器
Python 的生成器（generator）和协程（coroutine）也是实现并发的工具之一。协程可以通过 yield 关键字暂停和规复函数的执行。
4.1 协程示例
协程是一种比平凡生成器更高级的函数控制机制，可以通过 yield 暂停执行，再通过 send() 规复执行。
示例：协程
- def coroutine_example():
- print("启动协程")
- result = yield
- print(f"接收到的值: {result}")
- co = coroutine_example()
- next(co) # 启动协程
- co.send(42) # 向协程发送值
5. 小结
并发编程在提升步伐性能和响应速度方面具有紧张作用。Python 提供了多种并发编程模子，包罗多线程、多进程和异步编程。选择哪种模子取决于使命的特点：对于 I/O 麋集型使命，异步编程是首选；对于 CPU 麋集型使命，多进程大概表现更好；多线程适合轻量级的并发使命。明白并掌握这些并发编程模子，可以或许显著提升 Python 步伐的执行效率。
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。 |
