当前位置：首页 > news >正文

python进程、线程、协程

news 2025/8/2 12:31:36

简介

并发（Concurrency）：多个任务交替执行（宏观上同时进行，微观上交替处理），适合 I/O 密集型任务（如网络请求、文件读写）。
并行（Parallelism）：多个任务真正同时执行（需多核 CPU 支持），适合 CPU 密集型任务（如数据计算、图像处理）。

多线程（Threading）

线程是进程内的执行单元，共享进程内存空间，切换成本低。

特点

共享内存：线程间可直接共享变量（需注意同步问题）。
GIL 限制：Python 的全局解释器锁（GIL）导致同一时刻只有一个线程执行 Python 字节码，多线程无法利用多核 CPU（对 CPU 密集型任务效率低）。
适用场景：I/O 密集型任务（如爬虫、网络服务）。

基本用法

import threading
import timedef task(name):print(f"任务 {name} 开始")time.sleep(2)  # 模拟 I/O 操作print(f"任务 {name} 结束")# 创建线程
t1 = threading.Thread(target=task, args=("t1",))
t2 = threading.Thread(target=task, args=("t2",))# 启动线程
t1.start()
t2.start()# 等待线程结束
t1.join()
t2.join()print("所有任务完成")

线程同步

Lock：互斥锁，确保同一时间只有一个线程访问共享资源。

lock = threading.Lock()
count = 0def increment():global countwith lock:  # 自动获取和释放锁count += 1# 多线程调用 increment() 不会出现计数错误

多进程（Multiprocessing）

进程是独立的内存空间，由操作系统调度，可利用多核 CPU。

特点

独立内存：进程间不共享内存，通信需用特定机制（如队列、管道）。
无 GIL 限制：多进程可真正并行执行，充分利用多核 CPU。
适用场景：CPU 密集型任务（如数据分析、复杂计算）。
缺点：创建和切换成本高，内存占用大。

基本用法

import multiprocessing
import timedef task(name):print(f"任务 {name} 开始")time.sleep(2)  # 模拟计算print(f"任务 {name} 结束")if __name__ == "__main__":  # 多进程必须在 main 模块中启动p1 = multiprocessing.Process(target=task, args=("p1",))p2 = multiprocessing.Process(target=task, args=("p2",))p1.start()p2.start()p1.join()p2.join()print("所有任务完成")

进程通信

q = multiprocessing.Queue()def producer():q.put("数据")def consumer():data = q.get()print(data)# 启动生产者和消费者进程

协程（Coroutine）

协程是轻量级线程（用户态线程），由程序主动控制切换，切换成本极低。

特点

单线程内执行：所有协程在一个线程内交替运行，无需线程切换开销。
主动切换：通过 await 关键字主动让出 CPU，适合 I/O 等待时切换。
适用场景：高并发 I/O 密集型任务（如异步 Web 框架、高并发爬虫）。

基本用法（Python 3.5+ async/await 语法）

import asyncio
import timeasync def task(name):print(f"任务 {name} 开始")await asyncio.sleep(2)  # 模拟 I/O 操作（非阻塞）print(f"任务 {name} 结束")async def main():# 并发执行两个任务await asyncio.gather(task("c1"),task("c2"))# 运行事件循环
asyncio.run(main())
print("所有任务完成")

核心原理

事件循环（Event Loop）：调度协程执行，当一个协程 await 时，事件循环切换到其他就绪协程。
非阻塞 I/O：协程的 I/O 操作（如网络请求）需使用异步库（如 aiohttp 而非 requests）。

线程池与进程池

频繁创建 / 销毁线程 / 进程会消耗资源，池化技术可复用资源，提高效率。

线程池（concurrent.futures.ThreadPoolExecutor）

from concurrent.futures import ThreadPoolExecutor
import timedef task(name):print(f"任务 {name} 开始")time.sleep(2)return f"任务 {name} 结果"# 创建线程池（最多 3 个线程）
with ThreadPoolExecutor(max_workers=3) as executor:# 提交任务futures = [executor.submit(task, f"t{i}") for i in range(5)]# 获取结果for future in futures:print(future.result())

进程池（concurrent.futures.ProcessPoolExecutor）

from concurrent.futures import ProcessPoolExecutor
import timedef task(name):print(f"任务 {name} 开始")time.sleep(2)return f"任务 {name} 结果"if __name__ == "__main__":# 创建进程池（最多 2 个进程）with ProcessPoolExecutor(max_workers=2) as executor:futures = [executor.submit(task, f"p{i}") for i in range(4)]for future in futures:print(future.result())