八.进程和线程

[TOC]

一.进程

1.相关概念

• 什么是程序？

程序：例如XXXX.py这是程序，处于静态的。

• 什么是进程

进程：一个程序运行起来后，代码+用到的资源称之为进程，它是操做系统分配资源的基本单元。

在早期面向进程设计的计算机结构中，进程是程序的基本执行实体；
在当代面向线程设计的计算机结构中，进程是线程的容器。

• 同步/异步

所谓同步就是一个任务的完成须要依赖另一个任务时，只有等待被依赖的任务完成后，依赖的任务才能算完成，这是一种可靠的任务序列。
所谓异步是不须要等待被依赖的任务完成，只是通知被依赖的任务要完成什么工做，依赖的任务也当即执行，只要本身完成了整个任务就算完成了。至于被依赖的任务最终是否真正完成，依赖它的任务没法肯定，因此它是不可靠的任务序列。

• 阻塞/非阻塞

阻塞和非阻塞跟同步和异步无关，主要与程序等待消息通知时的状态有关。也就是说阻塞与非阻塞主要是从程序（线程）等待消息通知时的状态角度来说的。

• 并发/并行

1）并行，parallel 强调同一时刻同时执行
2）并发 concurrency 则指的一个时间段内去一块儿执行

2.进程的状态

就绪态：运行的条件都已经慢去，正在等在cpu执行
执行态：cpu正在执行其功能
等待态：等待某些条件知足，例如一个程序sleep了，此时就处于等待态

3.Python中使用多进程

multiprocessing模块就是跨平台版本的多进程模块，提供了一个Process类来表明一个进程对象，这个对象能够理解为是一个独立的进程，能够执行另外的事情

• 示例1

from multiprocessing import Process
import time


def run_process():
    while True:
        print("子进程----2----")
        time.sleep(1)


if __name__=='__main__':
    p = Process(target=run_process) # target指定目标函数
    p.start()
    while True:
        print("主进程----1----")
        time.sleep(1)

Process语法：
Process([group [, target [, name [, args [, kwargs]]]]])

参数--------------------------
target：若是传递了函数的引用，能够任务这个子进程就执行这里的代码
args：给target指定的函数传递的参数，以元组的方式传递
kwargs：给target指定的函数传递命名参数
name：给进程设定一个名字，能够不设定
group：指定进程组，大多数状况下用不到
Process建立的实例对象的经常使用方法：

方法--------------------------
start()：启动子进程实例（建立子进程）
is_alive()：判断进程子进程是否还在活着
join([timeout])：是否等待子进程执行结束，或等待多少秒
terminate()：无论任务是否完成，当即终止子进程
Process建立的实例对象的经常使用属性：

属性-------------------------
name：当前进程的别名，默认为Process-N，N为从1开始递增的整数
pid：当前进程的pid（进程号）

• 示例2 进程pid

from multiprocessing import Process
import time
import os


def run_process():
    while True:
        print("子进程----pid:{}----".format(os.getpid()))
        print()
        time.sleep(1)


if __name__=='__main__':
    p = Process(target=run_process)
    p.start()
    while True:
        print("主进程----pid:{}----".format(os.getpid()))
        time.sleep(1)

• 示例3 子进程目标方法传参

from multiprocessing import Process
import time
import os


def run_process(course, teacher, *args, **kwargs):
    while True:
        print("子进程----pid:{}----{}上{}课".format(os.getpid(), teacher, course))
        print()
        time.sleep(1)


if __name__=='__main__':
    p = Process(target=run_process, args=('语文',), kwargs={'teacher':'张三'})
    p.start()
    while True:
        print("主进程----pid:{}----{}上{}课".format(os.getpid(),'李四','数学'))
        time.sleep(1)

• 示例4 进程间不会共享全局变量

from multiprocessing import Process
import time
import os

num_list = [0 , 1, 3, 4, 5, 6, 7, 8, 9, 10]
i = 3

def run_process1():
    global  i
    while i:
        print("子进程----pid:{}----".format(os.getpid()))
        num_list.pop()
        print(num_list)
        i = i - 1
        time.sleep(1)


def run_process2():
    global i
    while i:
        print("子进程----pid:{}----".format(os.getpid()))
        num_list.append(i+1)
        print(num_list)
        i = i - 1
        time.sleep(1)


if __name__=='__main__':
    p = Process(target=run_process1)
    p.start()

    p = Process(target=run_process2)
    p.start()

输出

子进程----pid:10187----
[0, 1, 3, 4, 5, 6, 7, 8, 9]
子进程----pid:10188----
[0, 1, 3, 4, 5, 6, 7, 8, 9, 10, 4]
子进程----pid:10187----
[0, 1, 3, 4, 5, 6, 7, 8]
子进程----pid:10188----
[0, 1, 3, 4, 5, 6, 7, 8, 9, 10, 4, 3]
子进程----pid:10187----
[0, 1, 3, 4, 5, 6, 7]
子进程----pid:10188----
[0, 1, 3, 4, 5, 6, 7, 8, 9, 10, 4, 3, 2]

4.进程间通讯

可使用multiprocessing模块的Queue实现多进程之间的数据传递，Queue自己是一个消息列队程序。

示例

from multiprocessing import Process, Queue
import time, random


def worker(q):
    """完成文件"""
    for i in range(10):
        file_num = random.randint(1, 100)
        print('已完成工做{}...'.format(file_num))
        q.put(file_num)
        time.sleep(1)


def boss(q):
    """查看文件"""
    while True:
        if not q.empty():
            file_num = q.get(True)
            print('已查看工做{}...'.format(file_num))
            time.sleep(1)
        else:
            break

if __name__=='__main__':
    # 建立Queue，并传给各个子进程：
    q = Queue(5)
    pw = Process(target=worker, args=(q,))
    pb = Process(target=boss, args=(q,))
    pw.start()
    # pw.join()
    pb.start()
    # pb.join()

5.进程池

当须要建立的子进程数量很少时，能够直接利用multiprocessing中的Process动态成生多个进程，但若是是上百甚至上千个目标，手动的去建立进程的工做量巨大，此时就能够用multiprocessing模块提供的Pool方法。

初始化Pool时，能够指定一个最大进程数，当有新的请求提交到Pool中时，若是池尚未满，那么就会建立一个新的进程用来执行该请求；但若是池中的进程数已经达到指定的最大值，那么该请求就会等待，直到池中有进程结束，才会用以前的进程来执行新的任务。

示例

from multiprocessing import Pool
import os, time, random

def worker(msg):
    t_start = time.time()
    print("start pro {},pid为{}".format(msg,os.getpid()))
    # random.random()随机生成0~1之间的浮点数
    time.sleep(random.random()*2)
    t_stop = time.time()
    print(msg,"执行完毕，耗时{:.2f}" .format(t_stop-t_start))

# 定义一个进程池，最大进程数3
po = Pool(5)
for i in range(0,10):
    # Pool().apply_async(要调用的目标,(传递给目标的参数元祖,))
    # 每次循环将会用空闲出来的子进程去调用目标
    po.apply_async(worker,(i,))

print("----start----")
time.sleep(10)
po.close()  # 关闭进程池，关闭后po再也不接收新的请求
po.join()  # 等待po中全部子进程执行完成，必须放在close语句以后
print("-----end-----")

6.进程间进程的通讯

使用Pool建立进程，就须要使用multiprocessing.Manager()中的Queue()

示例

from multiprocessing import Pool, Manager
import time, random


def worker(q):
    """完成文件"""
    for i in range(10):
        file_num = random.randint(1, 100)
        print('已完成工做{}...'.format(file_num))
        q.put(file_num)
        time.sleep(1)


def boss(q):
    """查看文件"""
    while True:
        if not q.empty():
            file_num = q.get(True)
            print('已查看工做{}...'.format(file_num))
            time.sleep(1)
        else:
            break

if __name__=='__main__':
    # 建立Queue，并传给各个子进程：
    q = Manager().Queue()
    po = Pool()
    po.apply_async(worker, (q,))
    time.sleep(1)  # 先让上面的任务向Queue存入数据，而后再让下面的任务开始从中取数据
    po.apply_async(boss, (q,))

    po.close()
    po.join()

二.线程

如今操做系统提出进程的概念，每个进程都认为本身独占全部的计算机硬件资源。
进程就是独立的王国，进程间不能够随便的共享数据。
线程就是省份，同一个进程内的线程能够共享进程的资源，每个线程都拥有本身独立的堆栈。

线程一样有着相似进程的状态
1）运行态：该时刻，该线程正在占用CPU
2）就绪态：可随时转换为运行态，由于其余线程正在运行而暂停，该进程不占用CPU
3）阻塞态：除非某些外部事件发生，不然线程不能运行

Python线程的操做可使用threading模块，threading模块是对更底层thread作了一些包装的，能够更加方便的被使用。

1.threading.Thread

Thread类:
def __init__(self, group=None, target=Nonoe, name=None, args=(), kwargs=None, daemon=None)

target 线程调用的对象，就是目标函数
name 为线程起个名字（能够重名，由于线程区分靠ID，不靠名字）
args，为目标函数传递实参，元组
kwargs， 为目标函数关键字传参，字典

threading的属性和方法
current_thread() 返回当前线程对象
main_thread() 返回主线程对象
active_count() 当前处于alive状态的线程个数
enumerate() 返回全部活着的线程的列表，不包括已经终止的和未开始的线程
get_ident() 返回当前线程的ID，非0整数

Thread实例的属性和方法
name 只是一个名字
ident 线程ID
is_alive() 返回线程是否活着

start() 启动线程，每个线程必须且只能执行该方法一次
run() 运行线程函数

• 示例1 线程的启动

import threading
import time


def worker():
    for _ in range(10):
        time.sleep(0.5)
        print('start')
        print(threading.get_ident()) # 返回当前线程对象线程id
        print('Thread over')


t = threading.Thread(target=worker)
t.start()

• 示例2 多线程

import threading
import time

def finish_working():
    for i in range(5):
        print("线程:{} --完成工做加{}".format(threading.currentThread(), i))
        print(threading.current_thread())
        time.sleep(1)

if __name__ == "__main__":
    for i in range(5):
        t = threading.Thread(target=finish_working, name=str(i))
        t.start() #启动线程，即让线程开始执行

• .线程执行代码的封装

经过使用threading模块能完成多任务的程序开发，为了让每一个线程的封装性更完美，因此使用threading模块时，每每会定义一个新的子类class，只要继承threading.Thread就能够了，而后重写run方法。

import threading
import time

class MyThread(threading.Thread):
    def run(self):
        print('run')
        super().run()

    def start(self):
        print('start')
        super().start()

def worker1():
    for _ in range(5):

        time.sleep(0.5)
        print('线程:{}-woring'.format(threading.currentThread()))
        print('Thread over')

t = MyThread(target=worker1,name='w')
t.start()

• 线程之间共享全局变量

import time

count = 100

def work1():
    global count
    for i in range(3):
        count += 1

    print("----in work1, g_num is {}---".format(count))


def work2():
    global count
    print("----in work2, g_num is {}---".format(count))


print("---线程建立以前g_num is {}---".format(count))

t1 = Thread(target=work1)
t1.start()

#延时一会，保证t1线程中的事情作完
time.sleep(1)

t2 = Thread(target=work2)
t2.start()

输出

---线程建立以前g_num is 100---
----in work1, g_num is 103---
----in work2, g_num is 103---

2.线程同步

线程同步，线程间协同，经过某种技术，让一个线程访问某些数据时，其余线程不能访问这些数据，直到该线程完成对数据的操做。

• Event

Event事件，是线程间通讯机制中最简单的实现，使用一个内部的标记flag，经过flag的True或False的变化来进行操做。

名称	含义
set()	标记设置为True
clear()	标记设置为False
is_set()	标记是否设置为True
wait(timeout=None)	设置等待标记为True的时长，None为无限等待。获得返回True， 未等到超时了返回False。

from threading import Event, Thread
import time


def boss(event:Event):
    """
    等待员工全部任务完成，点评
    """
    print("I'm boss, waiting for u.")
    event.wait()
    print('good job')

def worker(event:Event, count=10):
    print("I am working for u")
    cups = []
    while True:
        print('make 1')
        time.sleep(0.5)
        cups.append(1)
        if len(cups) >= count:
            event.set()
            break
        print('I finished my job. cups={}'.format(cups))

event = Event()
w = Thread(target=worker, args=(event, ))
b = Thread(target=boss, args=(event, ))
w.start()
time.sleep(1)
b.start(

总结:
使用同一个event对象的标记flag
谁wait就是等到flag变为True，或者等到超时返回False，不限制等待的个数。

• Lock

锁，凡是存在共享资源争抢的地方均可以使用锁，从而保证只有一个使用者均可以彻底使用这个资源。
示例 不加锁：

import threading
cups = []
def worker(task=100):
    while True:
        count = len(cups)
        print(count)
        if count >= task:
            break
        cups.append(1)
        print('{}'.format(threading.current_thread()))
    print('I finished {} cups'.format(count))

for x in range(10):
    threading.Thread(target=worker, args=(100, )).start()

以上任务完成的数量会大于100，使用锁能够解决
示例

import logging
import threading
logging.basicConfig(level=logging.INFO)

cups = []
# 实例一把锁
lock = threading.Lock()

def worker(lock:threading.Lock,task=100):
    while True:
        lock.acquire() # 加锁
        count = len(cups)

        logging.info(count)
        if count >= task:
            lock.release() #记得退出循环时释放锁
            break

        cups.append(1)
        lock.release() # 释放锁
        logging.info('{}'.format(threading.current_thread()))
    logging.info('I finished {} cups'.format(count))

for x in range(10):
    threading.Thread(target=worker, args=(lock, 100)).start()

通常来讲加锁后还有一些代码实现，在释放锁以前还有可能抛异常，一旦出现异常，锁是没法释放，可是当前线程可能由于这个异常被终止了，这就产生了死锁。

加锁、解锁经常使用语句：
1）使用try...finally语句保证锁的释放
2）with上下文管理，锁对象支持上下文管理

示例:

from threading import Thread, Lock
import time, logging
logging.basicConfig(level=logging.INFO)

class Counter:
    def __init__(self):
        self.c = 0
        self.lock = Lock()

    def inc(self):
        try:
            self.lock.acquire()
            self.c += 1
            logging.info('add {}'.format(self.c))
        finally:
            self.lock.release()

    def dec(self):
        try:
            self.lock.acquire()
            self.c -= 1
            logging.info('sub {}'.format(self.c))
        finally:
            self.lock.release()

    @property
    def value(self):
        with self.lock:
            return self.c

def do(c:Counter, count=100):
    for  _ in range(count):
        for i in range(-50, 50):
            if i < 0:
                c.dec()
            else:
                c.inc()

c = Counter()
c1 = 10
c2 = 10
for i in range(c1):
    Thread(target=do, args=(c,c2)).start()

time.sleep(5)
logging.info(c.value)

3.Condition

Condition 用于生产者、消费模型，为了解决生产者消费速度匹配问题。

构造方法Condition(lock=None), 能够传入一个lock或者RLock对象,默认是RLock。

名称	含义
acquire(*args)	获取锁
wait(self, timoout=None)	等待或超时间
notify(n=1)	唤醒至多指定个数的等待的线程，没有等待的线程没有操做
notiy_all()	唤醒全部等待的线程

示例1 不使用Condition

import threading
import logging
import random
logging.basicConfig(level=logging.INFO)

class Dispatcher:

    def __init__(self, data=0):
        self.data = data
        self.event = threading.Event()

    def produce(self):
        for i in range(100):
            data =  random.randint(1,100)
            self.data = data
            logging.info("produce--{}".format(self.data))
            self.event.wait(1)  

    def custom(self):
        while True:
            logging.info("curstom---{}".format(self.data))
            self.event.wait(1)

d = Dispatcher()
p = threading.Thread(target=d.produce)
c = threading.Thread(target=d.custom)

c.start()
p.start()

示例2 使用Condition

import threading
import logging
import random
logging.basicConfig(level=logging.INFO)

class Dispatcher:
    def __init__(self, data=0):
        self.data = data
        self.event = threading.Event()
        self.cond = threading.Condition()

    def produce(self):
        for i in range(100):
            data =  random.randint(1,100)
            with self.cond:
                self.data = data
                self.cond.notify_all()
            logging.info('produce {}'.format(self.data))
            self.event.wait(1)

    def custom(self):
        while True:
            with self.cond:
                self.cond.wait()
                logging.info('custom {}'.format(self.data))
            self.event.wait(0.5)

d = Dispatcher()
p = threading.Thread(target=d.produce)
c = threading.Thread(target=d.custom)

c.start()
p.start()

示例3 多个消费者

import threading
import logging
import random
logging.basicConfig(level=logging.INFO, format='%(thread)d %(threadName)s %(message)s')

class Dispatcher:
    def __init__(self, data=0):
        self.data = data
        self.event = threading.Event()
        self.cond = threading.Condition()

    def produce(self):
        for i in range(100):
            data =  random.randint(1,100)
            with self.cond:
                self.data = data
                self.cond.notify(1)
            logging.info('pru {}'.format(self.data))
            self.event.wait(1)

    def custom(self):
        while True:
            with self.cond:
                self.cond.wait()
                logging.info("线程{}--消费{}".format(threading.get_ident(), self.data))
            self.event.wait(0.5)

d = Dispatcher()
p = threading.Thread(target=d.produce)
c = threading.Thread(target=d.custom)
c1 = threading.Thread(target=d.custom)
c.start()
c1.start()

p.start()

总结：
Condition是用于生产者消费者模型中，解决生产者消费者速度匹配的问题。
采用通知机制，很是有效率。

使用方式：
使用Condition必须先acquire，用玩release，由于内部使用锁，默认使用RLock，最好的方式是使用with上下文。
消费者wait，等待通知。
生产者生产好消息，对消费者发通知，可使用notify或者notify_all方法。

4 .Barrier

名称	含义
Barrier(parties, action=None, timeout=None)	构建Barrier对象，指定参与方数目。timeout是wait方法未指定超时的默认值。
n_waiting	当前在屏障中等待的线程数
parties	各方数，就是须要多少个等待
wait(timeout=None)	等待经过屏障，返回0到[线程数-1]的整数，每一个线程返回不一样。若是wait方法设置了超时，并超时发送，屏障将处于broken状态。

方法:

名称	含义
broken	若是屏障处于打破状态，返回True
abort()	将屏障至于broken状态，等待中的线程或者调用等待方法的线程都会抛出BrokenBarrierError异常， 直到reset方法来恢复屏障
reset()	恢复屏障，从新开始拦截

示例

import threading
import logging
logging.basicConfig(level=logging.INFO, format='%(thread)d %(threadName)s %(message)s')

def worker(barrier:threading.Barrier):
    logging.info('n_waiting={}'.format(barrier.n_waiting))
    try:
        bid = barrier.wait()
        logging.info("after barrier {}".format(bid))
    except threading.BrokenBarrierError:
        logging.info('Broken Barrier in {}'.format(threading.current_thread().name))

barrier = threading.Barrier(3)

for i in range(5): #调整数字看结果
    threading.Thread(target=worker, args=(barrier, )).start()

全部线程冲到了Barrier前等待，直到到达parties的数目，屏障打开，全部线程中止等待，继续执行。
再有线程wait，屏障就绪等到到达参数方数目。

Barrier应用场景:并发初始化全部线程都必须初始化完成后，才能继续工做，例如运行前加载数据、检查，若是这些工做没完成，就开始运行，将不能正常工做。10个线程作10种准备工做，每一个线程负责一种工做，只有这10个线程都完成后，才能继续工做，先完成的要等待后完成的线程。例如，启动一个程序，须要先加载磁盘文件、缓存预热、初始化链接池等工做。这些工做能够齐头并进，不过只有都知足了，程序才能继续向后执行。假设数据库链接失败，则初始化工做失败，就要about，屏障broken，全部线程收到异常退出。