Python学习笔记-简单案例实现多进程与多线程

Python 的多进程与多线程是并发编程的两种重要方式，用于提高程序的执行效率。它们各自有不同的特点和适用场景。

多进程（Multiprocessing）

概念：

多进程是指操作系统中同时运行多个程序实例，每个实例称为一个进程。每个进程都拥有独立的内存空间和系统资源。

特点：

1. 独立性：每个进程拥有独立的内存地址空间，互不干扰。
2. 稳定性：一个进程的崩溃不会影响其他进程的运行。
3. 资源消耗：创建和切换进程的开销较大，因为需要为每个进程分配内存和其他系统资源。
4. 数据共享：进程间通信（IPC）需要通过特定的机制来实现，如管道、消息队列、共享内存等。

适用场景：

• CPU 密集型任务，即计算密集型任务，适合使用多进程，因为可以利用多核 CPU 的并行计算能力。
• 需要高稳定性的场景，如服务器后端，一个进程的崩溃不会导致整个服务停止。

代码实现:

1.导包

2.创建进程对象

3.启动进程执行任务

 源码:

import os
import time
import multiprocessing as mdef sing(num, name):print('子进程id', os.getpid())print('子进程的父id', os.getppid())for i in range(num):print('%s唱歌...%d次' % (name, i + 1))time.sleep(0.5)def dance(num, name):for i in range(num):print(f'{name}跳舞...')time.sleep(0.5)if __name__ == '__main__':"""target:指定执行函数名args:使用元组传参kwargs:使用字典传参"""print('主进程id', os.getppid())p = m.Process(target=sing, args=(3, '小明'))# 设置守护主进程,主进程结束,子进程不再执行p.daemon = Truep2 = m.Process(target=dance, kwargs={'num': 2, 'name': '小红'})p.start()p2.start()

多线程（Multithreading）

概念：

多线程是指在同一个进程中并发执行多个线程，共享进程的内存空间和系统资源。

特点：

1. 共享性：线程间共享进程的内存空间和系统资源。
2. 开销小：创建和切换线程的开销通常比进程小。
3. 全局解释器锁（GIL）：在 CPython 解释器中，由于全局解释器锁（GIL）的存在，多线程在 CPU 密集型任务中并不能实现真正的并行执行，只能实现并发。但在 I/O 密集型任务中，多线程可以有效提高程序的响应速度。
4. 数据同步：多线程间共享数据可能导致数据不一致，因此需要使用锁、条件变量等同步机制来确保数据的正确性。

适用场景：

• I/O 密集型任务，如网络请求、文件读写等，多线程可以提高程序的响应速度和吞吐量。
• 需要共享数据的场景，多线程可以方便地访问和修改共享数据。

代码实现:

1.导包

2.创建线程对象

3.启动线程执行任务

 源码:

import threading
import timedef sing(num):for i in range(num):print('唱歌...')time.sleep(0.2)
def dance(num):for i in range(num):print('跳舞...')time.sleep(0.2)if __name__ == '__main__':t1 = threading.Thread(target=sing,args=(3,),daemon=True)t2 = threading.Thread(target=dance,kwargs={'num':5})t1.start()t2.start()

总结

多进程和多线程各有优劣，选择哪种方式取决于具体的应用场景和需求。对于 CPU 密集型任务，通常使用多进程；对于 I/O 密集型任务或需要共享数据的场景，多线程可能更合适。在实际开发中，还可以考虑使用进程池和线程池来管理和控制并发数量，以提高系统的稳定性和性能。