python 多线程和多进程的区别 mutiprocessing theading

多线程能够共享全局变量，多进程不能。多线程中，全部子线程的进程号相同；多进程中，不一样的子进程进程号不一样。

#!/usr/bin/python
# -*- coding:utf-8 -*-
import os
import threading
import multiprocessing
count_thread = 0
count_process = 0

# worker function
def worker1(sign, lock):
    global count_thread
    lock.acquire()
    count_thread += 1
    print(sign, os.getpid())
    lock.release()

def worker2(sign, lock):
    global count_process
    lock.acquire()
    count_process += 1
    print(sign, os.getpid())
    lock.release()
# Main
print('Main:',os.getpid())

# Multi-thread
record = []
lock  = threading.Lock()
for i in range(5):
    thread = threading.Thread(target=worker1,args=('thread',lock))
    thread.start()
    record.append(thread)

for thread in record:
    thread.join()

# Multi-process
record = []
lock = multiprocessing.Lock()
for i in range(5):
    process = multiprocessing.Process(target=worker2,args=('process',lock))
    process.start()
    record.append(process)

for process in record:
    process.join()


print count_thread
print count_process

运行结果

('Main:', 3142)
('thread', 3142)
('thread', 3142)
('thread', 3142)
('thread', 3142)
('thread', 3142)
('process', 3148)
('process', 3149)
('process', 3150)
('process', 3151)
('process', 3152)
5
0

应该尽可能避免多进程共享资源。多进程共享资源必然会带来进程间相互竞争。而这种竞争又会形成race condition，咱们的结果有可能被竞争的不肯定性所影响。但若是须要，咱们依然能够经过共享内存和Manager对象这么作。

1) 共享内存

用Python实现的例子:

import multiprocessing

def f(n, a):
    n.value   = 3.14
    a[0]      = 5

num   = multiprocessing.Value('d', 0.0)
arr   = multiprocessing.Array('i', range(10))

p = multiprocessing.Process(target=f, args=(num, arr))
p.start()
p.join()

print num.value
print arr[:]

这里咱们实际上只有主进程和Process对象表明的进程。咱们在主进程的内存空间中建立共享的内存，也就是Value和Array两个对象。对象Value被设置成为双精度数(d), 并初始化为0.0。而Array则相似于C中的数组，有固定的类型(i, 也就是整数)。在Process进程中，咱们修改了Value和Array对象。回到主程序，打印出结果，主程序也看到了两个对象的改变，说明资源确实在两个进程之间共享。

2）Manager

Manager对象相似于服务器与客户之间的通讯 (server-client)，与咱们在Internet上的活动很相似。咱们用一个进程做为服务器，创建Manager来真正存放资源。其它的进程能够经过参数传递或者根据地址来访问Manager，创建链接后，操做服务器上的资源。在防火墙容许的状况下，咱们彻底能够将Manager运用于多计算机，从而模仿了一个真实的网络情境。下面的例子中，咱们对Manager的使用相似于shared memory，但能够共享更丰富的对象类型。

import multiprocessing

def f(x, arr, l):
    x.value = 3.14
    arr[0] = 5
    l.append('Hello')

server = multiprocessing.Manager()
x    = server.Value('d', 0.0)
arr  = server.Array('i', range(10))
l    = server.list()

proc = multiprocessing.Process(target=f, args=(x, arr, l))
proc.start()
proc.join()

print(x.value)
print(arr)
print(l)

Manager利用list()方法提供了表的共享方式。实际上你能够利用dict()来共享词典，Lock()来共享threading.Lock(注意，咱们共享的是threading.Lock，而不是进程的mutiprocessing.Lock。后者自己已经实现了进程共享)等。 这样Manager就容许咱们共享更多样的对象。

参考资料：

http://blog.csdn.net/zhaozhi406/article/details/8137670

http://www.xuebuyuan.com/1968817.html