Python进程、线程、协程
进程
进程是指一个程序在给定数据集合上的一次执行过程,是系统进行资源分配和运行调用的独立单位。
可以简单地理解为操作系统中正在执行的程序。也就说,每个应用程序都有一个自己的进程。
每一个进程启动时都会最先产生一个唯一线程,即主线程,然后主线程会再创建其他的子线程。
线程
线程是一个基本的CPU执行单元。它必须依托于进程存活。一个线程是一个execution context(执行上下文),即一个CPU执行时所需要的一串指令。
协程
协程是一种用户态的轻量级线程,协程的调度完全由用户控制。
从技术的角度来说,“协程就是你可以暂停执行的函数”。协程拥有自己的寄存器上下文和栈。
协程调度切换时,将寄存器上下文和栈保存到其他地方,在切回来的时候,恢复先前保存的寄存器上下文和栈,直接操作栈则基本没有内核切换的开销。
可以不加锁的访问全局变量,所以上下文的切换非常快。
进程和线程的区别
- 线程必须在某个进程中执行。
- 一个进程可包含多个线程,其中有且只有一个主线程。
- 多线程共享同个地址空间、打开的文件以及其他资源。
- 多进程共享物理内存、磁盘、打印机以及其他资源。
- 线程是处理器调度的基本单位,但进程不是
线程的类型
线程的因作用可以划分为不同的类型。大致可分为:
- 主线程
- 子线程
- 后台线程(守护线程)
- 前台线程
GIL(全局解释性锁)
其他语言,CPU是多核时是支持多个线程同时执行。但在Python中,无论是单核还是多核,同时只能由一个线程在执行。其根源是GIL的存在。GIL的全称是Global Interpreter Lock(全局解释器锁),来源是Python设计之初的考虑,为了数据安全所做的决定。某个线程想要执行,必须先拿到GIL,我们可以把GIL看作是“通行证”,并且在一个Python进程中,GIL只有一个。拿不到通行证的线程,就不允许进入CPU执行。
GIL只在CPython中才有,而在PyPy和Jython中是没有GIL的,CPython版本的解释器最常用。
并且由于GIL锁存在,Python里一个进程永远只能同时执行一个线程(拿到GIL的线程才能执行),这就是为什么在多核CPU上,Python 的多线程效率并不高的根本原因。
Python 对并发编程的支持
-
多线程:【threading】,利用CPU和IO同时执行的原理,让CPU不会干巴巴等待IO完成
-
多进程:【multiprocessing】,利用多核CPU的能力,真正的执行任务
-
异步IO:【asyncio】,在单线程利用CPU和IO同时执行的原理,实现函数异步执行
-
可以使用【Lock】对资源进行加锁,防止冲突
-
使用【Queue】实现不同线程/进程间的通信,实现生产者/消费者模式
-
使用线程池【ThreadPoolExecutor】/进程池【ProcessPoolExecutor】,简化线程/进程的任务提交、等待结束、获取结果
多进程、多线程、多协程的对比
一个进程开启的数量有限,这取决于CPU的限制
优点:可以利用多核CPU并行运算
缺点:占用资源最多,可以启动的数量比线程少
适用于:CPU密集型计算,例如:加解密、大数据、机器学习、正则表达式匹配等
一个进程中可以开启N个线程
优点:相比进程,更轻量,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:I/O密集型计算,例如:api接口获取数据、爬虫、数据库或文件频繁读写等
一个线程可以开启N个协程,协程占用内存甚至只需要几Kb
优点:内存占用最小,启动数目最多
缺点:支持的库有限制,例如不能使用requtests,而要aiohttp或httpx,并且代码实现复杂
适用于:I/O密集型计算,需要超多任务执行,但有现成库支持的场景
如何选择使用合适的技术
1.首先判断任务类型,判断任务属于CPU密集型,还是IO密集型
2.如果任务属于CPU密集型 ==> 选择多进程
3.如果任务属于IO密集型:
- 判断任务是否需要超多的任务量,并且有现有协程库支持,并且可以接受其实现复杂度 ==> 选择多协程
- 否则 ==> 选择多线程
线程池使用的好处
提升性能:减去大量新建、终止线程的开销,重用了线程资源
适用场景:适合处理突发性大量请求或需要大量线程完成任务、但实际任务处理时间较短
防御功能:能有效避免系统创建线程过多,而导致系统负荷过大、变慢的问题
代码优势:使用线程池的语法,比自己创建执行线程更简洁
threading 和 multiprocessing对比
协程
在单线程内实现并发
核心原理1:用一个超级循环(实际上就是while...true循环)
核心原理2:配合IO多路复用原理(IO时CPU可以干其他事情)
信号量、旗语【Semaphore】
是一个同步对象,用于保持0到指定最大值之间的一个计数值,简而言之,用以控制并发量
简单案例
import aiohttp
import asyncio
loop = asyncio.get_event_loop()
# 当放开下面代码时,每次执行10个任务后会停下等待一会,当然,最终程序爬取完成时间会变长
# semaphore = asyncio.Semaphore(10)
async def async_crawl(url):
async with aiohttp.ClientSession() as session:
async with session.get(url) as resp:
result = await resp.text()
await asyncio.sleep(5)
print(f'请求地址:{url},{len(result)}')
if __name__ == '__main__':
t1 = time.time()
task_list = [loop.create_task(async_crawl(f'https://pic.netbian.com/index_{page}.html')) for page in range(50)]
loop.run_until_complete(asyncio.wait(task_list))
t2 = time.time()
print(t2-t1)
共有 0 条评论