Python 并发编程从入门到进阶

Python多线程

Python有真正的并发编程多线程吗?我本来以为是没有的。因为CPython解释器本身就不是从入线程安全的，因此有全局解释器锁(GIL)，进阶一次只允许使用一个线程执行Python字节码。并发编程换句话说，从入Python即便是进阶有多线程，也会受GIL限制，并发编程按顺序执行。从入所以我就以为Python是进阶没有多线程的，也就是并发编程一个Python进程不能同时使用多个CPU核心。然而，从入Python标准库中所有执行阻塞型I/O操作的进阶函数，在等待操作系统返回结果时，并发编程都会释放GIL，从入允许其他线程运行。进阶这就意味着Python线程在I/O密集型应用中还是可以发挥作用的，比如一个Python线程等待网络响应时，阻塞型I/O函数会释放GIL，亿华云再运行一个线程。再比如time.sleep()函数也会释放GIL。

Python多进程

但是对于CPU密集型应用来说，要想利用所有可用的CPU核心，就得使用多进程，规避GIL。

多线程与多进程对比

什么时候用多线程?什么时候用多进程?

I/O密集型应用使用多线程，CPU密集型应用使用多进程。

什么是I/O密集型应用?什么是CPU密集型应用?

简单来说，I/O密集一般涉及到网络、磁盘IO。而CPU密集指的是计算比较多。

创建多线程可以使用concurrent.futures，创建多进程可以使用multiprocessing。

多线程与协程对比

多线程存在着切换开销，同时为了避免写变量冲突，在控制共享资源时需要加锁，因此编写程序会比较复杂比较困难。而协程是通过单线程实现的并发，既能自由切换，也不需要锁机制，服务器托管执行效率要高很多。

多线程和协程有个共同点是只对I/O密集型应用有效，因为GIL限制。如果想处理CPU密集型应用，那么可以结合多进程一起使用，以提高CPU使用率。

asyncio包

asyncio包比较多用来实现Python协程并发，原书在这一章节引用了很多示例，穿插了很多代码，导致我看起来有点乱，不是很清楚到底该怎么使用这个包。所以我看了一下官方文档：

https://docs.python.org/3/library/asyncio.html

从Python3.5开始引入了async和await，替代了@asyncio.coroutine和yield from语法，语义更简洁更明确了。并且从Python3.7开始引入了asyncio.run()，替代了这一串代码：

loop = asyncio.get_event_loop() try:     loop.run_until_complete(main()) finally:     loop.close() 

创建task的语法也发生了变化，可以用asyncio.create_task：

async def coro():     ... # In Python 3.7+ task = asyncio.create_task(coro()) ... # This works in all Python versions but is less readable task = asyncio.ensure_future(coro()) ... 

对于多个并行task可以用asyncio.gather，替代asyncio.wait：

task_list = []     for i in range(5):         task = asyncio.create_task(async_func(i))         task_list.append(task) done, pending = await asyncio.wait(task_list, timeout=None) for done_task in done:         print((f"[{ current_time()}] 得到执行结果 { done_task.result()}"))  task_list = []     for i in range(5):         task = asyncio.create_task(func(i))         task_list.append(task) results = await asyncio.gather(*task_list) for result in results:         print((f"[{ current_time()}] 得到执行结果 { result}")) 

所以对于第三方包的学习，最好是看看最新的官方文档，说不定已经进行了很多优化。

最后，完结，撒花。站群服务器

很赞哦!（48979）