python多任务笔记

怼烎@ 2024-03-23 19:26 37阅读 0赞

### **多任务介绍** ###

在现实生活中，有很多的场景中的事情是同时进行的，比如跳舞和唱歌是同时进行的。

在程序中，可以使用代码来模拟唱歌和跳舞的功能：

from time import sleep

def sing():

for i in range(3):

print("正在唱歌...%d"%i)

sleep(1)

def dance():

for i in range(3):

print("正在跳舞...%d"%i)

sleep(1)

if __name__ == '__main__':

sing() #唱歌

dance() #跳舞

*  很显然刚刚的程序并没有完成唱歌和跳舞同时进行的要求
 *  如果想要实现“唱歌跳舞”同时进行，那么就需要一个新的方法，叫做：**多任务**

### **多任务概念** ###

什么叫“多任务”呢？简单地说，就是操作系统可以同时运行多个任务。打个比方，你一边在用浏览器上网，一边在听MP3，一边在用Word赶作业，这就是多任务，至少同时有3个任务正在运行。还有很多任务悄悄地在后台同时运行着，只是桌面上没有显示而已。

现在，多核CPU已经非常普及了，但是，即使过去的单核CPU，也可以执行多任务。由于CPU执行代码都是顺序执行的，那么，单核CPU是怎么执行多任务的呢？

答案就是操作系统轮流让各个任务交替执行，任务1执行0.01秒，切换到任务2，任务2执行0.01秒，再切换到任务3，执行0.01秒……这样反复执行下去。表面上看，每个任务都是交替执行的，但是，由于CPU的执行速度实在是太快了，我们感觉就像所有任务都在同时执行一样。

真正的并行执行多任务只能在多核CPU上实现，但是，由于任务数量远远多于CPU的核心数量，所以，操作系统也会自动把很多任务轮流调度到每个核心上执行。

对于操作系统来说，一个任务就是一个进程（Process），比如打开一个浏览器就是启动一个浏览器进程，打开一个记事本就启动了一个记事本进程，打开两个记事本就启动了两个记事本进程，打开一个Word就启动了一个Word进程。

有些进程还不止同时干一件事，比如Word，它可以同时进行打字、拼写检查、打印等事情。在一个进程内部，要同时干多件事，就需要同时运行多个“子任务”，我们把进程内的这些“子任务”称为线程（Thread）。

由于每个进程至少要干一件事，所以，一个进程至少有一个线程。当然，像Word这种复杂的进程可以有多个线程，多个线程可以同时执行，多线程的执行方式和多进程是一样的，也是由操作系统在多个线程之间快速切换，让每个线程都短暂地交替运行，看起来就像同时执行一样。当然，真正地同时执行多线程需要多核CPU才可能实现。

我们前面编写的所有的Python程序，都是执行单任务的进程，也就是只有一个线程。如果我们要同时执行多个任务怎么办？

有两种解决方案：

一种是启动多个进程，每个进程虽然只有一个线程，但多个进程可以一块执行多个任务。

还有一种方法是启动一个进程，在一个进程内启动多个线程，这样，多个线程也可以一块执行多个任务。

当然还有第三种方法，就是启动多个进程，每个进程再启动多个线程，这样同时执行的任务就更多了，当然这种模型更复杂，实际很少采用。

总结一下就是，多任务的实现有3种方式：

*  多进程模式；
 *  多线程模式；
 *  多进程+多线程模式。

##### **注意：** #####

*  并发：指的是任务数多余cpu核数，通过操作系统的各种任务调度算法，实现用多个任务“一起”执行（实际上总有一些任务不在执行，因为切换任务的速度相当快，看上去一起执行而已）
 *  并行：指的是任务数小于等于cpu核数，即任务真的是一起执行的。

###  ###

### **线程访问全局变量** ###

import threading

g_num = 0def test(n):

global g_num

for x in range(n):

g_num += x

g_num -= x

print(g_num)

if __name__ == '__main__':

t1 = threading.Thread(target=test, args=(10,))

t2 = threading.Thread(target=test, args=(10,))

t1.start()

t2.start()

在一个进程内的所有线程共享全局变量，很方便在多个线程间共享数据。缺点就是，线程是对全局变量随意遂改可能造成多线程之间对全局变量的混乱（即线程非安全）。

### **线程的安全问题** ###

import threadingimport time

ticket = 20

def sell_ticket():

global ticket

while True:

if ticket > 0:

time.sleep(0.5)

ticket -= 1

print('{}卖了一张票，还剩{}'.format(threading.current_thread().name, ticket))

else:

print('{}票卖完了'.format(threading.current_thread().name))

break

for i in range(5):

t = threading.Thread(target=sell_ticket, name='thread-{}'.format(i + 1))

t.start()

### **同步** ###

当多个线程几乎同时修改某一个共享数据的时候，需要进行同步控制。同步就是协同步调，按预定的先后次序进行运行。线程同步能够保证多个线程安全访问竞争资源，最简单的同步机制是引入互斥锁。

### **互斥锁** ###

互斥锁为资源引入一个状态：锁定/非锁定

某个线程要更改共享数据时，先将其锁定，此时资源的状态为“锁定”，其他线程不能更改；直到该线程释放资源，将资源的状态变成“非锁定”，其他的线程才能再次锁定该资源。互斥锁保证了每次只有一个线程进行写入操作，从而保证了多线程情况下数据的正确性。

threading模块中定义了Lock类，可以方便的处理锁定：

# 创建锁

mutex = threading.Lock()# 锁定

mutex.acquire()# 释放

mutex.release()

##### **注意：** #####

*  如果这个锁之前是没有上锁的，那么acquire不会堵塞
 *

如果在调用acquire对这个锁上锁之前 它已经被 其他线程上了锁，那么此时acquire会堵塞，直到这个锁被解锁为止。

*  
 *

和文件操作一样，Lock也可以使用with语句快速的实现打开和关闭操作。

### **使用互斥锁解决卖票问题** ###

import threadingimport time

ticket = 20

lock = threading.Lock()

def sell_ticket():

global ticket

while True:

lock.acquire()

if ticket > 0:

time.sleep(0.5)

ticket -= 1

lock.release()

print('{}卖了一张票，还剩{}'.format(threading.current_thread().name, ticket))

else:

print('{}票卖完了'.format(threading.current_thread().name))

lock.release()

break

for i in range(5):

t = threading.Thread(target=sell_ticket, name='thread-{}'.format(i + 1))

t.start()

### **上锁过程：** ###

当一个线程调用锁的acquire()方法获得锁时，锁就进入“locked”状态。

每次只有一个线程可以获得锁。如果此时另一个线程试图获得这个锁，该线程就会变为“blocked”状态，称为“阻塞”，直到拥有锁的线程调用锁的release()方法释放锁之后，锁进入“unlocked”状态。

线程调度程序从处于同步阻塞状态的线程中选择一个来获得锁，并使得该线程进入运行（running）状态。

### **总结** ###

锁的好处：

*  确保了某段关键代码只能由一个线程从头到尾完整地执行

锁的坏处：

*  阻止了多线程并发执行，包含锁的某段代码实际上只能以单线程模式执行，效率就大大地下降了。
 *  由于可以存在多个锁，不同的线程持有不同的锁，并试图获取对方持有的锁时，可能会造成死锁。

### **线程间通信** ###

线程之间有时需要通信，操作系统提供了很多机制来实现进程间的通信，其中我们使用最多的是队列Queue.

#### **Queue的原理** ####

Queue是一个先进先出（First In First Out）的队列，主进程中创建一个Queue对象，并作为参数传入子进程，两者之间通过put( )放入数据，通过get( )取出数据，执行了get( )函数之后队列中的数据会被同时删除，可以使用multiprocessing模块的Queue实现多进程之间的数据传递。

import threadingimport timefrom queue import Queue

def producer(queue):

for i in range(100):

print('{}存入了{}'.format(threading.current_thread().name, i))

queue.put(i)

time.sleep(0.1)

return

def consumer(queue):

for x in range(100):

value = queue.get()

print('{}取到了{}'.format(threading.current_thread().name, value))

time.sleep(0.1)

if not value:

return

if __name__ == '__main__':

queue = Queue()

t1 = threading.Thread(target=producer, args=(queue,))

t2 = threading.Thread(target=consumer, args=(queue,))

t3 = threading.Thread(target=consumer, args=(queue,))

t4 = threading.Thread(target=consumer, args=(queue,))

t6 = threading.Thread(target=consumer, args=(queue,))

t1.start()

t2.start()

t3.start()

t4.start()

t6.start()

### **多线程版聊天** ###

import socket

import threading

s = socket.socket(socket.AF\_INET, socket.SOCK\_DGRAM)

s.bind(('0.0.0.0', 8080))

def send\_msg():

ip = input('请输入您要聊天的ip:')

port = int(input('请输入对方的端口号:'))

while True:

msg = input('请输入聊天内容:')

s.sendto(msg.encode('utf-8'), (ip, port))

if msg == "bye":

ip = input('请输入您要聊天的ip:')

port = int(input('请输入对方的端口号:'))

def recv\_msg():

while True:

content, addr = s.recvfrom(1024)

print('接收到了\{\}主机\{\}端口的消息:\{\}'.format(addr\[0\], addr\[1\], content.decode('utf-8')),file=open('history.txt', 'a', encoding='utf-8'))

send\_thread = threading.Thread(target=send\_msg)

recv\_thread = threading.Thread(target=recv\_msg)

send\_thread.start()

recv\_thread.start()

### **进程** ###

程序：例如xxx.py这是程序，是一个静态的。

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

不仅可以通过线程完成多任务，进程也是可以的。

### **进程的状态** ###

工作中，任务数往往大于cpu的核数，即一定有一些任务正在执行，而另外一些任务在等待cpu进行执行，因此导致了有了不同的状态。

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

### **创建进程** ###

multiprocessing模块就是跨平台版本的多进程模块，提供了一个Process类来代表一个进程对象，这个对象可以理解为是一个独立的进程，可以执行另外的事情。

示例：创建一个进程，执行两个死循环。

from multiprocessing import Processimport time

def run_proc():

"""子进程要执行的代码"""

while True:

print("----2----")

time.sleep(1)

if __name__=='__main__':

p = Process(target=run_proc)

p.start()

while True:

print("----1----")

time.sleep(1)

###### **说明** ######

*  创建子进程时，只需要传入一个执行函数和函数的参数，创建一个Process实例，用start()方法启动

### **方法说明** ###

Process( target \[, name \[, args \[, kwargs\]\]\])

*  target：如果传递了函数的引用，可以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，可以不设定

Process创建的实例对象的常用方法：

*  start()：启动子进程实例（创建子进程）
 *  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()：不管任务是否完成，立即终止子进程

Process创建的实例对象的常用属性：

*  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：

from multiprocessing import Processimport osfrom time import sleep

def run_proc(name, age, **kwargs):

for i in range(10):

print('子进程运行中，name= %s,age=%d ,pid=%d...' % (name, age, os.getpid()))

print(kwargs)

sleep(0.2)

if __name__=='__main__':

p = Process(target=run_proc, args=('test',18), kwargs={
          "m":20})

p.start()

sleep(1)  # 1秒中之后，立即结束子进程

p.terminate()

p.join()

### **Pool** ###

开启过多的进程并不能提高你的效率，反而会降低你的效率，假设有500个任务，同时开启500个进程，这500个进程除了不能一起执行之外（cpu没有那么多核），操作系统调度这500个进程，让他们平均在4个或8个cpu上执行，这会占用很大的空间。

如果要启动大量的子进程，可以用进程池的方式批量创建子进程：

def task(n):

print('{}----->start'.format(n))

time.sleep(1)

print('{}------>end'.format(n))

if __name__ == '__main__':

p = Pool(8)  # 创建进程池，并指定线程池的个数，默认是CPU的核数

for i in range(1, 11):

# p.apply(task, args=(i,)) # 同步执行任务，一个一个的执行任务，没有并发效果

p.apply_async(task, args=(i,)) # 异步执行任务，可以达到并发效果

p.close()

p.join()

进程池获取任务的执行结果:

def task(n):

print('{}----->start'.format(n))

time.sleep(1)

print('{}------>end'.format(n))

return n ** 2

if __name__ == '__main__':

p = Pool(4)

for i in range(1, 11):

res = p.apply_async(task, args=(i,))  # res 是任务的执行结果

print(res.get())  # 直接获取结果的弊端是，多任务又变成同步的了

p.close()

# p.join()  不需要再join了，因为 res.get()本身就是一个阻塞方法

异步获取线程的执行结果:

import timefrom multiprocessing.pool import Pool

def task(n):

print('{}----->start'.format(n))

time.sleep(1)

print('{}------>end'.format(n))

return n ** 2

if __name__ == '__main__':

p = Pool(4)

res_list = []

for i in range(1, 11):

res = p.apply_async(task, args=(i,))

res_list.append(res)  # 使用列表来保存进程执行结果

for re in res_list:

print(re.get())

p.close()

### **进程间不能共享全局变量** ###

from multiprocessing import Processimport os

nums = [11, 22]

def work1():

"""子进程要执行的代码"""

print("in process1 pid=%d ,nums=%s" % (os.getpid(), nums))

for i in range(3):

nums.append(i)

print("in process1 pid=%d ,nums=%s" % (os.getpid(), nums))

def work2():

"""子进程要执行的代码"""

nums.pop()

print("in process2 pid=%d ,nums=%s" % (os.getpid(), nums))

if __name__ == '__main__':

p1 = Process(target=work1)

p1.start()

p1.join()

p2 = Process(target=work2)

p2.start()

print('in process0 pid={} ,nums={}'.format(os.getpid(),nums))

运行结果:

in process1 pid=2707 ,nums=[11, 22]in process1 pid=2707 ,nums=[11, 22, 0]in process1 pid=2707 ,nums=[11, 22, 0, 1]in process1 pid=2707 ,nums=[11, 22, 0, 1, 2]in process0 pid=2706 ,nums=[11, 22]in process2 pid=2708 ,nums=[11]

### **线程和进程** ###

#### **功能** ####

*  进程，能够完成多任务，比如 在一台电脑上能够同时运行多个QQ。
 *  线程，能够完成多任务，比如 一个QQ中的多个聊天窗口。

#### **定义的不同** ####

*  进程是系统进行资源分配和调度的一个独立单位.
 *  线程是进程的一个实体,是CPU调度和分派的基本单位,它是比进程更小的能独立运行的基本单位.线程自己基本上不拥有系统资源,只拥有一点在运行中必不可少的资源(如程序计数器,一组寄存器和栈),但是它可与同属一个进程的其他的线程共享进程所拥有的全部资源。

#### **区别** ####

*  一个程序至少有一个进程,一个进程至少有一个线程.
 *  线程的划分尺度小于进程(资源比进程少)，使得多线程程序的并发性高。
 *  进程在执行过程中拥有独立的内存单元，而多个线程共享内存，从而极大地提高了程序的运行效率
 *  线线程不能够独立执行，必须依存在进程中
 *  可以将进程理解为工厂中的一条流水线，而其中的线程就是这个流水线上的工人

#### **优缺点** ####

线程和进程在使用上各有优缺点：线程执行开销小，但不利于资源的管理和保护；而进程正相反。

### **进程间通信-Queue** ###

from multiprocessing import Queue

q=Queue(3) #初始化一个Queue对象，最多可接收三条put消息

q.put("消息1")

q.put("消息2")

print(q.full())  #False

q.put("消息3")

print(q.full()) #True

#因为消息列队已满下面的try都会抛出异常，第一个try会等待2秒后再抛出异常，第二个Try会立刻抛出异常try:

q.put("消息4",True,2)except:

print("消息列队已满，现有消息数量:%s"%q.qsize())

try:

q.put_nowait("消息4")except:

print("消息列队已满，现有消息数量:%s"%q.qsize())

#推荐的方式，先判断消息列队是否已满，再写入if not q.full():

q.put_nowait("消息4")

#读取消息时，先判断消息列队是否为空，再读取if not q.empty():

for i in range(q.qsize()):

print(q.get_nowait())

###### **说明** ######

初始化Queue()对象时（例如：q=Queue()），若括号中没有指定最大可接收的消息数量，或数量为负值，那么就代表可接受的消息数量没有上限（直到内存的尽头）；

*  Queue.qsize()：返回当前队列包含的消息数量；
 *  Queue.empty()：如果队列为空，返回True，反之False ；
 *  Queue.full()：如果队列满了，返回True,反之False；
 *  Queue.get(\[block\[, timeout\]\])：获取队列中的一条消息，然后将其从列队中移除，block默认值为True；

1）如果block使用默认值，且没有设置timeout（单位秒），消息列队如果为空，此时程序将被阻塞（停在读取状态），直到从消息列队读到消息为止，如果设置了timeout，则会等待timeout秒，若还没读取到任何消息，则抛出"Queue.Empty"异常；

2）如果block值为False，消息列队如果为空，则会立刻抛出"Queue.Empty"异常；

*  Queue.get\_nowait()：相当Queue.get(False)；
 *  Queue.put(item,\[block\[, timeout\]\])：将item消息写入队列，block默认值为True；

1）如果block使用默认值，且没有设置timeout（单位秒），消息列队如果已经没有空间可写入，此时程序将被阻塞（停在写入状态），直到从消息列队腾出空间为止，如果设置了timeout，则会等待timeout秒，若还没空间，则抛出"Queue.Full"异常；

2）如果block值为False，消息列队如果没有空间可写入，则会立刻抛出"Queue.Full"异常；

*  Queue.put\_nowait(item)：相当Queue.put(item, False)；

### **使用Queue实现进程共享** ###

我们以Queue为例，在父进程中创建两个子进程，一个往Queue里写数据，一个从Queue里读数据：

from multiprocessing import Process, Queueimport os, time, random

# 写数据进程执行的代码:def write(q):

for value in ['A', 'B', 'C']:

print('Put %s to queue...' % value)

q.put(value)

time.sleep(random.random())

# 读数据进程执行的代码:def read(q):

while True:

if not q.empty():

value = q.get(True)

print('Get %s from queue.' % value)

time.sleep(random.random())

else:

break

if __name__=='__main__':

# 父进程创建Queue，并传给各个子进程：

q = Queue()

pw = Process(target=write, args=(q,))

pr = Process(target=read, args=(q,))

# 启动子进程pw，写入:

pw.start()

# 等待pw结束:

pw.join()

# 启动子进程pr，读取:

pr.start()

pr.join()

print('所有数据都写入并且读完')

### **进程池** ###

当需要创建的子进程数量不多时，可以直接利用multiprocessing中的Process动态成生多个进程，但如果是上百甚至上千个目标，手动的去创建进程的工作量巨大，此时就可以用到multiprocessing模块提供的Pool方法。

初始化Pool时，可以指定一个最大进程数，当有新的请求提交到Pool中时，如果池还没有满，那么就会创建一个新的进程用来执行该请求；但如果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，才会用之前的进程来执行新的任务，请看下面的实例：

from multiprocessing import Poolimport os, time, random

def worker(msg):

t_start = time.time()

print("%s开始执行,进程号为%d" % (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%0.2f" % (t_stop-t_start))

po = Pool(3)  # 定义一个进程池，最大进程数3for 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----")

po.close()  # 关闭进程池，关闭后po不再接收新的请求

po.join()  # 等待po中所有子进程执行完成，必须放在close语句之后

print("-----end-----")

运行效果：

----start----0开始执行,进程号为214661开始执行,进程号为214682开始执行,进程号为214670 执行完毕，耗时1.013开始执行,进程号为214662 执行完毕，耗时1.244开始执行,进程号为214673 执行完毕，耗时0.565开始执行,进程号为214661 执行完毕，耗时1.686开始执行,进程号为214684 执行完毕，耗时0.677开始执行,进程号为214675 执行完毕，耗时0.838开始执行,进程号为214666 执行完毕，耗时0.759开始执行,进程号为214687 执行完毕，耗时1.038 执行完毕，耗时1.059 执行完毕，耗时1.69

-----end-----

multiprocessing.Pool常用函数解析：

*  apply\_async(func\[, args\[, kwds\]\]) ：使用非阻塞方式调用func（并行执行，堵塞方式必须等待上一个进程退出才能执行下一个进程），args为传递给func的参数列表，kwds为传递给func的关键字参数列表；
 *  close()：关闭Pool，使其不再接受新的任务；
 *  terminate()：不管任务是否完成，立即终止；
 *  join()：主进程阻塞，等待子进程的退出， 必须在close或terminate之后使用；

### **进程池中的Queue** ###

如果要使用Pool创建进程，就需要使用multiprocessing.Manager()中的Queue()，而不是multiprocessing.Queue()，否则会得到一条如下的错误信息：

RuntimeError: Queue objects should only be shared between processes through inheritance.

下面的实例演示了进程池中的进程如何通信：

# 修改import中的Queue为Managerfrom multiprocessing import Manager, Poolimport os, time, random

def reader(q):

print("reader启动(%s),父进程为(%s)" % (os.getpid(), os.getppid()))

for i in range(q.qsize()):

print("reader从Queue获取到消息：%s" % q.get(True))

def writer(q):

print("writer启动(%s),父进程为(%s)" % (os.getpid(), os.getppid()))

for i in "helloworld":