Python并发编程

本文主要是介绍Python并发编程，对大家解决编程问题具有一定的参考价值，需要的程序猿们随着小编来一起学习吧！

一、并发编程简介

1、并发编程的目的就是为了提升程序运行速度

2、程序提速的方法：单线程串行（不加改造的程序）-->多线程并发（threading）-->多进程并行（multiprocessing）-->多机器并行（hadoop/hive/spark）

3、Python对并发编程的支持

• 多线程：threading，利用CPU计算和IO读写可以同时执行的原理，让CPU不会干巴巴的等待IO完成，可以去做其他事
• 多进程：multiprocessing，利用多核CPU和IO的能力，真正的并行执行任务
• 异步IO（协程）：asyncio，在单线程下利用CPU和IO可以同时执行的原理，实现函数异步执行
• 使用Lock对资源加锁，防止冲突访问
• 使用Queue实现不同线程/进程之间的数据通信，实现生产者-消费者模式
• 使用线程池Pool、进程池Pool，简化线程、进程的任务提交、等待结束、获取结果
• 使用subprocess启动外部程序，并进行输入输出交互

二、多线程Thread、多进程Process、多协程Coroutine概述

1、什么是CPU密集型计算、IO密集型计算？

• CPU密集型：也叫计算密集型，是指IO在很短时间就可以完成，CPU需要大量的计算和处理，特点是CPU占用相当高，如压缩和解压、加密和解密、正则表达式搜索
• IO密集型：是指程序执行大部分时间是CPU在等待IO（硬盘、内存）的读写操作，CPU占用率较低，如文件处理程序、网爬虫资源下载、读写数据库程序

2、多线程、多进程、多协程的对比？

　　一个进程中可以启动N个线程、一个线程可以启动N个协程（异步IO）

• 多进程multiprocessing.Process
  • 优点：可以利用多核CPU并行运算
  • 缺点：占用资源最多、受CPU限制可以启动数目比线程少
  • 适用于：CPU密集型计算
• 多线程threading.Thread
  • 优点：相比进程，更轻量级、占用资源更少
  • 缺点：
    • 相比进程：多线程只能并发执行，不能利用多核CPU（GIL）
    • 相比协程：启动数目有限制，占用内存资源，有线程切换开销
  • 适用于：IO密集型计算、同时运行的任务数目要求不多
• 多协程asyncio.Coroutine
• 优点：内存开销最少、启动协程数量最多
• 缺点：支持的库有限制（例如不能使用requests库，只能使用特定的aiohttp库）、代码实现复杂
• 场景：IO密集型计算、需要超多任务运行、但有现成的库支持的场景

3、怎样根据任务选择对应技术？

这篇关于Python并发编程的文章就介绍到这儿，希望我们推荐的文章对大家有所帮助，也希望大家多多支持为之网！